改进Sammon映射算法在分析暂态稳定评估输入特征有效性中的应用

doi:10.3969/j.issn.1000－7229.2016.12.013

电力建设 ›› 2016, Vol. 37 ›› Issue (12): 96-.doi: 10.3969/j.issn.1000－7229.2016.12.013

改进Sammon映射算法在分析暂态稳定评估输入特征有效性中的应用

张春1, 田芳2, 于之虹2, 李岩松1, 张爽3, 田蓓3

1.华北电力大学电气与电子工程学院, 北京市 102206；2.中国电力科学研究院，
北京市 100192；3.国网宁夏电力公司电力科学研究院，银川市 750002

出版日期:2016-12-01
作者简介:张春(1991)，男，硕士研究生，主要研究方向为电力系统稳定与控制；田芳(1973)，女，博士，教授级高工，主要研究方向为电力系统分析与控制，电力系统数字仿真等；于之虹(1975)，女，工学博士，高级工程师，主要从事电力系统安全稳定评估与控制、仿真分析技术等方面的工作；李岩松(1975)，男，博士，教授，研究方向为电力系统分析与控制、光学传感技术等; 张爽（1982），男，高级工程师，主要从事电力系统计算、试验、科研方面的工作；田蓓（1977），女，高级工程师，从事电力系统计算与分析方面的工作。
基金资助:
国家重点基础研究发展计划项目(973项目)(2013CB228203);国家电网公司科技(XT71-15-001)

Application of Improved Sammon Mapping Algorithm in Input Features Validity Analysis of Transient Stability Assessment

ZHANG Chun1, TIAN Fang2, YU Zhihong2, LI Yansong1, ZHANG Shuang3, TIAN Bei3

1. School of Electrical and Electronic Engineering, North China Electric Power University, Beijing 102206, China;
2. China Electric Power Research Institute, Beijing 100192, China;

3. Electric Power Research Institute, State Grid Ningxia Electric Power Company, Yinchuan 750002, China

Online:2016-12-01
Supported by:
Project supported by National Basic Research Program of China (973 Program) (2013CB228203)

摘要/Abstract

摘要： 基于机器学习技术的电力系统暂态稳定评估方法中，输入特征提取的是否合理往往决定了最终的分类效果。然而，目前却缺乏一种工具去评价选择的输入特征是否具有可分性。鉴于此，引入Sammon映射算法将高维样本数据映射到低维空间中，通过观察映射点的分布情况判断提取的特征是否有效，并针对原算法的不足之处进行改进。首先利用主成分分析法(principal component analysis, PCA)求出包含原始数据信息最多的前两维主成分向量，代替原算法随机取值的方法，作为映射点坐标向量的初始值。然后，采用迭代修正法求解最终的映射点坐标向量，加快了求解速度。最后，以改进Sammon映射算法作为工具，分析IEEE 39节点系统的仿真数据和某地区实际在线历史数据提取特征的有效性，证明该算法在指导特征选择中具有良好的应用前景。

关键词: , 暂态稳定, 机器学习, Sammon映射, 特征有效性

Abstract: In the method of power system transient stability assessment based on machine learning technology, the reasonableness of the input feature extraction decides the final classification result. However, there were no tools to judge whether the selected input features are the separable. Therefore, this paper introduces the Sammon mapping algorithm to map high dimensional sample data to low dimensional space, determines the effectiveness of selected feature through observing the distribution of mapping points, and improves the original algorithm according to its deficiencies. Firstly, we adopted principal component analysis (PCA) method to obtain the first two dimensional principal component vectors containing the most original data information, which worked as the initial value of the mapping point coordinate vector instead of the random selection method in the original algorithm. Then, we used the iterative method to solve the coordinate vector of mapping points to accelerate the solving speed. Finally, we used the improved Sammon mapping algorithm as a tool to analyze the effectiveness of selected features of the numerical simulation data in IEEE39-bus system and the actual online historical data of a certain area. The analysis results show that the improved algorithm has a good application prospect in guiding feature selection.

Key words: transient stability, machine learning, Sammon mapping, feature effectiveness

中图分类号:

TM 71

张春, 田芳, 于之虹, 李岩松, 张爽, 田蓓. 改进Sammon映射算法在分析暂态稳定评估输入特征有效性中的应用[J]. 电力建设, 2016, 37(12): 96-.

ZHANG Chun, TIAN Fang, YU Zhihong, LI Yansong, ZHANG Shuang, TIAN Bei.

Application of Improved Sammon Mapping Algorithm in Input Features Validity Analysis of Transient Stability Assessment

[J]. Electric Power Construction, 2016, 37(12): 96-.

参考文献

［1］李亚楼, 张星, 李勇杰,等. 交直流混联大电网仿真技术现状及面临挑战［J］. 电力建设, 2015, 36(12):1-8.

LI Yalou, ZHANG Xing, LI Yongjie, et al. Present situation and challenges of AC/DC hybrid large-scale power grid simulation technology ［J］. Electric Power Construction, 2015, 36(12):1-8.

