10.13335/j.1000-3673.pst.2021.0027
基于特征选择和随机森林的电力系统受扰后动态频率预测
基于机器学习的电网受扰后动态频率预测方法往往忽视系统拓扑变化,造成当电网拓扑改变后原训练模型可能不再适用.为此,提出一种基于随机森林(random forest,RF)的电网频率预测方法.考虑到随机森林算法的训练时间与特征数量成正比,提出基于斯皮尔曼相关性和层次聚类凝聚的特征去冗余方法,降低输入特征数量.在此基础上,提取反映电网动态频率的关键特征,进一步降低训练时间.对输入特征去冗余前后以及提取关键特征后的不同情况进行对比分析,结果显示所提算法在保证高预测准确率的前提下,能大幅缩短训练时间.新英格兰39节点上的仿真测试验证了所提算法的快速性、容错性和准确性.
动态频率预测、机器学习、随机森林、特征去冗余
45
TM721(输配电工程、电力网及电力系统)
国家电网有限公司科技项目面向智能电网运维场景的视听觉主动感知与协同认知技术研究及应用
2021-07-14(万方平台首次上网日期,不代表论文的发表时间)
共11页
2492-2502