[發明專利]一種基于XGBoost算法的含PHEV光伏微網孤島檢測法在審
| 申請號: | 201911171803.2 | 申請日: | 2019-11-26 |
| 公開(公告)號: | CN110866366A | 公開(公告)日: | 2020-03-06 |
| 發明(設計)人: | 李軍;張威;張玉瓊;劉小壯;殷永杰;郝思鵬;呂干云 | 申請(專利權)人: | 南京工程學院 |
| 主分類號: | G06F30/27 | 分類號: | G06F30/27;G06N20/20;G06F113/04 |
| 代理公司: | 南京睿之博知識產權代理有限公司 32296 | 代理人: | 劉菊蘭 |
| 地址: | 211167 江蘇*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 xgboost 算法 phev 光伏微網 孤島 檢測 | ||
1.一種基于XGBoost算法的含PHEV光伏微網孤島檢測法,其特征在于,包括如下步驟:
步驟(1)、根據含有PHEV的光伏微網結構,建立對應的含有PHEV的光伏微網仿真模型;
步驟(2)、設計仿真狀態:考慮光伏微網系統在運行過程中遇見的狀況,設計出多種運行狀態;
步驟(3)、采集運行數據:由所述步驟(2)中確定的多種狀態對模型進行仿真運行,采集公共耦合點處相關電氣特征量的數值,將測量得到的不同狀態下的仿真數據樣本集按照比例隨機分為兩部分,數據較多的是訓練樣本集,數據較少的是測試樣本集;
步驟(4)、訓練模型:根據所述步驟(3)中的訓練樣本集,采用XGBoost算法訓練生成預測模型;
步驟(5)、模型檢驗與結果分析:將所述步驟(3)中的測試樣本集帶入步驟(4)訓練好的模型中,對生成的模型進行檢驗及分析。
2.根據權利要求1所述的一種基于XGBoost算法的含PHEV光伏微網孤島檢測法,其特征在于,所述步驟(1)中仿真模型忽略充電服務策略,功率管理和充電過程損耗情況。
3.根據權利要求1所述的一種基于XGBoost算法的含PHEV光伏微網孤島檢測法,其特征在于,所述步驟(1)中仿真模型負載選取的是IEEE-33節點配電系統。
4.根據權利要求1所述的一種基于XGBoost算法的含PHEV光伏微網孤島檢測法,其特征在于,所述步驟(2)中仿真狀態包括:在不同負載情況下系統并網或孤島運行、接入PHEV進行快速充電時系統并網或孤島運行、大容量負載的接入與接出、白噪聲干擾、模擬系統產生各種相間短路和對地短路故障。
5.根據權利要求4所述的一種基于XGBoost算法的含PHEV光伏微網孤島檢測法,其特征在于,所述步驟(2)中,當系統處于功率匹配狀態附近時,負載變化步長減小。
6.根據權利要求1所述的一種基于XGBoost算法的含PHEV光伏微網孤島檢測法,其特征在于,所述步驟(3)中采集的相關電氣特征量包括:電壓幅值u、電壓變化率du/dt、頻率f、頻率變化率df/dt、有功功率P、有功功率變化率dP/dt、無功功率Q、無功功率變化率dQ/dt。
7.根據權利要求1所述的一種基于XGBoost算法的含PHEV光伏微網孤島檢測法,其特征在于,所述步驟(3)中采集的相關電氣特征量的數值為5個連續周期內的均值。
8.根據權利要求1所述的一種基于XGBoost算法的含PHEV光伏微網孤島檢測法,其特征在于,所述步驟(4)中XGBoost算法流程如下:
步驟(41)、初始化XGBoost分類回歸樹集成模型;
步驟(42)、采用貪婪算法尋找最佳分支,確定出最佳樹結構,生成一棵決策樹;
步驟(43)、將所述步驟(42)中生成的決策樹添加到集成模型中;
步驟(44)、重復步驟(42)、步驟(43)直到所有決策樹被添加到集成模型中,算法停止。
9.根據權利要求8所述的一種基于XGBoost算法的含PHEV光伏微網孤島檢測法,其特征在于,所述步驟(42)中尋找最佳分支流程如下:
步驟(421)、利用目標函數定義結構的優劣;
步驟(422)、計算分支前后的信息熵之差,即增益;
步驟(423)、選擇增益最大的特征分支點進行分支;
步驟(424)、當增益小于某個閾值時,樹停止生長。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于南京工程學院,未經南京工程學院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201911171803.2/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種目標空間位置的高度顯示方法及系統
- 下一篇:一種泄壓閥出氣軟管總成





