论文部分内容阅读
广域测量系统和模式识别技术的曰趋发展，为实现基于人工智能的电力系统暂态稳定性预测提供了技术和理论基础，但传统基于机器学习的暂态稳定性预测对输入特征的选择和分析仍考虑不足。通过对系统暂态过程的分析，研究各轨迹变量与暂态稳定性之间的相关性。综合考虑数据采集时间和学习机的精度，提取故障完全切除后5个周期内节点电压幅值和发电机功角、转子转速轨迹作为学习机的输入。进而提出一种适合轨迹变量特征分析的特征联合概率分布（FJPD）互信息计算方法，利用最小冗余最大相关（mRMR）原则对学习机的输入特征进行选取，实现数据的降