[发明专利]基于Spearman相关系数特征提取的电力系统暂稳评估方法

权利要求书

1.基于Spearman相关系数特征提取的电力系统暂稳评估方法，其特征在于，包括以下步骤：

收集电力系统的若干个特征变量的历史运行数据，根据特征变量的历史运行数据通过暂态时域仿真生成暂稳仿真数据，对特征变量的历史运行数据进行数据预处理，根据暂稳仿真数据和预处理后的特征变量的历史运行数据构建初筛样本集；

基于Spearman相关系数对初筛样本集中的样本数据进行特征筛选和降维，得到特征筛选降维后的低维样本集，根据低维样本集生成电力系统暂态稳定评估数据集；

构建暂稳评估机器学习模型，利用低维样本集对暂稳评估机器学习模型进行预训练，对暂稳评估机器学习模型进行在线模型验证及再训练，输出训练好的暂稳评估机器学习模型；

通过训练好的暂稳评估机器学习模型对电力系统暂态稳定性进行评估。

2.根据权利要求1所述的基于Spearman相关系数特征提取的电力系统暂稳评估方法，其特征在于，所述收集电力系统的若干个特征变量包括发电机电磁功率、发电机端电压、发电机功角和母线节点电压。

3.根据权利要求2所述的基于Spearman相关系数特征提取的电力系统暂稳评估方法，其特征在于，对所述根据特征变量的历史运行数据通过暂态时域仿真生成暂稳仿真数据包括：分别根据收集的发电机电磁功率、发电机端电压、发电机功角和母线节点电压的历史运行数据，通过电力系统稳态潮流计算分析软件进行暂态计算生成暂稳仿真数据。

4.根据权利要求3所述的基于Spearman相关系数特征提取的电力系统暂稳评估方法，其特征在于，对所述特征变量的历史运行数据进行数据预处理，包括数据异常处理，数据缺失处理，对经过数据异常处理和数据缺失处理后的数据进行分类。

5.根据权利要求4所述的基于Spearman相关系数特征提取的电力系统暂稳评估方法，其特征在于，所述数据异常处理包括：对收集的发电机电磁功率、发电机端电压、发电机功角和母线节点电压的历史运行数据进行滑动平均值滤波；

所述数据缺失处理包括：当数据的缺失率大于80％，删除含有缺失值的数据；当数据的缺失率小于10％，使用含有缺失值的数据；当数据的缺失率为10％～80％，采用同类均值插补的算法对缺失的数据进行补全；

所述对经过数据异常处理和数据缺失处理后的数据进行分类包括：根据电力系统的特征变量与电力系统暂态稳定性的关系，对经过数据异常处理和数据缺失处理后的数据进行分类。

6.根据权利要求1所述的基于Spearman相关系数特征提取的电力系统暂稳评估方法，其特征在于，所述基于Spearman相关系数对初筛样本集中的样本数据进行特征筛选和降维包括：

计算各个特征变量与电力系统暂态稳定性之间的Spearman相关系数；

通过假设检验的方法检验各个特征变量与电力系统暂态稳定性之间的Spearman相关系数的显著性，当特征变量与电力系统暂态稳定性之间的Spearman相关系数在预定的置信水平下显著异于0，将特征变量的节点数据予以保留；否则，剔除特征变量的节点数据。

7.根据权利要求6所述的基于Spearman相关系数特征提取的电力系统暂稳评估方法，其特征在于，所述通过假设检验的方法检验各个特征变量与电力系统暂态稳定性之间的Spearman相关系数的显著性，包括：

提出原假设H0和备择假设H1，检验Spearman相关系数是否显著异于0；

使用要检验的量构造出一个符合某一分布的统计量，若样本量超过30，构造的统计量及其符合的分布为：

其中，r_s为Spearman相关系数，n为样本量，N(0,1)表示服从正态分布；

设定一个置信水平，将要检验的值代入统计量中计算得到一个特定值；

根据统计量的分布情况，画出该分布的概率密度函数，根据置信水平查找临界值，划定接受域和拒绝域，通过检验值倒推出其对应概率，其对应概率记为p值；

根据得到的特定值落在接受域还是拒绝域，接受或拒绝原假设；当概率p0.1，则在设定的置信水平上拒绝原假设，判定Spearman相关系数是显著异于0。