典型文献
基于多层CatBoost的电力系统暂态稳定评估
文献摘要：
随着大规模新能源并网以及新装置的不断应用,电力系统暂态稳定问题日益复杂,为进一步提升暂态稳定评估(transient stability assessment,TSA)的精确性和可靠性,提出一种基于多层CatBoost的TSA方法.首先,以电力系统故障前的稳态运行变量作为输入特征,采用一种最大相关最小冗余(maximal relevance minial redundancy,mRMR)集成方案,从输入特征中筛选出多组不同的关键特征集.然后,利用这些关键特征分别单独训练多个CatBoost模型,建立多个CatBoost驱动的TSA模型,并结合多个训练好的CatBoost模型构建TSA综合模型.在暂态稳定分析时,综合多个CatBoost模型的分析,通过多数投票表决方式判定最终评估结果.最后,在IEEE 39节点系统和某省级电力系统上进行性能测试实验.测试结果表明:所提出的TSA综合模型不仅具有极高的预测精度,而且拥有良好的泛化能力和鲁棒性.
文献关键词：
最大相关最小冗余(mRMR);特征选择;CatBoost;暂态稳定评估(TSA);机器学习
中图分类号：
作者姓名：
王强;陈浩;刘炼
作者机构：
三峡大学电气与新能源学院,宜昌443000
文献出处：
引用格式：
[1]王强;陈浩;刘炼-.基于多层CatBoost的电力系统暂态稳定评估)[J].科学技术与工程,2022(04):1456-1464
A类：
minial
B类：
CatBoost,电力系统暂态稳定评估,大规模新能源,新能源并网,新装置,稳定问题,transient,stability,assessment,TSA,精确性,电力系统故障,稳态运行,输入特征,最大相关最小冗余,maximal,relevance,redundancy,mRMR,集成方案,关键特征,征集,练好,综合模型,暂态稳定分析,多数投票,投票表决,终评,IEEE,节点系统,某省,性能测试实验,泛化能力,特征选择
AB值：
0.344548
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
