广域测量系统WAMS(Wide Area Measure System)的出现,为大电网在线暂稳预测提供了新的实时数据平台。基于WAMS数据,通过CCCOI-RM变换将系统进行简化等值,采用最小二乘支持向量机回归算法LS-SVR(Least Square Support Vector Regression)的出色学习性能和非线性处理能力,对等值系统的功角轨迹进行在线学习和实时预测,并进一步使用极值、阈值双重判据进行暂态稳定性判断。该方法不用考虑系统详细结构,计算速度快,预测时间长,仿真分析表明所提出的方法能够快速准确地预测电力系统的暂态稳定性,并为下一步采取相应的紧急预控制措施提供相对充裕的时间窗口。
支持向量机(SVM)已经成功地应用于解决非线性回归和时间序列问题,并且已经开始用于中长期负荷预测。提出了一种基于鲁棒支持向量回归机RSVR(Robust Support Vector Regression)的中长期负荷预测的新方法。给出利用粒子群优化算法对鲁棒支持向量机系数优化选择的方法。建立基于此原理的中长期负荷预测模型,算例分析比较验证本文方法具有预测精度高、计算量小等特点和优势。
