%A 张林林,胡熊伟,李鹏,石访,于之虹 %T 基于极限学习机的电力系统暂态稳定评估方法 %0 Journal Article %D 2019 %J 上海交通大学学报 %R 10.16183/j.cnki.jsjtu.2019.06.017 %P 749-756 %V 53 %N 6 %U {https://xuebao.sjtu.edu.cn/CN/abstract/article_41793.shtml} %8 2019-06-28 %X 随着清洁能源替代和电力系统电力电子化的趋势增强,传统的基于理论模型的电力系统数值仿真方法将面临新的挑战,不依赖于元件模型的数据驱动型电网稳定评估方法逐渐受到重视.基于极限学习机(ELM)理论,提出适于在线应用的电力系统暂态稳定评估方法.首先,通过调节稳定和失稳仿真样本的比例进行样本筛选,减轻样本集中失稳样本较少而引起的样本不均衡现象,并引入递归特征消除法进一步处理样本集;然后利用交叉验证法优化ELM的网络结构,并用处理后的样本集进行ELM的训练;最后,根据神经网络的输出结果预测系统的稳定性,并改进泛化能力评价标准对结果的可靠性进行评估.算例分析表明,递归特征消除法可明显降低特征冗余度,改善模型性能,所提出算法的训练时间短且具有较高的预测准确度.