科研之友
微信
新浪微博
Facebook
分享链接
摘要
新型电力系统发展背景下，故障后暂态功角失稳与暂态电压失稳相互影响、交互作用，现有基于人工智能的主导失稳模式辨识研究尚处于起步阶段，且存在“黑箱”问题。为此，提出一种基于分级自适应倾斜决策树的主导失稳模式辨识新方法。采用滑窗轨迹簇特征构造法来捕获电气量时序响应信息，提升模型训练速度、泛化能力与鲁棒性。辨识模型构建上，使用融合支持向量机决策面的倾斜决策树分类模型建立主导失稳模式与特征量间的映射关系，以多维特征的非线性组合来增强传统决策树内部节点分支能力，提升辨识精度。方法第一阶段进行稳定性评估，并引入代价敏感机制降低失稳工况错判风险；第二阶段进行主导失稳模式辨识。此外，利用一种分级自适应策略来提高样本辨识速度，并进一步减少错判。所生成辨识规则由多项式表征，并能够挖掘多组合特征与主导失稳模式间的关联关系。暂态功角失稳-电压崩溃系统算例及万节点标准算例验证了所提方法的有效性，为基于人工智能进行主导失稳模式辨识与分析提供了一种新思路。
-
单位新能源电力系统国家重点实验室; 中国电力科学研究院有限公司; 华北电力大学
