摘要：基于传统支持向量机的暂态稳定评估模型,通常将所有的学习样本同时参与学习,如果有新样本加入,则需要对所有样本重新学习。针对传统暂态稳定评估模型不能在线更新的不足,提出了一种支持向量机增量学习的暂态稳定评估方法。该方法利用一种快速支持向量机增量学习方法,构造递归解法将新数据增加到解中,并对模型更新前的训练数据保持Karush-Kuhn-Tucker条件。通过一次1个样本的增量学习更新暂态稳定评估模型。新英格兰39节点测试系统的仿真实验表明：所提出的方法能有效更新评估模型且大幅减少学习时间,为基于机器学习的电力系统暂态稳定在线学习提供了新思路。

关键词：暂态稳定评估 机器学习 支持向量机 特征选择 增量学习 

单位：西南交通大学电气工程学院 四川省成都市610031