基于改进随机森林的电力系统暂态稳定评估

摘要：

针对传统基于机器学习的电力系统暂态稳定评估方法存在准确率偏低和泛化能力不足的问题,提出了一种基于特征选择和改进随机森林的在线暂态稳定评估方法.首先,通过最大化联合互信息挖掘电网运行数据之间的相关性,筛选出具有代表性的关键特征子集;然后,考虑到电力系统数据库中稳定样本与失稳样本之间的类别不平衡问题,通过改进bootstrap抽样和对决策树进行加权处理,增强随机森林对失稳样本的识别能力;最后,基于改进的随机森林算法,建立关键特征数据与暂态稳定标签之间的映射关系.实验结果表明,所提方法具有较高的准确性和较强的鲁棒性,能够满足在线应用的需求.

关键词：暂态稳定评估、机器学习、特征选择、类别不平衡、最大化联合互信息、随机森林

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5218F0180049

在线出版日期：2022-05-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：4367-4374