基于支持向量机的暂态稳定分类中的特征选择  

Feature selection for SVM based transient stability classification

作　　者：向丽萍[1] 王晓红[1] 王建[2] 项杨[1] 谢桦[3] 王晓茹[1] 

机构地区：[1]西南交通大学电气工程学院,四川成都610031 [2]清华大学电机工程与应用电子技术系,北京100084 [3]北京交通大学电气工程学院,北京100044

出　　处：《继电器》2007年第9期17-21,共5页Relay

基　　金：国家973重点基础研究发展规划资助项目(G1998010301)

摘　　要：特征选择是支持向量机(SVM)分类实现中非常重要的环节。针对传统方法进行特征选择的缺陷,提出了基于遗传算法的特征选择方法。综述和提出了支持向量机暂态稳定分类的初始特征;建立了IEEE16机86节点系统的暂态稳定分类初始特征样本集;利用主成分分析和遗传算法对维数较大的初始特征进行了有效降维;并通过因子负荷,完成了暂态稳定输入特征的选择;经过支持向量机分类器测试,显示选出的特征有很好的分类效果。Feature selection plays a very important role in realizing support vector machine（SVM） classifier. Aimed at the disadvantages existing in feature selection by traditional method, a new method based on genetic algorithm to select the input features. In this paper, a set of features which fit for transient stability assessment is summarized.The primary feature pattern of IEEE16-machine 86-bus system system is established, Using principal component analysis（PCA） and genetic algorithm （GA） to efficiently reduce the dimension of the primary feature, By using the idea of factor loading, it reconstructs the input space to accomplish feature selection. SVM classifier test demonstrates the validity of the proposed approach.

关 键 词：特征选择 主成分分析 遗传算法 支持向量机 

分 类 号：TM712[电气工程—电力系统及自动化]