基于知识发现和分层ELM的暂态失稳模式辨识 |
| |
作者单位: | 三峡大学电气与新能源学院,湖北宜昌443002 |
| |
基金项目: | 国家自然科学基金;湖北省教育厅科学技术研究优秀中青年人才项目 |
| |
摘 要: | 为了有效辨识电力系统暂态失稳后发电机的动态行为,以失稳后的功角数据为输入特征信息,提出一种基于知识发现和分层极限学习机(ELM)的失稳模式辨识方法。首先利用ELM快速辨识系统暂态不稳定的功角样本。为了充分利用不稳定样本自身结构来挖掘关键信息,引入知识发现算法KODAMA以获取发电机的不稳定动态行为模式,构建失稳功角模态集。然后,根据所得模态数据集,为提高不稳定模式辨识的准确性,设计了分层ELM的辨识策略以辨识发电机的失稳模式。最后,在Nordic系统中验证所提方法的有效性,测试结果表明提出的辨识方法能够准确地辨识失稳模式,且在保证尽可能高精度的前提下,具有相对快速的评估速度。
|
关 键 词: | 暂态稳定 知识发现算法 极限学习机 人工智能 |
本文献已被 CNKI 万方数据 等数据库收录! |
|