［2］赵春晖, 姜大为, 崔灿,等. 大数据时代下的新型电网规划体系［J］. 电力建设, 2014, 35(10):17-20.

ZHAO Chunhui, JIANG Dawei, CUI Can, et al. New power grid planning system in big-data era［J］. Electric Power Construction,2014,35(10):17-20.

［3］张沛, 吴潇雨, 和敬涵. 大数据技术在主动配电网中的应用综述［J］. 电力建设, 2015, 36(1):52-59.

ZHANG Pei, WU Xiaoyu, HE Jinghan. Review on big data technology applied in active distribution network［J］. Electric Power Construction, 2015, 36(1):52-59.

［4］童晓阳，叶圣永．数据挖掘在电力系统暂态估中的应用综述［J］．电网技术，2009，33(20)：88-93．

TONG Xiaoyang，YE Shengyong．A survey on application of data mining in transient stability assessment of power system［J］．Power System Technology，2009，33(20)：88-93．

［5］王同文，管霖，张尧．人工智能技术在电网稳定评估中的应用综述［J］．电网技术，2009，33(12)：60-65．

WANG Tongwen，GUAN Lin，ZHANG Yao．A survey on application of artificial intelligence technology in power system stability assessment［J］．Power System Technology，2009，33(12)：60-65．

［6］SAMMON J W. A nonlinear mapping for data structure analysis［J］. IEEE Transactions on Computers, 1969, C-18(5): 401-409.

［7］顾雪平,张志刚,张文勤. 基于神经网络的暂态稳定评估输入空间可分性［J］. 华北电力大学学报,2000,27（2）:16-20.

GU Xueping, ZHANG Zhigang , ZHANG Wenqin. Input space separability analysis of artificial neural networks based transient stability assessment［J］.Journal of North China Electric Power University,2000,27(2):16-20.

［8］顾雪平,曹绍杰,张文勤. 基于神经网络暂态稳定评估方法的一种新思路［J］. 中国电机工程学报,2000,20(4):78-82.

GU Xueping, TSO Shiukit, ZHANG Wenqin. A new framework for transient stability assessment based on neural networks［J］. Proceedings of the CSEE, 2000, 20(4):77-82.

［9］YU Zhihong, ZHOU Xiaoxin, WU Zhongxi. Transient stability boundary visualization for power system［C］// International Conference on Power System Technology. IEEE, 2006.

［10］RADVANSKY M, KUDELKA M, SNASEL V. Identifying power profiles in the photovoltaic power station data by self-organizing maps and dimension reduction by Sammons projection［C］//Soft Computing and Pattern Recognition (SoCPaR).IEEE, 2013.

［11］陈敏. 智舌非线性模式识别方法研究［D］.杭州：浙江工商大学,2012.

CHEN Min. The research of nonlinear pattern recognition methods for smartongue［D］.Hangzhou: Zhejiang Gongshang University, 2012.

［12］周凌岚,叶浩欢,柳征,等. 基于改进Sammon映射的辐射源个体特征有效性分析［J］.电子信息对抗技术,2010, 1(25):21-24.

ZHOU Linglan, YE Haohuan, LIU Zheng, et al. Validity analysis of emitter individual features based on an improved Sammon mapping ［J］.Electronic Warfare Technology, 2010, 1(25):21-24.

［13］崔巍，都秀文，杨海峰．基于主成分分析法的电力需求影响因素分析［J］．电力建设，2013，34( 8) : 34-39．

CUI Wei, DU Xiuwen, YANG Haifeng. Analysis on influencial factor of power demand based on principal component analysis［J］. Electric Power Construction,2013,34(8) : 34-39．

［14］LERNER B, GUTERMAN H, ALADJ E M, et al. Feature extraction by neural network nonlinear mapping for pattern classification［C］//13th International Conference on Pattern Recognition ( ICPR96). IEEE, 1996:320-324.

［15］KOVCS A, ABONYI J. Visualization of fuzzy clustering results by modified Sammon mapping［C］// IEEE International Conference on Fuzzy Systems. IEEE, 2004, 1(1):365-370.

［16］BACHE K, LICHMAN M. UCI Machine Learning Repository［EB/OL］.［2016-06-05］. http//archive.ics.uci.edu/ml/datsets/wine.

［17］Kohonen T. Self-organizing Maps［ M］. 3rd Edition, Kerlin: Springer-Verlag, 2001.

［18］李扬，顾雪平．基于改进最大相关最小冗余判据的暂态稳定评估特征选择［J］．中国电机工程学报，2013，33(34)：179-186．

LI Yang，GU Xueping．Feature selection for transient stability assessment based on improved maximal relevance and minimal redundancy criterion ［J］．Proceedings of the CSEE，2013，33(34)：179-186．

［19］张伯明，陈寿孙，严正. 高等电力网络分析［M］. 北京：清华大学出版社，2007.

