基于XGBoost的电力系统动态频率响应曲线预测方法

摘要：

针对少量稀疏样本下大规模电力系统频率稳定高效评估的难题,提出了一种基于极限梯度提升(extreme gradient boosting,XGBoost)的系统动态频率响应曲线预测方法.采用串行集成的多棵回归树,精细化挖掘输入特征与动态频率响应之间的非线性映射关系;将敏感因子引入损失函数以在训练过程中降低样本分布差异带来的影响,并基于粒子群优化(particle swarm optimization,PSO)实现对XGBoost超参数的自动调优.该方法不仅可以快速输出最大频率变化率、频率极值、准稳态频率等典型指标,还能实现扰动事件下系统惯性中心频率响应曲线的预测.基于某实际电网数据开展了算例测试,与时域仿真、浅层神经网络、深度学习等方法所得结果进行比较,验证了所提方法的优势.

关键词：惯性、频率稳定、粒子群优化(PSO)、极限梯度提升(XGBoost)、新能源

所属期刊栏目：44

分类号：TM712(输配电工程、电力网及电力系统)

资助基金：湖南省自然科学优秀青年基金资助项目;国网河南省电力公司科技项目

在线出版日期：2023-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：74-81