基于多层CatBoost的电力系统暂态稳定评估

摘要：

随着大规模新能源并网以及新装置的不断应用,电力系统暂态稳定问题日益复杂,为进一步提升暂态稳定评估(transient stability assessment,TSA)的精确性和可靠性,提出一种基于多层CatBoost的TSA方法.首先,以电力系统故障前的稳态运行变量作为输入特征,采用一种最大相关最小冗余(maximal relevance minial redundancy,mRMR)集成方案,从输入特征中筛选出多组不同的关键特征集.然后,利用这些关键特征分别单独训练多个CatBoost模型,建立多个CatBoost驱动的TSA模型,并结合多个训练好的CatBoost模型构建TSA综合模型.在暂态稳定分析时,综合多个CatBoost模型的分析,通过多数投票表决方式判定最终评估结果.最后,在IEEE 39节点系统和某省级电力系统上进行性能测试实验.测试结果表明:所提出的TSA综合模型不仅具有极高的预测精度,而且拥有良好的泛化能力和鲁棒性.

关键词：最大相关最小冗余(mRMR)、特征选择、CatBoost、暂态稳定评估(TSA)、机器学习

所属期刊栏目：22

分类号：TM712(输配电工程、电力网及电力系统)

资助基金：国网江西省电力有限公司科技项目5218F0180048

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1456-1464