一种基于决策树的电力系统薄弱支路辨识方法及系统技术方案

本发明专利技术涉及电力系统方面专门适用于预测目的的数据处理方法技术领域，公开一种基于决策树的电力系统薄弱支路辨识方法及系统，包括：根据电气量样本数据

【技术实现步骤摘要】
一种基于决策树的电力系统薄弱支路辨识方法及系统


[0001]本专利技术涉及电力系统方面专门适用于预测目的的数据处理方法
，尤其涉及一种基于决策树的电力系统薄弱支路辨识方法及系统
。

技术介绍

[0002]随着全球经济和工业的不断发展，环境问题和能源危机日益严峻，加快发展新能源
、
实现全球能源发展的绿色低碳转型成为世界各国的共识
。
在全球能源发展的推动下，现代电力工业也在经历着一系列的变革和发展，将相当比例的可再生能源并入电网已成为电力系统发展的必然趋势
。
然而，以太阳能和风能为代表的新能源受天气和环境因素的影响，具有很大的随机性和不确定性
。
随着电网规模的扩大和可再生能源比例的激增，多样化的拓扑结构和潮流状态给安全态势分析带来了挑战
。
因此，为应对不断提高的不确定性对电力系统运行的影响，迫切需要研究一种高效的电力系统薄弱支路辨识方法
。

