一种获得动态安全评估模型的方法技术

一种获得动态安全评估模型的方法，它包括以下步骤：步骤1）对决策树和支持向量机进行有效的组合；步骤2）输入高效样本集进行离线训练；步骤3）最终得到动态安全评估模型。本发明专利技术有利于电力系统运行人员及时采取预防控制措施，提高电力系统运行的稳定性，供电的可靠性。供电的可靠性。供电的可靠性。

【技术实现步骤摘要】
一种获得动态安全评估模型的方法


[0001]本专利技术涉及电力系统动态安全评估领域，具体涉及一种获得动态安全评估模型的方法，本专利技术是申请号为“2020104264589”专利技术名称为“一种针对电力系统动态安全评估的数据驱动方法”的专利技术专利的分案申请。

技术介绍

[0002]近年来，随着现代电力系统的不断发展，现代电力系统已成为世界上最复杂的人工系统之一。同时，随着分布式能源在电力系统中的日益渗透，使得不确定的因素增加，电力系统面临的运行风险也随之增加。随着大规模跨区域互联电网的发展，当干扰和故障达到一定程度时，电力系统可能会失去稳定，这使得电力系统的安全稳定运行面临着严峻的挑战。如果电力系统的操作人员不能快速准确地评估电力系统的安全状态，则很容易造成事故，导致电力系统瘫痪。因此，动态安全评估对于维护电力系统的稳定运行是非常重要的。除此之外，随着智能电网及广域量测系统的发展，电力系统运行数据的不断累计更新，要求动态安全评估方法能够快速精确地对数据进行处理；同时，实际电力系统规模庞大，运行条件多样，动态安全评估仍然是一项具有挑战性的任务。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种获得动态安全评估模型的方法，其特征在于，它包括以下步骤：步骤1)对决策树和支持向量机进行有效的组合；步骤2)输入高效样本集进行离线训练；步骤3)最终得到动态安全评估模型。2.根据权利要求1所述的方法，其特征在于，在步骤1)中具体包括以下步骤：步骤(1)用高效样本集训练支持向量机分类器获得分类函数f(x)；步骤(2)根据分类函数f(x)，将高效样本集中f(x)＞0的区域分为正类，将f(x)＜0的区域分为负类；步骤(3)选择取值在0到0.5之间的阈值y；步骤(4)定义距离参数S(x),用S(x)给出样本点到决策边界的远近程度，并把S(x)≤y的训练样本归到m类；步骤(5)用划分了正类、负类和m类的训练样本训练决策树；步骤(6)用支持向量机和两个叶子组成的子树代替决策树中的m类节点，则算法结束。3.根据权利要求2所述的方法，其特征在于，针对初始样本集，使用局部线性嵌入算法，对初始样本集进行处理，以达到数据压缩和降维的目的，生成高效样本集。4.根据权利要求3所述的方法，其特征在于，所述局部线性嵌入算法包括如以下步骤：S1)将初始样本集X构造为N
×
D维向量，找到每个样本点X
i
邻域的k(k<N)个近邻点；S2)计算初始样本点邻域的重构权重，构建一个局部重建权值矩阵W,并且使得X
i
的局部重构误差平方最小化；S3)通过得到的权值矩阵W，从而找到初始样本集的低维嵌入矩阵Z，并且将重构误差和函数最小化；基于低维嵌入矩阵Z，结合每个特征相对应的TSM，生成一个高效的样本集。5.根据权利要求4所述的方法，其特征在于，在步骤S1)中，将初始样本集构造为如公式(5)所示：X＝(X1,X2,...,X
N
...

【专利技术属性】
技术研发人员：刘颂凯，钟浩，鲍刚，周颖，谭超，张彬桥，胡文斌，
申请(专利权)人：三峡大学，
类型：发明
国别省市：