[发明专利]数据驱动的含IIDG配电网短路电流多输出计算方法

权利要求书

1.数据驱动的含IIDG配电网短路电流多输出计算方法，其特征在于，包括以下步骤：

S1：建立含IIDG配电网短路电流样本集，样本集包括训练集和测试集；

S2：通过大量分析比较多输出模型，选择并建立MTRS-XGBoost多输出模型，所述多输出模型具有同时输出所有支路短路电流的能力；

S3：使用训练集训练MTRS-XGBoost模型，当损失函数在迭代过程中不再减小，且评价指标也不再减小时结束训练；

S4：使用训练完成的MTRS-XGBoost多输出模型计算含IIDG配电网短路电流，同时输出对应运行状态下所有支路电流。

2.根据权利要求1所述的数据驱动的含IIDG配电网短路电流多输出计算方法，其特征在于：步骤S1中所述含IIDG配电网短路电流样本集来源为但不限于Matlab/Simulink软件仿真和实际配电网运行数据，样本集中训练集和测试集的比例为4：1。

3.根据权利要求2所述的数据驱动的含IIDG配电网短路电流多输出计算方法，其特征在于：根据实际配电网设备情况，即是否装有微型同步相量测量单元μPMU，可选择不同的输入特征；其中装配有μPMU的配网可选择配网中的电压幅值、相位和有功、无功功率值，而未装配有μPMU的配电网可选择电网中的电流值作为输入特征。

4.根据权利要求1所述的数据驱动的含IIDG配电网短路电流多输出计算方法，其特征在于：步骤S2所述MTRS-XGBoost多输出模型是使用多目标回归模型融合算法MTRS将多输出问题转化为多个单输出问题，其中基学习器采用XGBoost方法。

5.根据权利要求1所述的数据驱动的含IIDG配电网短路电流多输出计算方法，其特征在于：步骤S3所述损失函数采用平均绝对百分比误差MAPE，评价指标采用平均绝对百分比误差MAPE和平均绝对误差MAE；评价指标是通过计算真实值y_j与计算值的差异来衡量，评价指标数值越小，模型准确性越高。