一种基于改进AdaBoost.M1-SVM的有源配电网可靠性快速评估方法技术

本发明专利技术公开了一种基于改进SVM的有源配电网可靠性快速评估方法，该方法将改进AdaBoost.M1‑SVM算法引入到配电网可靠性快速评估中，该改进AdaBoost.M1‑SVM算法利用AdaBoost技术对多个SVM弱分类器进行整合，在改进的AdaBoost.M1‑SVM算法中采用蝙蝠算法对训练过程中SVM的c参数和g参数寻优，引入了局部搜索，具有更好的搜索能力。本发明专利技术将“漏判”样本的误差权重做削弱处理，最大程度减少了“误判”样本总数，同时克服了单一分类器在分类精度与泛化能力上无法做到有效平衡的缺陷。

【技术实现步骤摘要】
一种基于改进AdaBoost.M1-SVM的有源配电网可靠性快速评估方法
本专利技术涉及电气信息
，具体涉及一种基于改进AdaBoost.M1-SVM的有源配电网可靠性快速评估方法。
技术介绍
有源配电网的可靠性评估是指电力系统按可接受的质量标准和所需数量不间断的向电力用户提供电力和电量的能力。电网的可靠性包含充裕性的意义，即电网稳定运行时，在电网元件容量、母线电压和系统频率等的允许范围内；考虑电网元件在计划停运以及合理的非计划停运条件下，向用户提供全部所需的电力和电量的能力。并以此来确定提高供电可靠性的技术措施和寻求提高供电可靠性的管理方法。在设置配电网可靠性指标进行评估时，需要考虑指标的常用性和重要性，并兼顾系统可靠性和用户可靠性以及两者之间的可靠性差异，从时间与频率多方面考核电网供电可靠性。对待评估配电网络的属性和特点进行定性和定量分析，以确定配电网规划方案的综合工程效益，是配电系统规划节约化、施工建设规范化和运营管理精细化的基础，具有强烈的实际工程需求。新能源接入配电网规模不断扩大，配电网中随机因素增多，因此对配电网的安全稳定运行具有巨大影响，目前配电网可靠性的计算方法主要有解析法和蒙特卡洛模拟法，相较于解析法，蒙特卡洛模拟方法能够有效处理配电网中随机因素对可靠性的影响，并且计算复杂程度受系统规模影响较小，被广泛应用于含分布式电源的复杂配电网可靠性评估。为了提高模拟精度，蒙特卡洛模拟需要对可靠性指标进行大量样本的估计，算法收敛的时间较长。基于蒙特卡洛模拟方法的局限性，分析了“误判”和“漏判”样本对可靠性指标的求解误差以及收敛性的影响，表明“误判”样本将导致蒙特卡洛模拟出现误差增大、收敛变慢。而现有的评估方法并未单独考虑“误判”样本的处理，导致评估结果的片面性，不够客观、精确。
技术实现思路
本专利技术的目的在于提供一种基于改进AdaBoost.M1-SVM的有源配电网可靠性快速评估方法，旨在解决现有的评估方法对有源配电网进行可靠性评估导致评估结果片面性、缺乏真实性，使得整个可靠性评估不具有客观性、科学性、精确性和快速性的问题。本专利技术通过下述技术方案实现：一种基于改进AdaBoost.M1-SVM的有源配电网可靠性快速评估方法，该方法包括以下步骤：步骤一、构造具有相关性的随机变量序列及其对应的系统运行状态标签序列，作为初始训练数据集；步骤二、对步骤一中的随机变量序列及其对应的系统运行状态标签序列进行互信息分析，提取与系统运行状态最相关的随机变量序列及其对应的系统运行状态标签序列作为分类模型的训练样本集；步骤三、基于步骤二中的训练样本集，采用改进AdaBoost.M1-SVM集成分类算法对多SVM弱分类器进行集成优化训练，得到优化的集成分类模型：式中，HT(x)为输出的集成分类器，T为迭代次数，αt为SVMt(x)的权重系数，SVMt(x)为输入状态变量x弱分类器SVM第t次迭代，sign为符号函数，||α||1为αt的1-范数；步骤四、采用步骤三得到的集成分类模型对步骤一的随机变量序列进行测试，确定系统的运行状态，计算当前运行状态下的可靠性指标。