为充分利用电网中潜在关联的多组特征和高维多源异构数据,提出一种基于多变量合作学习、最小绝对收缩和选择算法(leastabsolute shrinkage and selection operator,LASSO)的电压稳定裕度在线评估方法。首先,利用合作学习算法在无功储备...为充分利用电网中潜在关联的多组特征和高维多源异构数据,提出一种基于多变量合作学习、最小绝对收缩和选择算法(leastabsolute shrinkage and selection operator,LASSO)的电压稳定裕度在线评估方法。首先,利用合作学习算法在无功储备、节点电压等系统异质运行参数之间形成最佳融合模式,并通过局部加权LASSO回归工具建立评估模型。然后,设计数据库自动更新系统,实现模型对运行工况的检测与自动更新。最后,采用IEEE30节点和1951节点系统对所提方法进行验证。结果表明该方法在功率增长方向、运行方式等变化情况下,具有良好的准确性及泛化性。展开更多
文摘为充分利用电网中潜在关联的多组特征和高维多源异构数据,提出一种基于多变量合作学习、最小绝对收缩和选择算法(leastabsolute shrinkage and selection operator,LASSO)的电压稳定裕度在线评估方法。首先,利用合作学习算法在无功储备、节点电压等系统异质运行参数之间形成最佳融合模式,并通过局部加权LASSO回归工具建立评估模型。然后,设计数据库自动更新系统,实现模型对运行工况的检测与自动更新。最后,采用IEEE30节点和1951节点系统对所提方法进行验证。结果表明该方法在功率增长方向、运行方式等变化情况下,具有良好的准确性及泛化性。
