基于优化的KPCA暂态稳定评估模型的特征提取
来源期刊：控制与决策2010年第9期
论文作者：段青 赵建国 马艳
文章页码：1403 - 1407
关键词：核主成分分析;粒子群优化;暂态稳定评估;支持向量机;
摘 要：提出一种核主成分分析法(KPCA),用于电力系统暂态稳定评估(TSA)模型中的输入向量特征提取,并利用粒子群优化算法(PSO)对核函数参数进行优化设置.以EPRI36系统为例,对基于支持向量机(SVM)分类的暂态稳定评估模型进行仿真,结果表明该方法不仅得到了良好的预测精度,而且大大降低了输入空间的维数.
段青1，赵建国2，马艳3
1. 山东大学电气工程学院2. 国家电网技术学院3. 国核电力规划设计研究院
摘 要：提出一种核主成分分析法(KPCA),用于电力系统暂态稳定评估(TSA)模型中的输入向量特征提取,并利用粒子群优化算法(PSO)对核函数参数进行优化设置.以EPRI36系统为例,对基于支持向量机(SVM)分类的暂态稳定评估模型进行仿真,结果表明该方法不仅得到了良好的预测精度,而且大大降低了输入空间的维数.
关键词：核主成分分析;粒子群优化;暂态稳定评估;支持向量机;
