[發明專利]基于Spearman相關系數特征提取的電力系統暫穩評估方法

在審

• 申請號: 202211201987.4
• 申請日: 2022-09-29
• 公開（公告）號: CN115526258A
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 龍云;劉璐豪;梁雪青;盧有飛;趙宏偉;吳任博;陳明輝;張少凡;劉超;王歷曄;劉俊;李雨婷;彭鑫;趙譽;劉曉明
• 申請（專利權）人: 廣東電網有限責任公司廣州供電局
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/10;G06Q50/06
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 楊望仙

本發明涉及電力系統技術領域，具體為基于Spearman相關系數特征提取的電力系統暫穩評估方法。該方法包括：收集各發電機電磁功率、端電壓、功角，各母線節點電壓歷史數據，生成暫穩仿真數據，進行數據預處理及樣本分類；基于Spearman相關系數進行特征篩選，對數據集進行降維處理；構建暫穩評估機器學習模型，利用降維后的數據集訓練模型，通過在線模型驗證及再訓練后，最終輸出訓練好的暫穩評估機器學習模型，通過訓練好的暫穩評估機器學習模型對電力系統暫態穩定性進行評估。本發明可以降低量測裝置成本并降低數據維度，快速準確評估大規模電力系統暫態的穩定性，為電網調度人員提供輔助決策支持，顯著提升電網實際運行的安全性。

技術領域

本發明涉及電力系統技術領域，具體涉及基于Spearman相關系數特征提取的電力系統暫穩評估方法。

背景技術

近年來，隨著建立新型電力系統目標的提出，越來越多的電力電子設備和可再生能源接入電網中，這使得電力系統動態特性愈發復雜，電力系統發生暫態失穩的可能性進一步加大。同時，廣域測量系統和模式識別技術的發展為在線暫穩評估提供了海量數據，基于數據驅動的電力系統暫穩評估成為可能。但暫穩樣本中存在的失穩樣本不足從而導致的類別嚴重不平衡問題，仍然是影響暫穩評估的重要因素。基于數據驅動的暫態穩定評估方法可利用系統故障后的動態響應時序數據實現較為精準的穩定性評估，但面對來自于電網的高維數據特征時，直接使用原始時序數據進行模型訓練與預測常常會帶來極大的計算負擔以及過擬合的風險。

當前，針對數據驅動模型特征選擇問題的處理方式大致可以分為兩類，即人工經驗選擇與數據挖掘選擇，后者通常包含過濾式(Filter)、包裹式(Wrapper)以及嵌入式(Embedded)三種。人工經驗選擇方式通常依靠系統專家手動選擇一定數量的符合先驗知識的變量特征作為模型的輸入。顯然，這種選擇方式已難以滿足當今數據量快速增長的現狀，并可能存在因人工選擇不合理而產生的信息缺漏。Filter方法通常依靠某一度量標準，對每個特征與目標變量之間的關系進行單獨量化，從而挑選出排名靠前的變量形成特征子集。Filter方法計算復雜度低，特征選擇效率高，適合于處理大規模的數據特征，但其過于依賴所選擇的度量標準，只挑選出在該準則下分數靠前的特征，容易忽略變量之間的冗余性及組合作用。Wrapper方法具有較高的優化效率及準確率，但其在面對來自電網的高維數據時，仍十分容易遭受局部最優的問題，優化效率也會受到較大影響。由于缺乏對原始輸入數據的處理，Embedded方法在面對大量的候選輸入特征時容易陷入過擬合，導致模型泛化能力難以滿足要求。同時，自動進行特征提取的模式對算法處理數據的能力要求較高，將占用大量計算資源。

目前，因為電網系統的高維數據特征而導致量測裝置成本高，并且利用全維的量測信息進行評估的計算耗時長，現有特征選擇方法效率低下，且容易陷入過擬合，導致模型泛化能力難以滿足要求。傳統方法難以處理好高維數據特征提取問題，對電力系統暫穩評估預測精度也較低。

發明內容

為解決現有技術所存在的技術問題，本發明提供基于Spearman相關系數特征提取的電力系統暫穩評估方法，可以高效篩選與穩定性相關的特征，降低數據維度，從而降低了后續暫穩評估機器學習模型的訓練復雜度，實現高效高精度評估大規模電力系統暫態的穩定性，有助提升電網實際運行的安全性。

本發明通過采取如下技術方案達到：

基于Spearman相關系數特征提取的電力系統暫穩評估方法，所述方法包括：

收集電力系統的若干個特征變量的歷史運行數據，根據特征變量的歷史運行數據通過暫態時域仿真生成暫穩仿真數據，對特征變量的歷史運行數據進行數據預處理，根據暫穩仿真數據和預處理后的特征變量的歷史運行數據構建初篩樣本集；

基于Spearman相關系數對初篩樣本集中的樣本數據進行特征篩選和降維，得到特征篩選降維后的低維樣本集，根據低維樣本集生成電力系統暫態穩定評估數據集；