[发明专利]一种在线预测电力系统静态电压稳定极限的方法

摘要

本发明公开了一种在线预测电力系统静态电压稳定极限的方法，该方法由基于Lasso的样本降维方法、基于自组织特征映射网络的样本筛选方法和误差反向传播型神经网络三部分组成。本发明通过自组织特征映射网络和Lasso方法对电力系统离线仿真生成的大量随机训练样本进行预处理，Lasso方法用于减少输入变量的维数，自组织特征映射网络用于减少训练样本的数量，之后采用误差反向传播型神经网络对电力系统静态电压稳定极限进行离线训练和在线预测，本发明的方法可以有效提高误差反向传播型神经网络的离线训练效率和在线预测效果。

主权项

一种在线预测电力系统静态电压稳定极限的方法，包括如下步骤：（1）通过对电力系统进行离线仿真，生成系统在随机多个工况下对应的多个训练样本；所述的训练样本包括输入变量和输出变量，所述的输出变量为系统的静态电压稳定极限；（2）对所述的训练样本进行降维，然后通过自组织特征映射网络对所有训练样本进行分类筛选；（3）利用筛选保留下来的训练样本对误差反向传播型神经网络进行训练，得到用于预测电力系统静态电压稳定极限的神经网络模型；（4）实时采集电力系统的状态信息，通过所述的神经网络模型计算出系统的静态电压稳定极限。