位置:成果数据库 > 期刊 > 期刊详情页
改进的BT—SVM应用于电力系统SSA
  • ISSN号:1673-629X
  • 期刊名称:《计算机技术与发展》
  • 时间:0
  • 分类:TP39[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]南京邮电大学自动化学院,江苏南京210003
  • 相关基金:国家自然科学基金项目(61070234,61071167)
中文摘要:

随着电力系统的广泛发展,电力系统静态安全评估已变得越来越重要。文中比较了现在几种常用的人工智能方法,选择了支持向量机算法解决这一问题。由于解决大样本问题时,支持向量机所需训练时间显著增加,文中提出了约简样本的方法,并结合适合于电力系统的二叉树结构,提出了一种改进的简化二叉树支持向量机算法。将这种新的支持向量机算法应用于IEEE57节点电力系统,结果表明,文中提出的算法取得了比较好的结果,有效可行。

英文摘要:

Power system static security assessment is becoming more and more important with the expansion of electrical power system. It compares several common artificial intelligence methods and then selects the support vector machine (SVM) algorithm. Due to the large number, of the training set, the training time of SVM increases significantly. To solve this problem, an improved simplifying SVM method is put forward in this article. It decreases the number of the samples and combines the suitable binary tree structure for power system. The propo~d simplified SVM algorithm has been applied to IEEE 57-bus power system. The simulation results demonstrate the effectiveness of the proposed algorithm.

同期刊论文项目
期刊论文 37 会议论文 5 专利 1
同项目期刊论文
期刊信息
  • 《计算机技术与发展》
  • 中国科技核心期刊
  • 主管单位:陕西省工业和信息化厅
  • 主办单位:陕西省计算机学会
  • 主编:王守智
  • 地址:西安市雁塔路南段99号
  • 邮编:710054
  • 邮箱:ctad@vip.163.com
  • 电话:029-85522163
  • 国际标准刊号:ISSN:1673-629X
  • 国内统一刊号:ISSN:61-1450/TP
  • 邮发代号:52-127
  • 获奖情况:
  • 《CAJ-CD规范》执行优秀期刊
  • 国内外数据库收录:
  • 中国中国科技核心期刊
  • 被引量:21263