基于Bagging集成学习的电力系统暂态稳定在线评估

• Published in: 电力系统保护与控制 Vol. 50; no. 8; pp. 1 - 10
• Main Authors: 赵冬梅, 谢家康, 王闯, 王浩翔, 姜威, 王怡
• Format: Journal Article
• Language: Chinese
• Published: 华北电力大学电气与电子工程学院,北京 102206%中国华能北方魏家峁煤电有限责任公司,内蒙古 鄂尔多斯 010308 16.04.2022
• Subjects: Bagging集成学习; 迁移学习; 机器学习; 在线更新; 暂态稳定; 电力系统
• ISSN: 1674-3415
• DOI: 10.19783/j.cnki.pspc.210817

针对传统机器学习在处理暂态稳定评估时所表现出的稳定性差、精度低等问题以及离线训练的局限性,提出一种基于多模型融合Bagging集成学习方式的电力系统暂态稳定在线评估模型.首先,结合人工智能前沿理论研究,分析了暂态稳定评估中常用的7种机器学习算法的原理及实现方式,通过Bagging方法进行集成,充分发挥各个模型的优势.其次,给出Bagging集成的数学实现方法并进行了仿真实验.当原系统拓扑结构发生改变时,采用Boosting算法和迁移成分分析,分别对原电网历史数据进行样本迁移和特征迁移,完成对所提模型的在线更新.通过采用IEEE10机39节点系统和IEEE16机68节点系统进行分析,结果表明所提方法比传统机器学习模型精度更高.当数据中掺杂噪声时能够保持稳定运行,在系统拓扑改变时能够通过迁移历史数据进行准确的暂态稳定评估.