基于XGBoost算法的电力系统暂态稳定评估

作者：张晨宇; 王慧芳^*; 叶晓君

来源：电力自动化设备, 2019, 39(03): 77-89.

DOI：10.16081/j.issn.1006-6047.2019.03.012

• 暂态
• 稳定性
• XGBoost算法
• 机器学习
• 人工智能
• Logistic函数

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。

• 单位
  广东电网有限责任公司惠州供电局; 浙江大学