基于XGBoost算法的电力系统暂态稳定评估

论文摘要

针对暂态稳定评估问题的特点,在改进极限梯度提升(XGBoost)算法的基础上进行暂态稳定评估。根据电网物理特点,定义能够反映电力系统稳态运行状态的特征集;研究XGBoost算法用于暂态稳定评估的过程:针对暂态稳定预测中2类错误严重程度不同的特点,定义包含注意力系数的对数损失函数,使得模型对不稳定样本的误预测情况减少;使用Logistic函数将模型输出概率化,用于衡量XGBoost模型输出的可靠程度,预防部分误预测;给出针对任意系统随机产生样本集的方法。IEEE 39节点系统仿真结果表明,XGBoost算法在准确率上均高于其他几类常用机器学习算法,优化后的损失函数降低了不稳定样本错误分类的可能性,使该算法的召回率较优于其他方法,且概率化输出的形式有助于评估模型输出的可靠程度,降低了误预测的概率。

论文目录

• 0 引言
• 1 基于机器学习的暂态稳定评估问题
•   1.1 电力系统的稳态特征集
•   1.2 电力系统的暂态稳定后果评价
• 2 用于暂态稳定评估问题的XGBoost算法
•   2.1 XGBoost算法
•   2.2 概率化输出
•   2.3 暂态稳定损失函数定义
• 3 数据集获取与评价指标及算法流程
• 4 算例分析
•   4.1 训练样本数量的确定
•   4.2 注意力系数对模型效果的影响
•   4.3 模型准确率与召回率
•   4.4 预测可靠程度评估
• 5 结论

文章来源

类型: 期刊论文

作者: 张晨宇,王慧芳,叶晓君

关键词: 暂态,稳定性,算法,机器学习,人工智能,函数

来源: 电力自动化设备 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 浙江大学电气工程学院,广东电网有限责任公司惠州供电局

基金: 广东电网公司科技项目(GDKJQQ20153014)~~

分类号: TM712

DOI: 10.16081/j.issn.1006-6047.2019.03.012

页码: 77-83+89

总页数: 8

文件大小: 856K

下载量: 548