|
摘要: |
研究在智能电网下电力系统在线静态安全分析所面临的问题,提出了一种具有自适应性的超实时预测方法。利用电力系统静态安全分析的精确计算与人工智能方法的有机结合,将传统的样本库分成静态样本库和动态样本库,利用分类误差编辑修改动态样本库,以解决系统的自适应性问题;采用蚁群算法做特征提取,缩小系统规模,解决超实时计算的问题。该方法提高了特征量对网络结构、运行状态、数据误差等在线静态安全分析的适应能力,具有计算速度快、鲁棒性强、自适应强、模型通用性强等优点。 |
关键词: 自适应 超实时 静态安全 模式识别 预测 |
DOI: |
分类号: |
基金项目: |
|
Self-adaptive and super real-time forecast for static security analysis of power grid |
|
Abstract: |
|
Key words: self-adaptive super real-time static security pattern recognition forecast |