排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
1.
为实现电力系统暂态稳定在线快速评估和可信度评价,提出了一种融合联合互信息最大化(JMIM)和自然梯度提升(NGBoost)的暂态稳定评估方法.基于JMIM,采用联合互信息和"最大最小值"原则挖掘海量输入数据的相关性,从而筛选出电网关键运行特征,避免维度爆炸问题.为实现高可信度的暂态稳定评估,构建NGBoost驱动的暂态稳定评估模型,可以以函数形式对模型的条件概率分布参数进行预测,进而实现概率预测,并量化可信度.结合自适应可信度阈值修正方法,实现对系统受扰状态暂态稳定的时序评估.利用新英格兰10机39节点系统和中国某省级电网数据进行了算例测试.与其他机器学习方法相比,所提方法在噪声干扰下具有更好的鲁棒性,可更准确识别不稳定运行状态. 相似文献
2.
为实现海量预想故障下电力系统频率响应性能的快速和精确感知,文章提出了一种基于正则化贪心森林(regularized greedy forests, RGF)的多维频率指标智能化预测方法。该方法采用RGF建立特征输入与多维频率指标之间的非线性映射关系,通过对全局参数进行优化,并引入3种正则化机制,使所构建的机器学习模型能够有效表征复杂函数,防止过拟合。为保证预测算法的性能,通过网格搜索遍历参数组合,以确定所构建RGF模型的最佳参数。在改进的IEEE RTS-79系统上开展了算例测试,与时域仿真、随机森林和梯度提升方法所得结果进行比较,验证了所提方法的准确性、快速性以及良好的泛化能力。 相似文献
3.
在虚拟惯量控制技术的驱动下,风电高渗透电网包含不同形式惯量资源,系统等效惯量呈现复杂的非线性时变波动特征。为更好地诠释系统等效惯量的不确定性,提出了一种考虑风机虚拟惯量的系统等效惯量概率预测方法。首先利用数据驱动方法构建系统等效惯量的点预测模型,预判等效惯量的变化趋势;然后采用非参数核密度估计建立各时段预测误差概率密度函数,得到一定置信水平下待预测时刻系统等效惯量可能发生波动的区间范围。基于改进的IEEE RTS-79系统进行算例分析,结果表明所提方法与传统参数估计方法相比可靠性更高,能够为新型电力系统在低惯量场景下运行方式安排提供有益的辅助决策信息。 相似文献
4.
现有基于数据驱动的电力系统最大频率偏移预测方法忽略了样本分布不均匀对最大频率偏移预测的影响,其预测精度仍有进一步提升空间.为此,文中提出一种计及频率偏移分布与惩罚代价的最大频率偏移预测方法.采用多源信息融合方法从系统运行信息中提取关键特征子集,避免维度爆炸问题.然后,构建级联轻梯度提升机,并在其损失函数中加入惩罚敏感机制,以使级联轻梯度提升机训练时根据频率偏移样本的分布概率及保守预测的惩罚代价自动修正样本损失值.基于IEEE 118节点标准系统的仿真结果表明,所提方法具有优异的预测精度和抗噪性能. 相似文献
1