科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决量测数据缺失时电力系统暂态稳定评估模型泛化能力不足的问题，文中基于多向循环神经网络M-RNN（Multi-Directional Recurrent Neural Networks）和XGBoost算法，提出一种针对数据缺失的电力系统暂态稳定评估方法。首先使用M-RNN修复缺失数据；然后采用完整的数据集对XGBoost模型进行训练；最后基于SHAP理论量化不同输入特征对模型输出结果的影响。此外，提出了一种模型更新机制，在系统工况发生改变时对模型进行持续更新。在新英格兰10机39节点系统上仿真结果表明，所提方法相较于传统方法具有更好的数据修复能力，能显著提高暂态稳定评估性能。
- 单位
