[发明专利]样本数量不平衡的电力系统暂态稳定状态集成预测方法

权利要求书

1.样本数量不平衡的电力系统暂态稳定状态集成预测方法，其特征在于，包括以下步骤：

1)、样本数据生成与预处理：从系统特征和单机特征两方面提取用于暂态稳定状态预测的原始特征集，利用蒙特卡洛方法生成原始样本集，对原始样本集进行归一化处理并利用两阶段特征选择方法进行特征降维，将分类样本集分为训练样本集和测试样本集；

2)、训练样本集的分割处理：将训练样本集划分为稳定样本集S和失稳样本集U，根据电力系统特征，稳定样本集的样本数量远远大于失稳样本集的样本数量，采用数据分割策略将稳定样本集分割为多个不重叠的稳定样本子集，使各个稳定样本子集的样本数量不多于失稳样本集的样本数量，并将各个稳定样本子集分别与失稳样本集构成若干分类样本子集；

3)、暂态稳定状态集成预测：将若干分类样本子集下分别通过分类器训练获得若干概率分类向量机模型，再利用最大值集成策略综合若干概率分类向量机模型的概率预测结果值确定样本的暂态稳定状态。

2.根据权利要求1所述的样本数量不平衡的电力系统暂态稳定状态集成预测方法，其特征在于，步骤1)中所述的原始特征集包括故障前的潮流水平和故障后的发电机响应轨迹。

3.根据权利要求2所述的样本数量不平衡的电力系统暂态稳定状态集成预测方法，其特征在于，所述潮流水平包括负荷水平、发电机有功功率输出和母线电压水平；所述发电机响应轨迹包括平衡有功功率、转子角度、角速度、角加速度和动能。

4.根据权利要求1所述的样本数量不平衡的电力系统暂态稳定状态集成预测方法，其特征在于，步骤1)中所述的两阶段特征选择处理为：利用标准互信息法和二进制粒子群算法相结合的两阶段特征选择方法对原始特征空间降维，筛选出关键特征，并最终确定分类样本集。

5.根据权利要求1所述的样本数量不平衡的电力系统暂态稳定状态集成预测方法，其特征在于，步骤2)中所述的数据分割策略包括以下步骤：

2-1)、根据训练样本数量的不平衡度确定稳定样本集分割的子集数量T和单个稳定样本子集中的稳定样本数量S_1,S₂,…,S_T；

2-2)、根据2-1)的结果，将样本数量占优的稳定样本集随机划分为T个不重叠的稳定样本子集，使得稳定样本子集中的样本数量不多于总的失稳样本数量；

2-3)、将T个稳定样本子集分别与失稳样本集U构成T个分类样本子集。

6.根据权利要求1所述的样本数量不平衡的电力系统暂态稳定状态集成预测方法，其特征在于，步骤3)中所述的暂态稳定状态集成预测包括以下步骤：

3-1)、在训练阶段，在T个分类样本子集上分别训练T个概率分类向量机模型；

3-2)、在测试阶段，将待预测样本的特征分别输入T个概率分类向量机模型，得到概率预测结果值；

3-3)、利用最大值集成策略，综合T个概率预测结果值，得到待预测样本属于失稳类的集成概率大小，并根据该概率值是否大于0.5最终确定该样本是否属于失稳类。