具体的，所述步骤一中所述随机变量序列表示如下：式中，Pi,k、Qi,k为样本i中节点k的有功、无功；Pgi,k、Qgi,k为样本i中节点k的分布式电源有功、无功注入；Sui为样本i的备用容量指标；Sli为样本i的系统总负荷量。具体的，所述步骤二具体包括以下步骤：步骤2.1对随机变量序列及其对应的系统运行状态标签序列进行互信息分析，得到各随机变量与系统运行状态之间的关联程度，由下式得出：把样本的运行状态标志序列作为目标序列Yi∈{-1,1}，随机变量序列Xi作为相关序列，对相关序列进行离散化处理；则X、Y之间的互信息大小由下式得出：式中，M为目标序列和相关序列所有可能值的个数和；Ni为目标序列的区间数；Mi为目标序列落在第i个区间的数值数；Nj为相关序列X的区间数；P(Xu)为相关序列X落在第u个区间的概率；Muv为当相关序列X落在第u个区间时，目标序列Y正好位于第v个区间的数值数；步骤2.2设训练样本集中有p个样本,系统运行状态标志序列构成数据集Y＝{Y1,Y2,...,Yp}，l个随机状态变量序列构成数据集X＝{X1,X2,...,Xl}；Xj与Y1,Y2,...,Yp之间互信息的平均值，平均互信息大小由下式得出：平均互信息评估在给定样本集中系统运行状态与第j个随机状态变量Xj的关联强弱；步骤2.3对平均互信息大于0的状态变量进行排序，选取其中排名靠前的强关联状态变量序列及其对应的系统运行状态标志序列作为分类模型训练样本集。具体的，所述步骤三具体包括以下步骤：步骤3.1输入训练样本集S、迭代次数T以及SVM弱分类器，其中，S＝{(x1，y1),(x2，y2),...,(xn,yn)}，yi∈Y＝{-1,+1}；步骤3.2初始化样本集的权值分布，初始权值均为1/n：i＝1,2,...,n；步骤3.3进行第t次迭代，求解多SVM弱分类器t＝1,2,...,T，求解过程如下：a)在加权样本空间{S,Dt}上求解一组SVM弱分类器的gt、ct参数，使得加权训练误差εt最小，由下式得出：通过蝙蝠算法对SVM弱分类器的gt、ct参数进行寻优，确定训练过程中SVM弱分类器的c参数和g参数最优值；b)基于SVM弱分类器的c参数和g参数最优值，计算SVMt(x)的加权训练误差εt：式中，因子I∈[0,1]；如果εt＝0或εt>1/2，算法停止，设T＝t-1；将“漏判”样本的误差权重做削弱处理，如下式所示：式中，条件(1)、(2)、(3)分别为“误判”、“漏判”、“正确判断”；由上式可以看出，样本xi为“漏判”样本时，因子I等于xi到SVM超平面的欧式距离的平方，I∈[0,1]；c)计算SVMt(x)的权重系数αt：d)更新样本权重分布Zt是归一化因子，使得步骤3.4输出集成分类器的数学模型：本专利技术具有如下的优点和有益效果：1、本专利技术提供的基于改进AdaBoost.M1-SVM的有源配电网可靠性快速评估方法，将改进AdaBoost.M1-SVM算法引入到配电网可靠性评估中，形成改进AdaBoost.M1-SVM算法用于有源配电网的可靠性快速评估，提出一种基于集成分类器技术的改进AdaBoost.M1-SVM算法，该算法利用AdaBoost技术对多个SVM分类器进行整合，改进了“误判”样本在AdaBoost迭代过程中的权重增长系数以及“漏判”样本的误差权重，最大程度减少了“误判”样本总数，同时克服了单一分类器在分类精度与泛化能力上无法做到有效平衡的缺陷。2、本专利技术采用机器学习方法对可靠性指标进行模拟求解，实际上为一个多积分问题，可靠性指标的收敛性通常用样本容量n表示。在可靠性指标收敛过程中，达到收敛条件时需要的样本量越多，收敛时间越长，收敛性越差。在改进的AdaBoost.M1-SVM算法中采用蝙蝠算法对训练过程中SVM的c参数和g参数寻优。蝙蝠算法相较于PSO、遗传算法等经典寻优算法的优越性在于引入了局部搜索，具有更好的搜索能力。传统的AdaBoost.M1-SVM算法并未单独考虑对“误判”样本的处理能力。为了尽可能将HT(x)的集成分类面朝着有利于本文档来自技高网...

