张春, 田芳, 于之虹, 李岩松, 张爽, 田蓓

(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)

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)

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。

暂态稳定; 机器学习; Sammon映射; 特征有效性

0 引 言

随着我国特高压交直流电网的快速发展，给基于电力系统仿真方法的电力系统暂态稳定评估带来深刻变化和新的挑战[1]。……