[发明专利]一种基于集成学习方案的电力系统动态安全置信评估方法

说明书

一种基于集成学习方案的电力系统动态安全置信评估方法，首先，通过对输入特征全集数据进行特征自动化排序，以便于下一阶段的特征选择，为样本训练提供优质的训练集；再对样本集进行单独的极限学习机(Extreme Learning Machine，ELM)训练，最后对训练好的ELM通过模型拟合达到集成学习，从而得到可靠的信息。本发明受益于ELM的独特性质，通过战略性设计训练和决策规则，使智能系统(Intelligent System，IS)快速学习工作，识别潜在危险，对动态安全评估(Dynamic Security Assessment，DSA)结果可信性提供有效评估具有非常重要的意义。

技术领域

本发明涉及电力系统动态安全领域，具体涉及一种基于集成学习方案的电力系统动态安全置信评估方法。

背景技术

近年来，随着电力系统结构复杂化和针对智能电网的研究和建设成为世界各国的关注焦点。根据我国基本国情，提出了建设坚强可靠、经济高效、清洁环保、透明开放、友好互动的统一坚强智能电网的发展战略。智能配电网作为智能电网的关键环节之一，对智能电网进行风险评估，是实现智能电网整体建设目标的重要保障。如何全面统筹规划智能配电网的关键性风险评估指标，提出合理有效的网络风险评估方法，从而较准确地评判网络面临的风险大小，是电力系统实时动态安全评估的关键。

随着数据挖掘技术的不断更新进步，例如各种智能系统(Intelligent System，IS)技术已应用于快速动态安全评估(Dynamic Security Assessment，DSA)。但是这些高级数据挖掘方法都存在一些自身局限：①繁琐的调整程序加长训练时间，无法防止非常快速的动态不安全传播，削弱了它们在线DSA的强度；②训练数据中的先验信息不完善，分类或者预测错误都可能导致不准确的DSA结果，准确度不高；③鲁棒性和泛化能力不强，对于系统波动引起的一系列反应不能很好的处理和适应。

发明内容

本发明的目的是针对DSA在快速性准确性及鲁棒泛化能力方面存在的不足，提供一种基于集成学习方案的电力系统动态安全置信评估方法。

发明的目的是这样实现的：

一种基于集成学习方案的电力系统动态安全置信评估方法，所述方法包括以下步骤：

步骤1：将电力系统实时产生的各种特征数据作为一个输入全集，对输入特征全集进行特征自动化排序；

步骤2：对特征自动化的特征全集进行选择，构造最优特征子集；

步骤3：对最优的样本训练集进行随机采样；

步骤4：对采样样本基进行单个极限学习机(Extreme Learning Machine，ELM)训练；

步骤5：将多个的ELM训练集进行集成学习；

步骤6：通过决策规则和可信度估算选择可信子输出形成最终的系统估算。

进一步，在步骤1中，特征自动化最优选择策略步骤如下：

步骤1-1：使用皮尔逊相关系数(Pearson Correlation Coefficient，PCC)对输入的数据特征进行特征重要性计算；

步骤1-2：对这些特征按照得分进行一个从大到小的排序；

步骤1-3：根据得分排序依次加入对应的特征向量，计算全部数据集对应的分类准确率并且记录。