技术实现思路

[0003]本专利技术提供一种基于决策树的电力系统薄弱支路辨识方法及系统，用以解决高比例可再生能源并入电网后带来的不确定性增加了电力系统安全运行的风险的缺陷
。
[0004]本专利技术提供的一种基于决策树的电力系统薄弱支路辨识模型的构建方法，包括：获取电力系统发生故障前后的电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据；根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，采用基于信息增益的决策树框架，训练得到电力系统薄弱支路辨识模型
。
[0005]根据本专利技术提供的一种基于决策树的电力系统薄弱支路辨识模型的构建方法，所述根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，采用基于信息增益的决策树框架，训练得到电力系统薄弱支路辨识模型，包括：根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，得到样本划分后的信息增益；根据信息增益，确定决策树各节点的划分属性和划分标准，直至样本划分满足预设划分要求
。
[0006]根据本专利技术提供的一种基于决策树的电力系统薄弱支路辨识模型的构建方法，所述根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，得到样本划分后的信息增益，包括：根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，得到根据某一划分属性进行样本划分前的信息熵；根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，得到根据某一划分属性进行样本划分后的信息熵；根据样本划分前的信息熵和样本划分后的信息熵，得到信息熵差值，以信息熵差
值作为样本划分后的信息增益
。
[0007]根据本专利技术提供的一种基于决策树的电力系统薄弱支路辨识模型的构建方法，通过第一表达式得到根据某一划分属性进行样本划分前的信息熵，其中，所述第一表达式为：，第一表达式中，表示随机事件
Z
（随机事件
Z
在本专利技术中为支路薄弱程度等级）的信息熵，表示随机事件
Z
为（随机事件
z
在本专利技术中为支路薄弱程度等级为某一等级）的概率；以及，通过第二表达式得到根据某一划分属性进行样本划分后的信息熵，其中，所述第二表达式为：，第二表达式中，表示根据划分属性
T
进行样本划分后的信息熵，表示划分属性
T
取值为
t
的概率，表示划分属性
T
取值为
t
的情况下随机事件
Z
（随机事件
Z
在本专利技术中为支路薄弱程度等级）的信息熵
。
[0008]根据本专利技术提供的一种基于决策树的电力系统薄弱支路辨识模型的构建方法，所述根据信息增益，确定决策树各节点的划分属性和划分标准，具体为：令信息熵差值最小化，使得决策树的每个决策节点的信息增益最大化，以确定决策树各节点的划分属性和划分标准
。
[0009]根据本专利技术提供的一种基于决策树的电力系统薄弱支路辨识模型的构建方法，所述根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，采用基于信息增益的决策树框架，训练得到电力系统薄弱支路辨识模型，还包括：通过累积决策树中每个划分属性的信息增益以及结合根据划分属性进行样本划分的数量，度量每个划分属性对电力系统薄弱支路辨识的重要性；其中，度量每个划分属性对电力系统薄弱支路辨识的重要性的第三表达式为： ，第三表达式中，表示划分属性对电力系统薄弱支路辨识的重要性，表示根据划分属性进行样本划分的数量，表示样本总数，表示决策树的决策节点总数，为第个决策节点下的信息增益
。
[0010]根据本专利技术提供的一种基于决策树的电力系统薄弱支路辨识模型的构建方法，所述根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，采用基于信息增益的决策树框架，训练得到电力系统薄弱支路辨识模型，还包括：将每个划分属性对电力系统薄弱支路辨识的重要性进行归一化处理；其中，通过第四表达式进行归一化处理，所述第四表达式为：，
第四表达式中，表示归一化后的第个划分属性对电力系统薄弱支路辨识的重要性，表示第个划分属性对电力系统薄弱支路辨识的重要性，为所有划分属性对电力系统薄弱支路辨识的重要性的最大值
。
[0011]根据本专利技术提供的一种基于决策树的电力系统薄弱支路辨识模型的构建方法，所述根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，采用基于信息增益的决策树框架，训练得到电力系统薄弱支路辨识模型，还包括：通过预测准确率评估电力系统薄弱支路辨识模型的预测性能；其中，预测准确率的第五表达式为：，第五表达式中，
A
S
表示预测准确率，表示预测成功的测试集样本数，表示测试集样本总数
。
[0012]本专利技术还提供一种基于决策树的电力系统薄弱支路辨识模型的构建系统，包括：样本数据获取模块，用于：获取电力系统发生故障前后的电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据；模型训练模块，用于：根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，采用基于信息增益的决策树框架，训练得到电力系统薄弱支路辨识模型
。
[0013]根据本专利技术提供的一种基于决策树的电力系统薄弱支路辨识模型的构建系统，所述模型训练模块包括：信息增益得到子模块，用于：根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，得到样本划分后的信息增益；样本划分子模块，用于：根据信息增益，确定决策树各节点的划分属本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于决策树的电力系统薄弱支路辨识模型的构建方法，其特征在于，包括：获取电力系统发生故障前后的电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据；根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，采用基于信息增益的决策树框架，训练得到电力系统薄弱支路辨识模型
。2.
根据权利要求1所述的基于决策树的电力系统薄弱支路辨识模型的构建方法，其特征在于，所述根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，采用基于信息增益的决策树框架，训练得到电力系统薄弱支路辨识模型，包括：根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，得到样本划分后的信息增益；根据信息增益，确定决策树各节点的划分属性和划分标准，直至样本划分满足预设划分要求
。3.
根据权利要求2所述的基于决策树的电力系统薄弱支路辨识模型的构建方法，其特征在于，所述根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，得到样本划分后的信息增益，包括：根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，得到根据某一划分属性进行样本划分前的信息熵；根据电气量样本数据
、
电网拓扑结构样本数据以及支路薄弱程度样本标签数据，得到根据某一划分属性进行样本划分后的信息熵；根据样本划分前的信息熵和样本划分后的信息熵，得到信息熵差值，以信息熵差值作为样本划分后的信息增益
。4.
根据权利要求3所述的基于决策树的电力系统薄弱支路辨识模型的构建方法，其特征在于，通过第一表达式得到根据某一划分属性进行样本划分前的信息熵，其中，所述第一表达式为：，第一表达式中，表示随机事件
Z
的信息熵，表示随机事件
Z
为的概率；以及，通过第二表达式得到根据某一划分属性进行样本划分后的信息熵，其中，所述第二表达式为：，第二表达式中，表示根据划分属性
T
进行样本划分后的信息熵，表示划分属性
T
取值为
t
的概率，表示划分属性
T
取值为
t
的情况下随机事件
Z
的信息熵
。5.
根据权利要求3所述的基于决策树的电力系统薄弱支路辨识模型的构建方法，其特征在于，所述根据信息增益，确定决策树各节点的划分属性和划分标准，具体为：令信息熵差值最小化，使得决策树的每个决策节点的信...

【专利技术属性】
技术研发人员：李凡，刘栋，秦博宇，王智冬，孙珂，王丹，薛雅玮，张哲，李梦骄，于昊洋，刘忠健，梁涵卿，张逸兴，张柯欣，秦继朔，谢宇峥，游沛羽，陶太堃，章程，蒋诗谣，司远，郭国栋，胡天宇，
申请(专利权)人：国网湖南省电力有限公司经济技术研究院西安交通大学，
类型：发明
国别省市：