[發明專利]一種基于集成學習方案的電力系統動態安全置信評估方法

在審

• 申請號: 201910011064.4
• 申請日: 2019-01-04
• 公開（公告）號: CN109829627A
• 公開（公告）日: 2019-05-31
• 發明（設計）人: 劉頌凱;毛丹;史若原;劉禮煌;佘小莉;楊楠;王豐;李世春
• 申請（專利權）人: 三峽大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06N20/20
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 余山

一種基于集成學習方案的電力系統動態安全置信評估方法，首先，通過對輸入特征全集數據進行特征自動化排序，以便于下一階段的特征選擇，為樣本訓練提供優質的訓練集；再對樣本集進行單獨的極限學習機(Extreme Learning Machine，ELM)訓練，最后對訓練好的ELM通過模型擬合達到集成學習，從而得到可靠的信息。本發明受益于ELM的獨特性質，通過戰略性設計訓練和決策規則，使智能系統(Intelligent System，IS)快速學習工作，識別潛在危險，對動態安全評估(Dynamic Security Assessment，DSA)結果可信性提供有效評估具有非常重要的意義。

技術領域

本發明涉及電力系統動態安全領域，具體涉及一種基于集成學習方案的電力系統動態安全置信評估方法。

背景技術

近年來，隨著電力系統結構復雜化和針對智能電網的研究和建設成為世界各國的關注焦點。根據我國基本國情，提出了建設堅強可靠、經濟高效、清潔環保、透明開放、友好互動的統一堅強智能電網的發展戰略。智能配電網作為智能電網的關鍵環節之一，對智能電網進行風險評估，是實現智能電網整體建設目標的重要保障。如何全面統籌規劃智能配電網的關鍵性風險評估指標，提出合理有效的網絡風險評估方法，從而較準確地評判網絡面臨的風險大小，是電力系統實時動態安全評估的關鍵。

隨著數據挖掘技術的不斷更新進步，例如各種智能系統(Intelligent System，IS)技術已應用于快速動態安全評估(Dynamic Security Assessment，DSA)。但是這些高級數據挖掘方法都存在一些自身局限：①繁瑣的調整程序加長訓練時間，無法防止非常快速的動態不安全傳播，削弱了它們在線DSA的強度；②訓練數據中的先驗信息不完善，分類或者預測錯誤都可能導致不準確的DSA結果，準確度不高；③魯棒性和泛化能力不強，對于系統波動引起的一系列反應不能很好的處理和適應。

發明內容

本發明的目的是針對DSA在快速性準確性及魯棒泛化能力方面存在的不足，提供一種基于集成學習方案的電力系統動態安全置信評估方法。

發明的目的是這樣實現的：

一種基于集成學習方案的電力系統動態安全置信評估方法，所述方法包括以下步驟：

步驟1：將電力系統實時產生的各種特征數據作為一個輸入全集，對輸入特征全集進行特征自動化排序；

步驟2：對特征自動化的特征全集進行選擇，構造最優特征子集；

步驟3：對最優的樣本訓練集進行隨機采樣；

步驟4：對采樣樣本基進行單個極限學習機(Extreme Learning Machine，ELM)訓練；

步驟5：將多個的ELM訓練集進行集成學習；

步驟6：通過決策規則和可信度估算選擇可信子輸出形成最終的系統估算。

進一步，在步驟1中，特征自動化最優選擇策略步驟如下：

步驟1-1：使用皮爾遜相關系數(Pearson Correlation Coefficient，PCC)對輸入的數據特征進行特征重要性計算；

步驟1-2：對這些特征按照得分進行一個從大到小的排序；

步驟1-3：根據得分排序依次加入對應的特征向量，計算全部數據集對應的分類準確率并且記錄。