公开(公告)号：CN113452018A

公开(公告)日：2021-09-28

申请号：CN202110725764.7

申请日：2021-06-29

Applicant: 湖南大学

Inventor： 刘绚 ,  鲁文格 ,  于宗超 ,  褚旭 ,  刘懂

IPC: H02J3/00 ,  H02J3/38 ,  G06F30/27 ,  G06Q10/06 ,  G06Q50/06 ,  G06F111/06 ,  G06F113/04

Abstract: 一种电力系统备用不足风险场景辨识方法，包括以下步骤：S1：选取影响正负备用的样本特征，构建初始样本集；S2：筛选互信息较大的样本特征作为训练样本特征，构建训练样本集；S3：构建决策树模型，根据训练样本集在各个训练样本特征划分下的基尼指数确定决策树模型的最优划分特征；S4：采用交叉验证法选取最优叶节点最小样本数；S5：生成带纠错机制的决策树序列；S6：对决策树序列进行剪枝，生成最优的带纠错编码的决策树序列；S7：对带纠错机制的决策树模型进行评估；S8：利用评估后的决策树模型进行电力系统备用不足风险场景辨识。本发明能实现对电力系统可能出现的正、负备用不足风险进行预判，从而保证电力系统的安全。

公开(公告)号：CN113452018B

公开(公告)日：2022-05-06

申请号：CN202110725764.7

申请日：2021-06-29

Applicant: 湖南大学

Inventor： 刘绚 ,  鲁文格 ,  于宗超 ,  褚旭 ,  刘懂

IPC: H02J3/00 ,  H02J3/38 ,  G06F30/27 ,  G06Q10/06 ,  G06Q50/06 ,  G06F111/06 ,  G06F113/04

Abstract: 一种电力系统备用不足风险场景辨识方法，包括以下步骤：S1：选取影响正负备用的样本特征，构建初始样本集；S2：筛选互信息较大的样本特征作为训练样本特征，构建训练样本集；S3：构建决策树模型，根据训练样本集在各个训练样本特征划分下的基尼指数确定决策树模型的最优划分特征；S4：采用交叉验证法选取最优叶节点最小样本数；S5：生成带纠错机制的决策树序列；S6：对决策树序列进行剪枝，生成最优的带纠错编码的决策树序列；S7：对带纠错机制的决策树模型进行评估；S8：利用评估后的决策树模型进行电力系统备用不足风险场景辨识。本发明能实现对电力系统可能出现的正、负备用不足风险进行预判，从而保证电力系统的安全。