针对现有暂态电压状态的多样化以及暂态电压稳定模型训练速度有待进一步提升的问题,提出一种基于电压轨迹簇和多类间线性判别分析(Multiple Between-class Linear Discriminant Analysis,MBLDA)的交直流系统暂态电压稳定评估方法。首先...
详细信息
针对现有暂态电压状态的多样化以及暂态电压稳定模型训练速度有待进一步提升的问题,提出一种基于电压轨迹簇和多类间线性判别分析(Multiple Between-class Linear Discriminant Analysis,MBLDA)的交直流系统暂态电压稳定评估方法。首先,获取故障后系统关键节点电压受扰轨迹簇信息,借助轨迹簇的几何属性建立暂态电压稳定评估的原始特征集。进而采用ReliefF算法对原始特征集进行压缩,筛选出与系统暂态电压稳定状态密切相关的特征子集,有效表征暂态电压稳定的四种状态(电压迅速恢复、电压延迟恢复、持续低电压、电压振荡)。然后,将高维电压特征空间的特征值方程转化为欠定齐次方程组,提高暂态电压稳定评估模型的训练速度,进而建立大规模系统电压特征集与4种暂态电压稳定状态的映射关系。最后,通过修改后的IEEE39节点系统和修改后的IEEE145节点系统的仿真分析,验证所提方法的可行性与有效性。
将数据驱动方法用于电力系统暂态电压稳定评估可以较好地兼顾预测速度与准确性,但存在模型泛化能力不佳及可解释性差等问题。利用系统故障后采集的物理量作为输入特征,基于支持类别特征的梯度提升(gradient boosting with categorical f...
详细信息
将数据驱动方法用于电力系统暂态电压稳定评估可以较好地兼顾预测速度与准确性,但存在模型泛化能力不佳及可解释性差等问题。利用系统故障后采集的物理量作为输入特征,基于支持类别特征的梯度提升(gradient boosting with categorical features support,Catboost)算法构建暂态电压稳定评估模型。在模型训练中采用排序提升的方法避免预测偏移问题,提升准确性;使用对称决策树以提高计算效率;同时考虑数据的类别不平衡特性,采用代价敏感手段提高模型的分类性能。为了提高模型的可解释性,提出基于SHAP理论的暂态电压稳定评估归因分析框架,通过计算Shapley值的平均绝对值大小得到暂态电压稳定特征重要性排序,并根据每个特征的边际贡献,进一步量化不同输入特征对模型输出结果的影响。在新英格兰10机39节点系统上的测试结果表明,所提方法比其他机器学习算法具有更高的预测准确性与更快的预测速度,基于Shapley值的归因分析方法能够有效地解释输入特征对暂态电压稳定的影响以及机器学习模型对样本的预测结果。
暂无评论