[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

本發明公開了一種貝葉斯優化LightGBM的暫態穩定評估方法，包括以下步驟：獲取電力系統的暫態穩定數據集；用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；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，對獲取的數據進行預處理并輸入已經訓練好的LightGBM中，得到電力系統故障后的電力系統暫態穩定評估結果。本發明可快速準確的對多重復雜不確定因素“組合數爆炸”下的暫態穩定狀態進行評估，有利于實現電力系統暫態穩定的在線評估。

技術領域

本發明涉及一種電力系統暫態穩定評估方法，尤其涉及一種貝葉斯優化LightGBM的暫態穩定評估方法。

背景技術

隨著風電、光伏等可再生能源大規模并網，其波動性、隨機性、低慣性特性使得電力系統在暫態穩定評估與控制方面面臨著巨大的挑戰。眾所周知，電力系統事故的早期階段往往伴隨著暫態故障，一旦調度員無法對暫態故障做出適當的決策并及時干預擾動，系統的暫態穩定水平可能會被破壞，甚至發展成一個隨后的級聯故障，這將導致大規模停電事故的發生。由于暫態事故發展速度快，響應時間短，故障后僅僅依靠調度人員的經驗難以在極短的時間內做出正確的判斷和決策。因此，迫切需要開發一種既快速又準確、能夠實現實時在線的暫態穩定評估工具。

目前，對于暫態穩定評估，相關專家學者提出了3種研究方法，分別是時域仿真法、直接法和人工智能法。在離線暫態穩定評估中，時域仿真法是最成熟和可靠的方法。然而，時域仿真存在計算量大、運算耗時長等固有缺陷，只適用于離線仿真分析。直接法可實現較高的精度，可直接法的適應性較差，得到的結果也是趨于保守的。

近年來，在研究領域，人工智能技術被探索運用于暫態穩定評估，例如決策樹、極限學習機、支持向量機、隨機森林、XGBoost、深度信念網絡以及卷積神經網絡。然而，決策樹容易過擬合；在處理大規模電力系統數據時，極限學習機對輸入特征的提取能力受到限制；支持向量機容易對噪音敏感，對大數據的處理能力也較弱；隨機森林可以處理高維度數據樣本，然而計算量較大；XGBoost的分類性能弱于LightGBM；深度信念網絡和卷積神經網絡有較好的特征提取能力和泛化能力，可自動地確定網絡的最佳參數的問題仍然沒有得到有效解決。

發明內容

本發明的目的是提供一種貝葉斯優化LightGBM的暫態穩定評估方法，該方法可以對多重復雜不確定因素“組合數爆炸”下的電力系統暫態穩定狀態實現快速預測，通過貝葉斯優化的LightGBM挖掘輸入物理特征與故障后電力系統運行狀態的映射關系，實現對暫態穩定狀態的快速評估。

本發明通過下述技術方案實現：

一種貝葉斯優化LightGBM的暫態穩定評估方法，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；

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；

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，對獲取的數據進行預處理并輸入步驟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。