基于改进XGBoost的电力系统暂态稳定评估方法及其可解释分析
-
28
-
作者
王金浩 李瑞 韩肖清 曲莹 常
-
单位
国网山西省电力公司电力科学研究院太原理工大学电气与动力工程学院
-
摘要
随着新能源和电力电子设备的大规模并网，新型电力系统安全稳定特性面临严峻挑战，数据驱动方法为建立暂态稳定评估模型提供了可行思路，而模型自身的黑箱性决定了其决策依据的不可知，成为限制其在线应用的关键因素。针对以上问题，本文提出基于改进XGBoost的电力系统暂态稳定评估模型及其可解释性方法。一方面，通过提升XGBoost模型对决策边界样本的学习能力，在满足评估速度要求的前提下显著提升了模型的暂态稳定评估精度。另一方面，为提高评估结果的可解释性，本文基于沙普利加性原理提出特征—样本可解释方法，对模型的评估结果进行归因分析。在IEEE 39节点和某省级电网仿真结果表明，所提方法相较于传统模型具有更高的评估精度，同时具备良好的可解释能力。
-
关键词
暂态稳定评估机器学习可解释性沙普利加性
-
文章目录
1改进XGBoost模型
1.1含正则项的XGBoost算法
1.2 基于不平衡样本的损失函数改进
2 基于SHAP的模型可解释性分析
2.1 全局特征贡献度解释
2.2 特征映射规律分析
2.3 样本评估结果溯因
3基于XGBoost的可解释性暂态稳定评估
3.1 输入特征选择
3.2 标签构建
3.3 评估指标
3.4 评估流程
4 算例分析
4.1 样本构造
4.2 数据预处理
4.3 模型性能对比
4.4 模型鲁棒性测试
4.5 可解释分析
4.5.1 全局特征解释
4.5.2 样本溯因解释
4.6 省级电网算例分析
5 总 结
本文创新点：
-
引用格式
王金浩,李瑞,韩肖清,等.基于改进XGBoost的电力系统暂态稳定评估方法及其可解释分析[J/OL].太原理工大学学报,1-15[2024-12-02].http://kns.cnki.net/kcms/detail/14.1220.n.20241129.1149.002.html.
太原理工大学学报
