融合邻域粗糙约简与深度森林的电力系统暂态稳定评估

• 作者: 李兵洋 王锡淮 肖健梅
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 邻域粗糙集 暂态稳定评估 深度森林 电力系统
• 年，卷（期）: 2020,（15）
• 所属期刊栏目: 电力系统
• 页码范围: 3245-3257
• 页数: 13页
• 分类号: TM712
• 字数: 10960字
• 语种: 中文
• DOI: 10.19595/j.cnki.1000-6753.tces.190774

摘要

在实际电网运行中,暂态稳定样本与暂态失稳样本间呈现出明显的不平衡关系,且误判失稳样本与误判稳定样本的代价不同.当前基于数据挖掘的暂态稳定评估方法多基于浅层模型,对误判暂态失稳样本的重视不够,且评估精度有待进一步提高.基于此,提出一种融合邻域粗糙约简与深度森林的电力系统暂态稳定评估方法.利用邻域粗糙集在不同粒度级别下寻找多组不同的最优特征子集以对原始特征进行再表征,通过深度森林的级联结构实现对原始暂态特征的表征学习,强化特征量与暂态稳定状态间的非线性映射关系;引入加权投票机制,提高分类过程对暂态失稳样本的重视.在IEEE 10机39节点系统上的实验结果表明,所提方法能够在提升评估精度的同时,有效降低了对暂态失稳样本的误判,在不同数据规模和不同程度的不平衡样本数据上均具有较好的表现,具有一定的鲁棒性和适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王锡淮	上海海事大学电气自动化系	107	1014	16.0	29.0
2	肖健梅	上海海事大学电气自动化系	95	902	15.0	27.0
3	李兵洋	上海海事大学电气自动化系	4	7	2.0	2.0