[发明专利]一种基于遗传算法的支持向量机在线电压稳定性监测方法

权利要求书

1.一种基于遗传算法的支持向量机在线电压稳定性监测方法，其特征在于，包括以下步骤：

步骤一：通过电网系统向量测量单元装置获取初始的数据，并利用这些数据通过常规潮流计算以确定电网电压稳定裕度指标；

步骤二：结合向量测量单元获取的初始数据和电网电压稳定裕度指标生成支持向量机的样本数据，并将样本数据分成训练样本数据和测试样本数据；

步骤三：构建基于遗产算法的支持向量机模型，并运用遗传算法寻找最优的电网电压稳定裕度指标参数；

步骤四：通过寻找到的最优电网电压稳定裕度指标参数构建支持向量机模型，并结合训练样本对支持向量机模型进行训练；

步骤五：训练结束后，运用测试样本数据对训练后的支持向量机模型进行测试；

步骤六：测试通过后，运用所得支持向量机模型构建基于遗传算法的支持向量机模型的在线电网电压稳定监测模型。

2.根据权利要求1所述的一种基于遗传算法的支持向量机在线电压稳定性监测方法，其特征在于：在步骤一中，包括电压稳定裕度指标的获取以及PMU不确定性建模。

3.根据权利要求1或2所述的一种基于遗传算法的支持向量机在线电压稳定性监测的方法，其特征在于：PMU测量的数据主要包括电压幅值和相角。

4.根据权利要求1所述的一种基于遗传算法的支持向量机在线电压稳定性监测方法，其特征在于：在步骤二中，进行常规潮流计算得到当前工作点的电压幅值、电压相角、有功功率、无功功率，然后利用这些计算得到的新的数据，构成电压稳定裕度所需要的样本数据，并将样本数据按一定比例分成训练样本数据和测试样本数据。

5.根据权利要求1所述的一种基于遗传算法的支持向量机在线电压稳定性监测方法，其特征在于，在步骤三中，具体包括以下步骤：

(1)将支持向量机的参数分别包括正则化参数C，径向基函数核函数带宽σ²，以及不敏感损耗函数管半径ε，进行编码生成染色体X，则染色体X表示为：X＝{x₁,x₂,x₃}，其中x₁、x₂和x₃分别表示基于遗传算法的支持向量机参数C、σ²和ε；

(2)运用交叉验证技术来进行优化的支持向量机参数选择，在K-折交叉验证中，将数据集随机分成K份等量的子集，并用其中(K-1)份子集数据作为训练集来建立SVM回归模型，支持向量机参数的性能通过第K子集来测试，不断重复上述过程，使得每一个子集都作为测试子集进行一次测试；

(3)初始种群有20个随机产生的染色体组成，基于收敛时间和种群多样性之间的平衡性选择初始种群大小，并且计算每一个随机产生的染色体的适应值；

(4)运用选择、交叉和突变等方式创造新的种群以代替现有的种群，再通过旋轮线的方式将适应值更好的新染色体投入到重组池中。父本和母本染色体的基因进行交换，获取新的后代；

(5)重复第(3)步骤到第(4)步骤，这个过程一直重复直到基因数量达到限定值。

6.根据权利要求1所述的一种基于遗传算法的支持向量机在线电压稳定性监测方法，其特征在于，在步骤四中，具体包括以下步骤：运用步骤三中得到的最优的基于遗传算法的支持向量机参数C、σ²和ε，构建的基于遗传算法的支持向量机模型，并利用训练样本数据进行训练，对于不同的电网系统的样本数据，得到不同的基于遗传算法的支持向量机拟合模型。

7.根据权利要求1所述的一种基于遗传算法的支持向量机在线电压稳定性监测方法，其特征在于，在步骤五中，利用测试样本数据检验构建的基于遗传算法的支持向量机模型的适应度。

8.根据权利要求1所述的一种基于遗传算法的支持向量机在线电压稳定性监测方法，其特征在于，在步骤六中，基于遗传算法的支持向量机模型的在线电网电压稳定监测模型通过实际电网样本数据的检验，并完成对电网电压稳定裕度的预测。