《基于多支持向量机综合的电力系统暂态稳定评估》总结
论文作者：戴远航等
随着电网互联范围的扩大以及大规模可再生能源的接入，电力系统的安全稳定分析与调度运行面临着很大的挑战，传统的“人工+设备+经验”的调度方式已经不能很好地满足调度运行的需求。同时，广域测量技术的发展和大数据的兴起为大电网的在线安全评估和预防控制带来了新的机遇和挑战。
基于数据挖掘技术的暂态稳定评估，其步骤一般为：一、构建原始特征空间；二、进行特征选择或者特征抽取；三、利用分类器对特征空间和稳定结果构建映射关系。进行安全稳定分析一般有两种思路：一、这种方法称之为稳定域方法，选取故障前、故障时、故障后的输入特征空间，其稳定评估独立于扰动形式和扰动地点；二、第二种方法称之为安全域方法，在故障形式确定的情况下，以系统的潮流量（节点功率注入、线路潮流等）作为输入特征空间，建立潮流方式与稳定状态之间的关系。上述两种思路比较可以发现，稳定域方法不能指出影响稳定水平的因素，且同时因为它需要用到故障后的状态量，一旦判断失稳，只能采取措施进行紧急控制，代价很大，但是它的状态空间能够最大程度代表电力系统的状态空间；安全域分析方法采用故障前的潮流量进行稳定评估，可以明确影响稳定水平的因素，同时判断失稳则可以采取预防控制措施进行调整，但是代表的状态空间范围较小。
概念定义：“误判样本”为本来是不稳定的样本判断成稳定，“漏判样本”为本来是稳定的样本判断为不稳定。一般而言，前者造成的损失是最大的，因为这样会误导调度员，在系统不稳定的情况下认为是稳定而不采取措施造成严重的后果。本文采用安全域方法进行暂态稳定评估，首先对输入特征进行特征选择，考虑到单个支持向量机(SVM)因为样本“重叠区域”的存在而无法解决“误判样本”的问题，通过采用不同参数的多个SVM进行样本训练，保证每个SVM确定的稳定域具有较大的区别，只有所有的SVM判断样本为稳定结果才为稳定从而减小误判样本。
优点：1.创新性地引入了安全域分析的方法，有利于调度员对影响稳定水平的分析；2.多SVM方法进行暂态稳定评估有利于减小误判样本
缺点：1.本文提出的方法是以增加漏判样本的代价来减小误判样本的，因此总体正确率没有明显提高；2.本文思路基于稳定域方法由于状态空间的范围较小，因此适用性不广，人们只能基于特定的故障进行分析，而实际中是可能发生多种形式的故障的。
