基于XGBoost-EE的电力系统暂态稳定评估方法

作     者：邬春明 任继红 WU Chunming;REN Jihong

作者机构：东北电力大学现代电力系统仿真控制与绿色电能新技术教育部重点实验室吉林吉林132012 东北电力大学电气工程学院吉林吉林132012 

出 版 物：《电力自动化设备》 (Electric Power Automation Equipment)

年 卷 期：2021年第41卷第2期

页      面：138-143,152页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

主　　题：XGBoost算法 实体嵌入 暂态稳定评估 深度学习 大数据 

摘      要：深度学习在暂态稳定评估中发挥着越来越重要的作用,然而电网规模逐渐扩大导致数据出现维数灾难,这对模型的性能提出了更高的要求。目前,暂态稳定特征构建需要依靠人工经验,具有主观性;深度学习的模型在设计和训练上耗时、耗力。针对以上两点,结合极限梯度提升(XGBoost)算法和实体嵌入(EE)网络,提出了一种基于XGBoost-EE的电力系统暂态稳定评估方法。首先通过XGBoost算法的路径规则生成类别特征,将原始特征进行降维。然后采用EE网络对新的特征进行分类,从而完成快速、精准的暂态稳定评估。该方法充分利用了机器学习算法处理速度快和神经网络评估精度高的优点,能够直接面向底层量测数据。最后,在IEEE新英格兰10机39节点和IEEE 50机145节点系统的仿真结果表明,所提方法相比于其他方法具有更高的预测精度和更好的抗噪性能,且在训练时不容易过拟合。