%0 Journal Article
%T 关于暂态稳定分析算例筛选的评述
%A 徐岩
%A 文福拴
%A 薛禹胜
%A 赵俊华
%A 郑玉平
%A 陈国平
%A 黄天罡
%J 电力系统自动化
%D 2019
%X 算例筛选环节通过定性的机器学习或者定量的近似评估，快速识别出尽量多的稳定算例及失稳算例，以减少需要详细分析的算例数及总计算量。文中评述暂态稳定分析中的算例筛选所采用的假设、特征变量、分类规则及泛化能力。讨论数据驱动与模型驱动的融合，包括将因果元素引入分类器，将数据统计范式与模型仿真范式深度融合来提取知识。在稳定性理论指导下，建议两层框架的分类器:下层由若干个并行环节组成，各自采用不同近似程度的定量算法，取其输出数据作为上层分类器的输入。这些数据已经按近似的因果关系整合了大部分原始数据对暂态稳定性的影响，不但可提高分类器的正确识别率和强壮性，并可揭示误差机理、评估可信度及可接受度
%K 理论分析
%K 模型仿真
%K 统计分析
%K 故障筛选(算例筛选)
%K 机器学习
%K 多分类器
%K 误差分析
%K theoretical analysis
%K model simulation
%K statistical analysis
%K case filtering
%K machine learning
%K multi-classifier
%K error analysis
%U http://www.aeps-info.com/aeps/article/abstract/20181008004?st=article_issue