科研之友
微信
新浪微博
Facebook
分享链接
摘要
人工智能算法在暂态稳定评估中得到了很好的应用。然而,电力系统是时变大系统,训练数据无法涵盖所有工况,模型需要在有限时间内更新;电力系统中稳定样本数远大于失稳样本数,导致模型对失稳样本学习不足。针对以上2点,提出了基于人工智能的暂态稳定裕度精细化预测方法。该方法将改进的极限梯度提升(XGBoost)树与双XGBoost回归树集成,平衡了2类样本数量差异对模型的影响,并实现了裕度预测。当运行工况变化较大时,结合增量学习技术,以较少的样本和较短的时间对模型进行有效更新。在2套IEEE系统上的实验结果表明所提方法可应用于暂态稳定评估。
- 单位
