[发明专利]一种基于支持向量机的暂态功角稳定故障筛选系统及方法

权利要求书

1.一种基于支持向量机的暂态功角稳定故障筛选系统，其特征在于：包括：

在线预想故障筛选模块：用于根据当前运行方式判断预先建立的暂态功角稳定预测模型是否适用，如适用则采用暂态功角稳定预测模型获得预想故障暂态功角稳定预测值，并针对稳定裕度小于门槛值的故障、稳定分类预测结果为失稳的故障、稳定预测结果可信度低于门槛值的故障以及预测模型不适用的故障进行详细的暂态功角稳定量化评估计算；所述暂态功角稳定预测模型为基于历史样本集的各个样本潮流方式和预想故障暂态功角稳定量化评估结果，对每个故障选取特征量并采用支持向量机进行监督学习训练得到；

样本集更新模块：用于对进行详细暂态功角稳定量化评估计算的故障及其对应的潮流方式进行分析并决定是否纳入样本集，同时将距离当前时间最远的一个样本从样本集中剔除；

预先建立的暂态功角稳定预测模型训练的具体操作包括如下步骤：

步骤1：依据历史样本集中各个样本暂态功角稳定临界群机组的相似度进行稳定模式分类，将相似度指标大于指定门槛值的样本归入相同稳定模式的样本子集；所述相似度指标的定义是相同临界群机组数目占临界群机组总数的比例；

步骤2：对历史样本集中各个样本提取特征值并对特征值的非布尔量特征值进行采用平均数方差法的规范化数据预处理；

步骤3：对各类稳定模式的样本子集分别采用支持向量机进行暂态功角稳定预测模型训练，如样本集中只有稳定的样本则采用以暂态功角稳定裕度为变量的回归预测模型，样本集中既有稳定样本又有失稳样本采用二分类预测模型。

2.一种基于支持向量机的暂态功角稳定故障筛选方法，其特征在于：

根据当前运行方式判断预先建立的暂态功角稳定预测模型是否适用，如适用则采用暂态功角稳定预测模型获得预想故障暂态功角稳定预测值，并针对稳定裕度小于门槛值的故障、稳定分类预测结果为失稳的故障、稳定预测结果可信度低于门槛值的故障以及预测模型不适用的故障进行详细的暂态功角稳定量化评估计算；所述暂态功角稳定预测模型为基于历史样本集的各个样本潮流方式和预想故障暂态功角稳定量化评估结果，对每个故障选取特征量并采用支持向量机进行监督学习训练得到；

对进行详细暂态功角稳定量化评估计算的故障及其对应的潮流方式进行分析并决定是否纳入样本集，同时将距离当前时间最远的样本从样本集中剔除，保证样本集总数目不越限；

预先建立的暂态功角稳定预测模型训练的具体操作包括如下步骤：

步骤1：依据历史样本集中各个样本暂态功角稳定临界群机组的相似度进行稳定模式分类，将相似度指标大于指定门槛值的样本归入相同稳定模式的样本子集；所述相似度指标的定义是相同临界群机组数目占临界群机组总数的比例；

步骤2：对历史样本集中各个样本提取特征值并对特征值的非布尔量特征值进行采用平均数方差法的规范化数据预处理；

步骤3：对各类稳定模式的样本子集分别采用支持向量机进行暂态功角稳定预测模型训练，如样本集中只有稳定的样本则采用以暂态功角稳定裕度为变量的回归预测模型，样本集中既有稳定样本又有失稳样本采用二分类预测模型。