为了充分挖掘电网运行数据中的信息,进一步提高暂态稳定预测的精度,提出了一种基于关系探索和核-树联合提升KTBoost(combined kernel and tree boosting)的暂态稳定裕度评估方法。首先,考虑特征与暂态稳定裕度指标之间的相关性以及特征...为了充分挖掘电网运行数据中的信息,进一步提高暂态稳定预测的精度,提出了一种基于关系探索和核-树联合提升KTBoost(combined kernel and tree boosting)的暂态稳定裕度评估方法。首先,考虑特征与暂态稳定裕度指标之间的相关性以及特征之间的冗余性和协同性,将信息论和施密特正交化相结合,以此筛选出关键电网运行特征,降低无关变量的干扰。然后,利用KTBoost算法建立关键特征量和暂态稳定裕度指标的映射关系,生成KTBoost驱动的暂态稳定裕度评估模型。最后,通过算例分析表明,所提方法不仅能够实现高精度的暂态稳定评估,且具有较强的鲁棒性和泛化能力。展开更多
文摘为了充分挖掘电网运行数据中的信息,进一步提高暂态稳定预测的精度,提出了一种基于关系探索和核-树联合提升KTBoost(combined kernel and tree boosting)的暂态稳定裕度评估方法。首先,考虑特征与暂态稳定裕度指标之间的相关性以及特征之间的冗余性和协同性,将信息论和施密特正交化相结合,以此筛选出关键电网运行特征,降低无关变量的干扰。然后,利用KTBoost算法建立关键特征量和暂态稳定裕度指标的映射关系,生成KTBoost驱动的暂态稳定裕度评估模型。最后,通过算例分析表明,所提方法不仅能够实现高精度的暂态稳定评估,且具有较强的鲁棒性和泛化能力。
