基于集成学习的时间自适应电力系统暂态稳定评估方法

对于电力系统暂态稳定评估而言,在故障清除后的早期阶段,临界样本间的特征差异不明显,预测准确率低.随着时间推移,准确率提高,但难以保证评估的及时性.针对暂态稳定评估的评估准确性与及时性之间的矛盾,提出了基于集成学习的时间自适应电力系统暂态稳定评估方法.首先,通过EasyEnsemble算法对不平衡数据进行采样,训练出多个不同评估时刻的集成长短期记忆网络分类器,输出样本在不同评估时刻的稳定性预测结果.其次,将评估时刻进行划分,提出了多阶段阈值分类规则,自适应调整阈值,对样本预测结果进行可信度评估.最后,预测结果评估为不可信的样本交由下一评估时刻的模型继续判断,直到可信度达到阈值后输出.在IEEE...

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 50; no. 24; pp. 112 - 119
Main Authors 吴思婕, 王怀远
Format Journal Article
LanguageChinese
Published 新能源发电与电能变换重点实验室(福州大学),福建福州 350116 16.12.2022
Subjects
集成学习
暂态稳定评估
样本不平衡
时间自适应评估
深度学习
Online AccessGet full text

Cover

More Information
Summary:对于电力系统暂态稳定评估而言,在故障清除后的早期阶段,临界样本间的特征差异不明显,预测准确率低.随着时间推移,准确率提高,但难以保证评估的及时性.针对暂态稳定评估的评估准确性与及时性之间的矛盾,提出了基于集成学习的时间自适应电力系统暂态稳定评估方法.首先,通过EasyEnsemble算法对不平衡数据进行采样,训练出多个不同评估时刻的集成长短期记忆网络分类器,输出样本在不同评估时刻的稳定性预测结果.其次,将评估时刻进行划分,提出了多阶段阈值分类规则,自适应调整阈值,对样本预测结果进行可信度评估.最后,预测结果评估为不可信的样本交由下一评估时刻的模型继续判断,直到可信度达到阈值后输出.在IEEE 39节点系统的仿真结果表明,所提方法相较于其他时间自适应方法具有更优的评估性能,在样本不平衡的情况下该方法实现了更好的修正效果.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.220282