基于广域测量信息和支持向量机的暂态稳定评估

针对现有基于人工智能的暂态稳定评估(TSA)方法所存在的训练时间长、分类正确率低等不足,提出一种基于广域测量信息和支持向量机(SVM)的TSA方法.首先,合理选取一组有代表性的系统特征作为输入特征;然后,构建一种基于SVM的TSA模型,并采用网格搜索结合交叉验证的方法选取模型参数;最后,以IEEE 39节点系统为例进行仿真验证.算例结果表明,相对于人工神经网络、决策树等传统方法,该方法具有训练速度快、泛化能力强等优点.