新能源电力系统特征提取模型训练技术方案

本发明专利技术公开了一种新能源电力系统特征提取模型训练

【技术实现步骤摘要】
新能源电力系统特征提取模型训练、特征提取方法及系统


[0001]本专利技术属于系统安全关键信息的快速提取领域，具体涉及一种新能源电力系统特征提取模型训练
、
特征提取方法及系统
。

技术介绍

[0002]高比例新能源大规模并网以及大量电力电子设备广泛加剧了电网运行方式的多变性，海量运行方式造就了电力系统的高维特征，如何有效提取稳定性相关的关键特征，进而快速判断电力系统实时运行状态，是电力系统亟需解决的重要问题
。
为此，需要在研究分析电力系统的海量运行方式的基础上，统计出能够表征高比例新能源电力系统稳定运行的关键特征组合，实现系统安全关键信息的快速提取
。
[0003]目前，数据挖掘算法广泛应用于提取电力系统稳定性相关的关键特征，相关研究也取得了一定的成果
。
常见的特征提取方法主要有过滤式提取
、
包裹式提取和嵌入式提取
。
然而，过滤式提取依据相关性评估特征的重要程度，设定相应的阈值抽取特征，没有充分考虑特征间的耦合关系，与判别网络联系性不强；包裹式提取选择特征组合然后根据判别网络评估特征组合提取的有效性，由于存在大量可能的特征组合，因此该方法计算量较大；嵌入式提取在过滤式提取的基础上利用机器学习方法获得特征权重，有效结合特征选择和判别网络进行特征提取；但是以上三种方法均忽略了数据挖掘算法的可解释性，没有对选择的特征的物理意义进行充分分析，在实际应用中的缺乏可信度，从而导致选取的特征有效性差，因此，需要提供一种能够实现电力系统中特征的有效提取的方法
。

