【技术实现步骤摘要】
特征量与暂态功角稳定性关联关系的可解释性分析方法
[0001]本专利技术涉及交直流混联系统领域,特别是涉及一种特征量与暂态功角稳定性关联关系的可解释性分析方法。
技术介绍
[0002]含新能源的交直流混联系统相较传统电力系统具有更加复杂的结构,为电力系统的暂态功角稳定带来了不可忽视的影响,现有研究多考虑传统电力系统的暂态功角稳定特性。目前,国内外研究暂态功角稳定评估多使用人工智能的方法进行预测,如支持向量机(support vector machine,SVM)、决策树(decision tree,DT)及其改进算法等浅层学习方法,也有通过深度学习如卷积神经网络(CNN)、深度神经网络(DNN)等解决复杂的暂态功角稳定评估分类问题,但这些评估模型是“黑箱”模型,无法阐明特征量是如何影响系统的暂态功角稳定性,亟需研究可解释性方法实现特征量和暂态稳定结果间的关联关系阐释。
技术实现思路
[0003]本专利技术的目的是提供一种特征量与暂态功角稳定性关联关系的可解释性分析方法,可根据特征量评估暂态功角稳定性,并阐明特征量和暂态功角稳定性的关联关系。
[0004]为实现上述目的,本专利技术提供了如下方案:
[0005]一种特征量与暂态功角稳定性关联关系的可解释性分析方法,包括:
[0006]获取由特征量组和暂态功角状态标签构成的暂态功角样本集;所述特征量组包括直流特征量和新能源特征量;所述暂态功角状态包括稳定状态和失稳状态;
[0007]利用所述暂态功角样本集对极致梯度提升树模型 ...
【技术保护点】
【技术特征摘要】
1.一种特征量与暂态功角稳定性关联关系的可解释性分析方法,其特征在于,包括:获取由特征量组和暂态功角状态标签构成的暂态功角样本集;所述特征量组包括直流特征量和新能源特征量;所述暂态功角状态包括稳定状态和失稳状态;利用所述暂态功角样本集对极致梯度提升树模型进行离线训练,获得暂态功角稳定评估模型;实时量测待测交直流混联系统的特征量组对应的特征量数据集;将所述特征量数据集输入暂态功角稳定评估模型,输出待测交直流混联系统的暂态功角状态;根据所述特征量数据集和待测交直流混联系统的暂态功角状态,采用SHAP分析特征量与暂态功角稳定性的关联关系,获得特征量的全局可解释性和局部可解释性。2.根据权利要求1所述的特征量与暂态功角稳定性关联关系的可解释性分析方法,其特征在于,所述特征量组包括:直流特征量、新能源特征量和各发电机相对功角;所述直流特征量包括HVDC直流输电线路两端节点电压、HVDC直流输电线路电流、HVDC直流输电线路两端功率、HVDC直流输电线路触发延迟角和HVDC直流输电线路熄弧角;所述新能源特征量包括各风电机组并网节点电压、各风电机组输出有功功率、各风电机组输出无功功率、各光伏电站并网节点电压和各光伏电站输出有功功率。3.根据权利要求1所述的特征量与暂态功角稳定性关联关系的可解释性分析方法,其特征在于,所述获取由特征量组和暂态功角状态标签构成的暂态功角样本集,具体包括:对交直流混联系统进行多种场景的机电暂态仿真,生成特征量组对应的多个特征量数据样本集;一种场景下一个采样时刻生成一个特征量数据样本集;判断每个特征量数据样本集对应的暂态功角状态,并将判断结果作为每个特征量数据样本集的暂态功角状态标签;将每个特征量数据样本集和每个特征量数据样本集的暂态功角状态标签构成一个样本,所有样本构成暂态功角样本集。4.根据权利要求1所述的特征量与暂态功角稳定性关联关系的可解释性分析方法,其特征在于,所述极致梯度提升树模型在二分类任务时,利用sigmoid函数将样本的预测值转化为两类别预测的概率值;预测值与两类别预测的概率值的关系为:和式中,p1为失稳状态预测的概率值,p2为稳定状态预测的概率值,为样本i的预测值;设定标签0代表稳定状态,标签1代表失稳状态,得到标签与p1、p2之间的关系为:5.根据权利要求4所述的特征量与暂态功角稳定性关联关系的可解释性分析方法,其特征在于,所述SHAP的解释模型为:式中,g
i
为样本i的解释模型;φ
base
为样本预测的基准值...
【专利技术属性】
技术研发人员:夏世威,李雅晗,郑乐,李庚银,
申请(专利权)人:华北电力大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。