文献类型：期刊文章

作　　者：朱瑞金[1] 董亚丽[2] 唐波[1]

ZHU Ruijin;DONG Yali;TANG Bo(School of Electric Engineering,Tibet Agriculture&Animal Husbandry University,Linzhi 860000,Tibet,China;Electric Power Research Institute of State Grid Tibet Electric Power Co.,Ltd.,Lhasa 850000,Tibet,China)

机构地区：[1]西藏农牧学院电气工程学院,西藏林芝860000 [2]国网西藏电力有限公司电力科学研究院,西藏拉萨850000

出　　处：《电网与清洁能源》

基　　金：国家自然科学基金资助项目(52167015)。

年　　份：2022

卷　　号：38

期　　号：6

起止页码：24-30

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：随着高压直流输电工程的密集投运,暂态电压稳定问题日益凸显,对系统安全稳定运行产生了严重的威胁。基于改进的深度森林,提出了一种暂态电压稳定智能化评估方法。通过最大相关最小冗余(maximum correlation minimum redundancy,mRMR)代替多粒度扫描提取强表征特征子集,避免了计算量大、内存占用多问题。然后,对极限梯度提升树(extreme gradient boosting,XGBoost)进行集成以构造新的级联森林,进一步提升模型预测精度。在改进的新英格兰10机39节点测试系统中开展算例分析,结果表明,所提方法具有评估精度高,计算耗时短和鲁棒性强的优点,可辅助电网运行人员在故障后及时预判暂态电压失稳风险,从而提升系统安全稳定运行能力。

关 键 词：高压直流输电 暂态电压稳定 最大相关最小冗余  深度森林  机器学习  

分 类 号：TM712]