【技术保护点】
1.一种基于改进AdaBoost.M1‑SVM的有源配电网可靠性快速评估方法，其特征在于，该方法包括以下步骤：步骤一、构造具有相关性的随机变量序列及其对应的系统运行状态标签序列，作为初始训练数据集；步骤二、对步骤一中的随机变量序列及其对应的系统运行状态标签序列进行互信息分析，提取与系统运行状态最相关的随机变量序列及其对应的系统运行状态标签序列作为分类模型的训练样本集；步骤三、基于步骤二中的训练样本集，采用改进AdaBoost.M1‑SVM集成分类算法对多SVM弱分类器进行集成优化训练，得到优化的集成分类模型：

【技术特征摘要】
1.一种基于改进AdaBoost.M1-SVM的有源配电网可靠性快速评估方法，其特征在于，该方法包括以下步骤：步骤一、构造具有相关性的随机变量序列及其对应的系统运行状态标签序列，作为初始训练数据集；步骤二、对步骤一中的随机变量序列及其对应的系统运行状态标签序列进行互信息分析，提取与系统运行状态最相关的随机变量序列及其对应的系统运行状态标签序列作为分类模型的训练样本集；步骤三、基于步骤二中的训练样本集，采用改进AdaBoost.M1-SVM集成分类算法对多SVM弱分类器进行集成优化训练，得到优化的集成分类模型：式中，HT(x)为输出的集成分类器，T为迭代次数，αt为SVMt(x)的权重系数，SVMt(x)为输入状态变量x弱分类器SVM第t次迭代，sign为符号函数，||α||1为αt的1-范数；步骤四、采用步骤三得到的集成分类模型对步骤一的随机变量序列进行测试，确定系统的运行状态，计算当前运行状态下的可靠性指标。2.根据权利要求1所述的一种基于改进AdaBoost.M1-SVM的有源配电网可靠性快速评估方法，其特征在于，所述步骤一中所述随机变量序列表示如下：式中，Pi,k、Qi,k为样本i中节点k的有功、无功；Pgi,k、Qgi,k为样本i中节点k的分布式电源有功、无功注入；Sui为样本i的备用容量指标；Sli为样本i的系统总负荷量。3.根据权利要求2所述的一种基于改进AdaBoost.M1-SVM的有源配电网可靠性快速评估方法，其特征在于，所述步骤二具体包括以下步骤：步骤2.1对随机变量序列及其对应的系统运行状态标签序列进行互信息分析，得到各随机变量与系统运行状态之间的关联程度，由下式得出：把样本的运行状态标志序列作为目标序列Yi∈{-1,1}，随机变量序列Xi作为相关序列，对相关序列进行离散化处理；则X、Y之间的互信息大小由下式得出：式中，M为目标序列和相关序列所有可能值的个数和；Ni为目标序列的区间数；Mi为目标序列落在第i个区间的数值数；Nj为相关序列X的区间数；为相关序列X落在第u个...

【专利技术属性】
技术研发人员：尹晓敏，杨延勇，王华莹，许强，朱辉，赵飞桃，董丽丽，雷霞，丁吉，吴卓聪，
申请(专利权)人：国网山东省电力公司聊城供电公司，国家电网有限公司，西华大学，
类型：发明
国别省市：山东,37