[發明專利]一種基于遺傳算法的支持向量機在線電壓穩定性監測方法

在審

• 申請號: 201811468216.5
• 申請日: 2018-12-03
• 公開（公告）號: CN109711435A
• 公開（公告）日: 2019-05-03
• 發明（設計）人: 劉頌凱;楊苗;史若原;劉禮煌;佘小莉;楊楠;文斌;舒征宇
• 申請（專利權）人: 三峽大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06N3/12;G06Q50/06
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 余山

1.一種基于遺傳算法的支持向量機在線電壓穩定性監測方法，其特征在于，包括以下步驟：

步驟一：通過電網系統向量測量單元裝置獲取初始的數據，并利用這些數據通過常規潮流計算以確定電網電壓穩定裕度指標；

步驟二：結合向量測量單元獲取的初始數據和電網電壓穩定裕度指標生成支持向量機的樣本數據，并將樣本數據分成訓練樣本數據和測試樣本數據；

步驟三：構建基于遺產算法的支持向量機模型，并運用遺傳算法尋找最優的電網電壓穩定裕度指標參數；

步驟四：通過尋找到的最優電網電壓穩定裕度指標參數構建支持向量機模型，并結合訓練樣本對支持向量機模型進行訓練；

步驟五：訓練結束后，運用測試樣本數據對訓練后的支持向量機模型進行測試；

步驟六：測試通過后，運用所得支持向量機模型構建基于遺傳算法的支持向量機模型的在線電網電壓穩定監測模型。

2.根據權利要求1所述的一種基于遺傳算法的支持向量機在線電壓穩定性監測方法，其特征在于：在步驟一中，包括電壓穩定裕度指標的獲取以及PMU不確定性建模。

3.根據權利要求1或2所述的一種基于遺傳算法的支持向量機在線電壓穩定性監測的方法，其特征在于：PMU測量的數據主要包括電壓幅值和相角。

4.根據權利要求1所述的一種基于遺傳算法的支持向量機在線電壓穩定性監測方法，其特征在于：在步驟二中，進行常規潮流計算得到當前工作點的電壓幅值、電壓相角、有功功率、無功功率，然后利用這些計算得到的新的數據，構成電壓穩定裕度所需要的樣本數據，并將樣本數據按一定比例分成訓練樣本數據和測試樣本數據。

5.根據權利要求1所述的一種基于遺傳算法的支持向量機在線電壓穩定性監測方法，其特征在于，在步驟三中，具體包括以下步驟：

(1)將支持向量機的參數分別包括正則化參數C，徑向基函數核函數帶寬σ²，以及不敏感損耗函數管半徑ε，進行編碼生成染色體X，則染色體X表示為：X＝{x₁,x₂,x₃}，其中x₁、x₂和x₃分別表示基于遺傳算法的支持向量機參數C、σ²和ε；

(2)運用交叉驗證技術來進行優化的支持向量機參數選擇，在K-折交叉驗證中，將數據集隨機分成K份等量的子集，并用其中(K-1)份子集數據作為訓練集來建立SVM回歸模型，支持向量機參數的性能通過第K子集來測試，不斷重復上述過程，使得每一個子集都作為測試子集進行一次測試；

(3)初始種群有20個隨機產生的染色體組成，基于收斂時間和種群多樣性之間的平衡性選擇初始種群大小，并且計算每一個隨機產生的染色體的適應值；

(4)運用選擇、交叉和突變等方式創造新的種群以代替現有的種群，再通過旋輪線的方式將適應值更好的新染色體投入到重組池中。父本和母本染色體的基因進行交換，獲取新的后代；

(5)重復第(3)步驟到第(4)步驟，這個過程一直重復直到基因數量達到限定值。

6.根據權利要求1所述的一種基于遺傳算法的支持向量機在線電壓穩定性監測方法，其特征在于，在步驟四中，具體包括以下步驟：運用步驟三中得到的最優的基于遺傳算法的支持向量機參數C、σ²和ε，構建的基于遺傳算法的支持向量機模型，并利用訓練樣本數據進行訓練，對于不同的電網系統的樣本數據，得到不同的基于遺傳算法的支持向量機擬合模型。

7.根據權利要求1所述的一種基于遺傳算法的支持向量機在線電壓穩定性監測方法，其特征在于，在步驟五中，利用測試樣本數據檢驗構建的基于遺傳算法的支持向量機模型的適應度。

8.根據權利要求1所述的一種基于遺傳算法的支持向量機在線電壓穩定性監測方法，其特征在于，在步驟六中，基于遺傳算法的支持向量機模型的在線電網電壓穩定監測模型通過實際電網樣本數據的檢驗，并完成對電網電壓穩定裕度的預測。