技术实现思路

[0004]本专利技术的目的在于提供一种新能源电力系统特征提取模型训练
、
特征提取方法及系统，以克服现有方法采用人工智能方法实现的特征提取的有效性差的问题
。
[0005]一种新能源电力系统特征提取模型训练方法，包括以下步骤：
[0006]确定训练数据集：所述训练数据集中的训练数据能够体现电力系统稳定性的相关特征；
[0007]将所述训练数据集中的训练数据输入至新能源电力系统特征提取模型中进行特征提取获得初步特征，根据获取的初步特征调整新能源电力系统特征提取模型的训练参数，重复上述步骤，优化调整新能源电力系统特征提取模型的训练参数直至新能源电力系统特征提取模型的损失函数收敛，得到训练好的新能源电力系统特征提取模型
。
[0008]优选的，将所述训练数据集中的训练数据输入至新能源电力系统特征提取模型之前，对输入特征量进行归一化
。
[0009]优选的，进行特征提取获得初步特征具体包括：基于
SHAP
归因理论进行初步特征的提取
。
[0010]优选的，计算提取的初步特征的
shapley
值，以初步特征的
shapley
值表征初步特征的边际贡献，对提取初步特征的
shapley
值进行排序，将满足贡献度阈值的初步特征设定
为初筛集合
E
，利用初筛集合
E
计算新能源电力系统特征提取模型的判别准确率
。
[0011]优选的，采用沙普利加性解释方计算提取的初步特征的
shapley
值
。
[0012]优选的，利用极值交叠法提取的特征交叠空间，以最小概率落入特征量的交叠空间为原则，在初筛集合
E
中获取简化的特征量组合，计算每组特征量组合的平均
Shapley
值，并计算每组特征量组合在新能源电力系统特征提取模型的判别准确率
。
[0013]一种新能源电力系统特征提取方法，基于上述新能源电力系统特征提取模型训练方法得到的新能源电力系统特征提取模型，利用训练好的新能源电力系统特征提取模型进行新能源电力系统特征提取，以平均
Shapley
值最高的特征量组合所对应的初步特征为关键特征，实现关键特征的提取
。
[0014]一种新能源电力系统特征提取模型训练系统，包括：数据获取模块和训练模块；
[0015]数据获取模块：用于获取训练数据集，所获取的训练数据集中的训练数据能够体现电力系统稳定性的相关特征；
[0016]训练模块：将所述训练数据集中的训练数据输入至新能源电力系统特征提取模型中进行特征提取获得初步特征，根据获取的初步特征调整新能源电力系统特征提取模型的训练参数，重复上述步骤，优化调整新能源电力系统特征提取模型的训练参数直至新能源电力系统特征提取模型的损失函数收敛，得到训练好的新能源电力系统特征提取模型
。
[0017]优选的，将所述训练数据集中的训练数据输入至新能源电力系统特征提取模型之前，对输入特征量进行归一化
。
[0018]优选的，进行特征提取获得初步特征具体包括：基于
SHAP
归因理论进行初步特征的提取
。
[0019]优选的，计算提取的初步特征的
shapley
值，以初步特征的
shapley
值表征初步特征的边际贡献，对提取初步特征的
shapley
值进行排序，将满足贡献度阈值的初步特征设定为初筛集合
E
，利用初筛集合
E
计算新能源电力系统特征提取模型的判别准确率
。
[0020]优选的，采用沙普利加性解释方计算提取的初步特征的
shapley
值
。
[0021]优选的，利用极值交叠法提取的特征交叠空间，以最小概率落入特征量的交叠空间为原则，在初筛集合
E
中获取简化的特征量组合，计算每组特征量组合的平均
Shapley
值，并计算每组特征量组合在新能源电力系统特征提取模型的判别准确率
。
[0022]一种新能源电力系统特征提取系统，包括新能源电力系统特征提取模块，所述新能源电力系统特征提取模块用于存储新能源电力系统特征提取模型，所述新能源电力系统特征提取模型基于上述新能源电力系统特征提取模型训练方法训练得到；利用新能源电力系统特征提取模块进行新能源电力系统特征提取，以平均
Shapley
值最高的特征量组合所对应的初步特征为关键特征，实现关键特征的提取
。
[0023]一种计算机设备，包括存储器
、
处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述新能源电力系统特征提取模型训练方法的步骤
。
[0024]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述新能源电力系统特征提取模型训练方法的步骤
。
[0025]与现有技术相比，本专利技术具有以下有益的技术效果：
[0026]本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种新能源电力系统特征提取模型训练方法，其特征在于，包括以下步骤：确定训练数据集：所述训练数据集中的训练数据能够体现电力系统稳定性的相关特征；将所述训练数据集中的训练数据输入至新能源电力系统特征提取模型中进行特征提取获得初步特征，根据获取的初步特征调整新能源电力系统特征提取模型的训练参数，重复上述步骤，优化调整新能源电力系统特征提取模型的训练参数直至新能源电力系统特征提取模型的损失函数收敛，得到训练好的新能源电力系统特征提取模型
。2.
根据权利要求1所述的一种新能源电力系统特征提取模型训练方法，其特征在于，将所述训练数据集中的训练数据输入至新能源电力系统特征提取模型之前，对输入特征量进行归一化
。3.
根据权利要求1所述的一种新能源电力系统特征提取模型训练方法，其特征在于，进行特征提取获得初步特征具体包括：基于
SHAP
归因理论进行初步特征的提取
。4.
根据权利要求3所述的一种新能源电力系统特征提取模型训练方法，其特征在于，计算提取的初步特征的
shapley
值，以初步特征的
shapley
值表征初步特征的边际贡献，对提取初步特征的
shapley
值进行排序，将满足贡献度阈值的初步特征设定为初筛集合
E
，利用初筛集合
E
计算新能源电力系统特征提取模型的判别准确率
。5.
根据权利要求3所述的一种新能源电力系统特征提取模型训练方法，其特征在于，采用沙普利加性解释方计算提取的初步特征的
shapley
值
。6.
根据权利要求4所述的一种新能源电力系统特征提取模型训练方法，其特征在于，利用极值交叠法提取的特征交叠空间，以最小概率落入特征量的交叠空间为原则，在初筛集合
E
中获取简化的特征量组合，计算每组特征量组合的平均
Shapley
值，并计算每组特征量组合在新能源电力系统特征提取模型的判别准确率
。7.
一种新能源电力系统特征提取方法，其特征在于，基于权利要求6所述新能源电力系统特征提取模型训练方法得到的新能源电力系统特征提取模型，利用训练好的新能源电力系统特征提取模型进行新能源电力系统特征提取，以平均
Shapley
值最高的特征量组合所对应的初步特征为关键特征，实现关键特征的提取
。8.
一种新能源电力系统特征提取模型训练系统，其特征在于，包括：数据获取模块和训练模块；数据获取模块：用于获取训练数据集，所获取的训练数据集中的训练数据能够体现电力系统稳定性的相关特征；训练模块：将所述训练数据集中的训练数据输入至新能源电力系统特征提取模型中进行特征提取获得初步特征，根据获取的初步特征调整新能源电力系统特征提取模型的训练参数，重复上述步骤，优化...

【专利技术属性】
技术研发人员：谢海鹏，程肖峰，陈昱丞，严剑峰，鲁广明，吕颖，魏亚威，石琛，汪挺，马欢，
申请(专利权)人：中国电力科学研究院有限公司国网山东省电力公司电力科学研究院，
类型：发明
国别省市：