相关主成分分析和最小二乘支持向量机的电力系统状态估计

相关主成分分析和最小二乘支持向量机的电力系统状态估计

ID:33353047

大小:234.52 KB

页数:4页

时间:2019-02-25

相关主成分分析和最小二乘支持向量机的电力系统状态估计_第1页
相关主成分分析和最小二乘支持向量机的电力系统状态估计_第2页
相关主成分分析和最小二乘支持向量机的电力系统状态估计_第3页
相关主成分分析和最小二乘支持向量机的电力系统状态估计_第4页
资源描述:

《相关主成分分析和最小二乘支持向量机的电力系统状态估计》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、维普资讯http://www.cqvip.com第3O卷第21期电网技术、,0l3ONO.212006年11月PowerSystemTechnologyNOV.2006文章编号:1000.3673(2006)21—0075—03中图分类号:TM734;F123.9文献标识码:A学科代码:790.625基于主成分分析和最小二乘支持向量机的电力系统状态估计贾嵘,蔡振华,刘晶2,王小宇,杨可(1.西安理工大学电力工程系,陕西省西安市710048;2.华北电力科学研究院,北京市西城区100045)PowerSystemStateEstimationBasedonPrincipalComp

2、onentAnalysisandLeastSquareSupportVectorMachinesJIARong,CAIZhen.hua,LiuJing,Ⅵ,ANGXiao.yu,GKe’(1,DepartmentofElectricalEngineering,Xi’anUniversityofTechnology,Xi’an710048,ShaanxiProvince,China:2.NorthChinaElectricalPowerResearchInstitute,XichengDistrict,Beijing100045。China)ABSTRACT:Powerstatee

3、stimatorplaysanimportantroleinO引言energymanagementsystem(EMS).Theauthorsproposeanew近年来,随着我国电力工业的迅速发展,电力methodbasedonprincipalcomponentanalysis(PCA)andleast系统调度自动化水平也越来越高。状态估计作为能squaresupportvectormachines(LS—SVM)forpowersystem量管理系统(EMS)的重要组成部分,它为EMS提供stateestimation.Intheproposedmethod,firstly

4、thePCAfor完整可靠的系统运行状态实时数据和信息,并为其initialsamplesconsistingofmeasureddataisperformedtomakedatacompressionandfeatureextraction,SOthe它高级应用软件建立实时数据库状态估计是一种correlativitywithinthedataiseliminatedandtheprincipal利用测量数据的相关度和冗余度结合计算机技术对componentscontainingenoughinformationininitialsamples运行参数进行处理以获得电力系统实时

5、状态信息的areextracted.Then,theextractedprincipalcomponentsare计算方法。usedastheinputsforLS—SVM,SOthedimensionsofsample多年来国内外学者对状态估计进行了研究并提spaceal-ereduced.Casestudyresultsshowthattheproposed出了多种状态估计算法。其中加权最小二乘法methodcaneffectivelyimprovetheaccuracyofpowersystem(weightedleastsquares,WLS)是电力系统状态估计state

6、estimation.应用最多的算法。WLS具有方差最小、模型简单,KEYW0RDS:principalcomponentanalysisleastsquare计算量小等优点⋯,但却不具有抗粗差能力,为此,supportvectormachines;stateestimation;powersystem~许多学者研究了抗粗差状态估计,其中加权最小绝kernelfunction对值(weightedleastabsolutevalue,WLAV)是广大学摘要:电力系统状态估计在能量管理系统中起着非常重要的者研究最多的一种抗粗差状态估计法【2J。文献[3】从作用,作者提出了基于主成分

7、分析和最小二乘支持向量机的最小信息损失(minimuminformationloss,MIL)决策状态估计方法。首先对由最测量组成的初始样本进行主成分原理出发,提出能够适用于各种概率分布的通用的分析,对初始样本进行数据压缩和特征提取,消除数据问的M几状态估计新原理。文献[4】提出了一种基于分块相关性,提取出包含初始样本足够信息的主成分。然后将提QR分解(blockQRdecomposition)l~状态估计方法。取出的主成分作为最小二乘支持向量机的输入,降低了样本但以上方法对不同

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。