来源：期刊VIP网 时间：
作者：王凯歌;郑山锁;杨丰;周林;田琦;蔡国威;
单位：西安建筑科技大学土木工程学院;西安建筑科技大学结构工程与抗震教育部重点实验室;中国启源工程设计研究院有限公司;中节能(安康)环保能源有限公司;
摘要：针对蒙特卡洛模拟在系统韧性评估中计算效率低的问题，提出了一种基于机器学习的变电站快速抗震韧性评估方法。将变电站功能评估转化为包含物理与功能约束的多类别分类问题，采用支持向量机(Support Vector Machine, SVM)和Logistic回归构建损伤-功能映射代理模型，通过生成含设备失效不确定性的随机损伤场景进行监督学习训练。将所提方法应用于220 kV双母线电气主接线系统的韧性评估。结果表明，线性核SVM与Logistic回归模型分别取得96.6%和96.9%的预测准确率，其鲁棒性和快速性分布与蒙特卡洛仿真高度吻合，韧性偏差小于0.009,且代理模型时间复杂度为O(n)。结果证实了所提方法在保证精度的前提下显著提升变电站韧性评估效率。
关键词：安全工程;;变电站系统;;抗震韧性;;系统模型;;机器学习;;代理模型;;分类器
基金资助：国家自然科学基金项目(52278530)