［20］叶圣永，王晓茹，刘志刚，等．基于支持向量机的暂态稳定评估双阶段特征选择［J］．中国电机工程学报，2010，30(31)：28-34．

YE Shengyong，WANG Xiaoru，LIU Zhigang，et al． Dual-stage feature selection for transient stability assessment based on support vector machine ［J］．Proceedings of the CSEE，2010，30(31)：28-34．

［21］GOMEZ F R，RAJAPAKSE A D，ANNAKKAGE U D，et al. Support vector machine-based algorithm for post-fault transient stability status prediction using synchronized measurements［J］. IEEE Transactions on Power System，2011,26(3):1474-1483.

［22］章小强. 智能稳定评估中的关键特征识别研究［D］.广州：华南理工大学,2010.

ZHANG Xiaoqiang. Studies on kernel feature recognition for intelligent stability assessment ［D］．Guangzhou: South China University of Technology，2010.

［23］于之虹，黄彦浩，鲁广明，等．基于时间序列关联分析的稳定运行规则提取方法［J］．中国电机工程学报，2015，35(3)：519-526．

YU Zhihong，HUANG Yanhao，LU Guangming，et al．A time series associative classification method for the operation rule extracting of transient stability［J］．Proceedings of the CSEE，2015，35(3)：519-526．

［24］国家电网公司．国家电网安全稳定计算技术规范: Q/GDW 404—2010［S］. 北京：国家电网公司，2010．

［25］黄彦浩，于之虹，史东宇，等. 基于海量在线历史数据的大电网快速判稳策略［J］. 中国电机工程学报，2016，36(3)：596-603.

HUANG Yanhao，YU Zhihong，SHI Dongyu，et al. Strategy of huge electric power system stability quick judgment based on massive historical online data ［J］．Proceedings of the CSEE，2016，36(3)：596-603.

[1]	汤吉鸿, 章德, 丛凡超, 田国梁, 吴贵烘, 李宇骏, 禹海峰. 基于线性二次型最优控制的多端直流最优功率调制方案[J]. 电力建设, 2020, 41(8): 32-39.
[2]	赵洱岽, 王浩, 林弘杨. 现货市场中基于演化博弈的火电企业阶梯报价策略[J]. 电力建设, 2020, 41(8): 68-71.
[3]	宋建，束洪春，董俊，梁雨婷，李雨龙，杨博. 基于GM(1，1)与BP神经网络的综合负荷预测[J]. 电力建设, 2020, 41(5): 75-80.
[4]	祁兵，叶欣，李彬，陈宋宋，李源非，石坤. 考虑IEC标准的用户侧电力物联网体系架构研究[J]. 电力建设, 2020, 41(5): 92-99.
[5]	梁修锐，刘道伟，杨红英，李卫星，邵广惠，徐兴伟，王克非，李宗翰，赵高尚. 数据驱动的电力系统静态电压稳定态势评估[J]. 电力建设, 2020, 41(1): 126-132.
[6]	钟永洁，谢东亮，孙永辉，翟苏巍，常福刚，张明理. 考虑能源子系统与储能的综合能源系统优化分析[J]. 电力建设, 2019, 40(8): 59-68.
[7]	肖泽青，华昊辰，曹军威. 人工智能在能源互联网中的应用综述[J]. 电力建设, 2019, 40(5): 63-70.
[8]	杨军，林洋佳，陈杰军，李逸欣，詹祥澎. 未来城市共享电动汽车发展模式[J]. 电力建设, 2019, 40(4): 49-59.
[9]	江帆，杨洪耕. 基于选择性贝叶斯分类的非侵入式负荷识别方法[J]. 电力建设, 2019, 40(2): 94-.
[10]	刘中原，王维庆，王海云，袁成玉，王亮，李永钦，丁文彬. 基于VSG技术的VSC-HVDC输电系统受端换流器控制策略[J]. 电力建设, 2019, 40(2): 100-.
[11]	林伟芳，易俊，贾俊川，王安斯，余芳芳，方诗卉. 故障后半波长输电线路的稳态过电压控制措施[J]. 电力建设, 2019, 40(2): 109-.
[12]	崔树银，陆奕，常啸. 考虑信用评分机制的电力碳排放交易区块链模型[J]. 电力建设, 2019, 40(1): 104-111.
[13]	黄裕春，王宏，王珂，文福拴. 考虑电动汽车充电设施接入的居民配电系统供电容量最优规划[J]. 电力建设, 2018, 39(6): 1-.
[14]	常巩, 邓友均, 杨洪明, 文福拴, 赖明勇. 充换电站模式下电动汽车参与物流配送的电能补给方式规划[J]. 电力建设, 2018, 39(6): 7-.
[15]	刘洵源, 齐峰, 文福拴, 冯昌森, 王蕾，邹波，张西竹. 光伏不平衡接入的配电系统中电动汽车有序充电策略[J]. 电力建设, 2018, 39(6): 21-.

改进Sammon映射算法在分析暂态稳定评估输入特征有效性中的应用

Application of Improved Sammon Mapping Algorithm in Input Features Validity Analysis of Transient Stability Assessment

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价