[發明專利]貝葉斯優化LightGBM的暫態穩定評估方法

有效

• 申請號: 201911036737.8
• 申請日: 2019-10-29
• 公開（公告）號: CN110718910B
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 汪榮華;茍競;劉方;蘇韻掣;歐陽雪彤;陳謙;唐權;胥威汀;李婷;王云玲
• 申請（專利權）人: 國網四川省電力公司經濟技術研究院
• 主分類號: G06F17/10
• 分類號: G06F17/10
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 熊曦

1.一種貝葉斯優化LightGBM的暫態穩定評估方法，其特征在于，包括以下步驟：

S1：獲取電力系統響應軌跡數據，選取電力系統暫態穩定狀態的離線或在線監測數據得到暫態穩定數據集；所述暫態穩定數據集包括母線電壓U、母線相角θ、線路有功功率P和無功功率Q；

S2：用步驟S1中的暫態穩定數據集內的數據訓練貝葉斯優化的LightGBM，得到LightGBM的最佳參數，進而得到訓練好的LightGBM；

具體地，S2包括以下子步驟：

S21：對步驟S1中獲取的暫態穩定數據集內的數據進行歸一化預處理；

S22：用步驟S21中歸一化預處理后的暫態穩定數據集內的數據訓練LightGBM，同時在訓練過程中，記錄暫態穩定數據集內單個數據的總分裂次數與所有數據中分裂次數最多的比值，選擇比值大于設定閾值的數據構建低維度數據集；

S23：將步驟S22中的低維度數據集分為訓練樣本數據和測試樣本數據；

S24：利用步驟S23中的訓練樣本數據再次訓練貝葉斯優化的LightGBM，得到LightGBM的最佳參數，進而得到訓練好的LightGBM；同時利用步驟S23中的測試樣本數據對已經訓練好的LightGBM進行測試；

S3：在線獲取電力系統故障后用于評估該電力系統暫態穩定的數據，將獲取的數據輸入步驟S2中已經訓練好的LightGBM中，得到電力系統故障后的電力系統暫態穩定評估結果。

2.根據權利要求1所述的一種貝葉斯優化LightGBM的暫態穩定評估方法，其特征在于，所述S3具體包括：

S31：制定進行電力系統暫態穩定在線評估的電力系統故障集；

S32：根據步驟S31中電力系統故障集中的任一故障，獲取用于評估該故障后電力系統暫態穩定的相關數據，并將獲取的數據進行歸一化處理；

S33：將步驟S32中進行歸一化處理的數據輸入已離線訓練好的LightGBM中，得到故障后該電力系統運行狀況穩定或不穩定的評估結果。

3.根據權利要求1所述的一種貝葉斯優化LightGBM的暫態穩定評估方法，其特征在于，采用準確率Ac、召回率Rec和精度Pre作為暫態穩定評估的評價指標，表達式分別為：

式中：TP為穩定樣本被準確評估為穩定樣本的數目；FP為穩定樣本被誤判為不穩定樣本的數目；TN為不穩定樣本被準確評估為不穩定樣本的數目；FN為不穩定樣本被誤判為穩定樣本的數目。

4.一種貝葉斯優化LightGBM的暫態穩定評估系統，其特征在于，包括：

數據輸入模塊，用于輸入電力系統的暫態穩定數據，并將輸入的數據傳輸給離線訓練模塊；所述數據輸入模塊中的暫態穩定數據集包括母線電壓U、母線相角θ、線路有功功率P和無功功率Q；

離線訓練模塊，用于接收數據輸入模塊傳輸的暫態穩定數據，并根據獲取的暫態穩定數據訓練貝葉斯優化的LightGBM，得到LightGBM的最佳參數，進而得到訓練好的LightGBM，并將訓練好的LightGBM傳輸給在線評估模塊；

其中，所述離線訓練模塊包括離線訓練模塊A和離線訓練模塊B；

離線訓練模塊A，用于接收數據輸入模塊傳輸的暫態穩定數據，并對獲取的暫態穩定數據集內的數據進行歸一化預處理，用歸一化預處理后的暫態穩定數據集內的數據訓練LightGBM，同時在訓練過程中，記錄暫態穩定數據集內單個數據的總分裂次數與所有數據中分裂次數最多的比值，選擇比值大于設定閾值的數據構建低維度數據集，并將新構建的低維度數據集傳輸給離線訓練模塊B；

離線訓練模塊B，用于接收離線訓練模塊A傳輸的低維度數據集，并將低維度數據集分為訓練樣本數據和測試樣本數據，利用訓練樣本數據再次訓練貝葉斯優化的LightGBM，得到LightGBM的最佳參數，進而得到訓練好的LightGBM；同時利用測試樣本數據對已經訓練好的LightGBM進行測試，并將訓練好的LightGBM傳輸給在線評估模塊；

在線評估模塊，用于接收離線訓練模塊已經訓練好的LightGBM，并在線獲取電力系統故障后用于評估該電力系統暫態穩定的數據，結合離線訓練模塊已經訓練好的LightGBM，從而得到電力系統故障后該電力系統暫態穩定評估結果。