[發(fā)明專利]一種基于集成分類模型的電力系統(tǒng)在線動(dòng)態(tài)安全評(píng)估方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010425310.3
• 申請(qǐng)日: 2020-05-19
• 公開（公告）號(hào): CN111651932A
• 公開（公告）日: 2020-09-11
• 發(fā)明（設(shè)計(jì)）人: 劉頌凱;毛丹;段雨舟;劉煉;程江洲;龔小玉;楊楠;李振華;袁波;王彥淞;程杉;粟世瑋;盧云;陳曦
• 申請(qǐng)（專利權(quán)）人: 三峽大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06K9/62;G06Q10/06;G06Q50/06
• 代理公司: 宜昌市三峽專利事務(wù)所 42103
• 代理人: 余山

1.一種基于集成分類模型的電力系統(tǒng)在線動(dòng)態(tài)安全評(píng)估方法，其特征在于，包括以下步驟：

步驟1：構(gòu)建動(dòng)態(tài)安全分類標(biāo)簽，基于電力系統(tǒng)歷史運(yùn)行數(shù)據(jù)與故障仿真產(chǎn)生的數(shù)據(jù)，建立一個(gè)電力系統(tǒng)安全評(píng)估的初始樣本集；

步驟2：基于樣本分層的雙向過采樣方法對(duì)初始樣本集進(jìn)行采樣，并對(duì)采樣的數(shù)據(jù)進(jìn)行預(yù)處理，通過特征選擇構(gòu)建一個(gè)包含關(guān)鍵變量和相應(yīng)動(dòng)態(tài)安全分類標(biāo)簽的高效樣本集；

步驟3：用獲得的高效樣本集對(duì)基于傘式算法的奈曼皮爾遜綜合分類動(dòng)態(tài)安全評(píng)估模型進(jìn)行離線訓(xùn)練及更新，獲得能夠準(zhǔn)確預(yù)測電力系統(tǒng)運(yùn)行狀態(tài)的動(dòng)態(tài)安全評(píng)估模型；

步驟4：基于同步相量測量裝置收集的實(shí)時(shí)數(shù)據(jù)，將實(shí)時(shí)數(shù)據(jù)作為動(dòng)態(tài)安全評(píng)估模型的輸入實(shí)現(xiàn)電力系統(tǒng)的在線動(dòng)態(tài)安全評(píng)估。

2.根據(jù)權(quán)利要求1所述的一種基于集成分類模型的電力系統(tǒng)在線動(dòng)態(tài)安全評(píng)估方法，其特征在于：在步驟1中，根據(jù)系統(tǒng)故障潮流仿真計(jì)算各種故障對(duì)應(yīng)的極限切除時(shí)間(Critical Clearing Time，CCT)，并基于CCT構(gòu)建相應(yīng)的動(dòng)態(tài)安全指標(biāo)如公式(1)所示：

式中：CCT是電力系統(tǒng)某個(gè)位置發(fā)生故障的極限切除時(shí)間；ACT為故障點(diǎn)的實(shí)際切除時(shí)間；

基于構(gòu)建的DSI，構(gòu)建相應(yīng)的安全分類標(biāo)簽如公式(2)所示：

式中：η為用戶自定義的閾值。

3.根據(jù)權(quán)利要求1所述的一種基于集成分類模型的電力系統(tǒng)在線動(dòng)態(tài)安全評(píng)估方法，其特征在于：在步驟2中，基于SBO方法對(duì)初始樣本集進(jìn)行采樣，首先將樣本集分為少數(shù)類樣本和多數(shù)類樣本，然后基于少數(shù)類樣本的最高密度點(diǎn)和類內(nèi)平均距離將少數(shù)類樣本劃分成密集層和稀疏層，然后找到密集層的邊界樣本，最后對(duì)這些邊界樣本和稀疏層樣本進(jìn)行雙向過采樣。

4.根據(jù)權(quán)利要求3所述的一種基于集成分類模型的電力系統(tǒng)在線動(dòng)態(tài)安全評(píng)估方法，其特征在于，在對(duì)初始樣本集進(jìn)行采樣時(shí)，包括以下步驟：

步驟(1)首先將樣本分層；

步驟(2)將樣本分層后，確定少數(shù)類樣本的樣本密集層邊界區(qū)域；

步驟(3)得到密集層的邊界區(qū)域后，采用雙向過采樣在互為近鄰的少數(shù)類樣本之間合成新樣本。