Extraction of Static Voltage Stability Rule Based on Oblique Regression Tree and Its Ensemble Algorithm

Hongyang JIA; Qingchun HOU; Yuxiao LIU; Ning ZHANG; Yue FAN

doi:10.7500/AEPS20210109003

您当前的位置：

首页 >

文章列表页 >

Extraction of Static Voltage Stability Rule Based on Oblique Regression Tree and Its Ensemble Algorithm

Special Topic on Data-Driven Methods for Modernizing Power Systems | 更新时间：2025-06-16

- Extraction of Static Voltage Stability Rule Based on Oblique Regression Tree and Its Ensemble Algorithm
- Automation of Electric Power Systems Vol. 46, Issue 1, Pages: 51-59(2022)
- 作者机构：
  
  1.电力系统及大型发电设备安全控制和仿真国家重点实验室，清华大学，北京市 100084
  2.清华大学电机工程与应用电子技术系，北京市 100084
  3.国网青海省电力有限公司，青海省西宁市 810008
- 作者简介：
- 基金信息：
  
  National Key R&D Program of China(2017YFB0902200);State Grid Corporation of China(5228001700CW)
- DOI：10.7500/AEPS20210109003
  CLC：
- Received：09 January 2021，
  
  Revised：2021-06-23，
  
  Published Online：25 November 2021，
  
  Published：10 January 2022
- 稿件说明：
移动端阅览
贾宏阳,侯庆春,刘羽霄等.基于斜回归树及其集成算法的静态电压稳定规则提取[J].电力系统自动化,2022,46(1):51-59.

JIA Hongyang,HOU Qingchun,LIU Yuxiao,et al.Extraction of Static Voltage Stability Rule Based on Oblique Regression Tree and Its Ensemble Algorithm[J].Automation of Electric Power Systems,2022,46(1):51-59.
贾宏阳,侯庆春,刘羽霄等.基于斜回归树及其集成算法的静态电压稳定规则提取[J].电力系统自动化,2022,46(1):51-59. DOI： 10.7500/AEPS20210109003.

JIA Hongyang,HOU Qingchun,LIU Yuxiao,et al.Extraction of Static Voltage Stability Rule Based on Oblique Regression Tree and Its Ensemble Algorithm[J].Automation of Electric Power Systems,2022,46(1):51-59. DOI： 10.7500/AEPS20210109003.

摘要

可再生能源渗透率的增加给电力系统安全稳定运行带来持续性的挑战，传统方法分析系统稳定性、控制电网稳定运行变得愈加困难。针对这一难题，提出了内嵌安全稳定约束的电力系统优化运行框架以及用于电力系统安全稳定规则提取的斜回归树及其集成算法。该算法首先优化斜划分系数以训练单棵斜回归树，然后利用boosting思想集成斜回归树，并通过正则化方法保证树的稀疏度，增强算法的可解释性。相比神经网络等黑箱模型，文中提出的方法能够提取显式安全稳定规则，为内嵌安全稳定约束的电力系统优化运行奠定了基础。最后，以静态电压稳定问题为例验证算法的有效性，算例验证结果表明所提算法具有良好的可解释性、较强的表示能力和较高的集成效率。

Abstract

The increase of the penetration of renewable energy brings continuous challenges to the safe and stable operation of the power system. It becomes more and more difficult to analyze the system stability and control the stable operation of the power system by traditional methods. To solve this problem

a power system optimal operation framework with embedded security and stability constraints and an oblique regression tree and its ensemble algorithm for extracting power system security and stability rules are proposed. The algorithm first optimizes the oblique split coefficient to train a single oblique regression tree

then uses the boosting idea to integrate the oblique regression tree

and uses the regularization method to ensure the sparsity of the tree and enhance the interpretability of the algorithm. Compared with the black box model such as neural network

the proposed method can extract explicit security and stability rules

which lays a foundation for the optimal operation of the power system with embedded security and stability constraints. Finally

the static voltage stability problem is taken as an example to verify the effectiveness of the algorithm. The results show that the algorithm has good interpretability

strong representation ability and high ensemble efficiency.

关键词

Keywords

references

KROPOSKI B ， JOHNSON B ， ZHANG Y ， et al . Achieving a 100% renewable grid： operating electric power systems with extremely high levels of variable renewable energy ［J］. IEEE Power and Energy Magazine ， 2017 ， 15 （ 2 ）： 61 - 73 .

OBI M ， BASS R . Trends and challenges of grid-connected photovoltaic systems： a review ［J］. Renewable and Sustainable Energy Reviews ， 2016 ， 58 ： 1082 - 1094 .

HOU Q ， DU E ， ZHANG N ， et al . Impact of high renewable penetration on the power system operation mode： a data-driven approach ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 1 ）： 731 - 741 .

丁明，钱宇骋，张晶晶 . 考虑多时间尺度的连锁故障演化和风险评估模型［J］. 中国电机工程学报， 2017 ， 37 （ 20 ）： 5902 - 5912 .

DING Ming ， QIAN Yucheng ， ZHANG Jingjing . Multi-timescale cascading failure evolution and risk assessment model ［J］. Proceedings of the CSEE ， 2017 ， 37 （ 20 ）： 5902 - 5912 .

毛安家，马静，蒯圣宇，等 . 高比例新能源替代常规电源后系统暂态稳定与电压稳定的演化机理［J］. 中国电机工程学报， 2020 ， 40 （ 9 ）： 2745 - 2755 .

MAO Anjia ， MA Jing ， KUAI Shengyu ， et al . Evolution mechanism of transient and voltage stability for power system with high renewable penetration level ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 9 ）： 2745 - 2755 .

牟澎涛，赵冬梅，王嘉成 . 大规模风电接入对系统功角稳定影响的机理分析［J］. 中国电机工程学报， 2017 ， 37 （ 5 ）： 1324 - 1332 .

MU Pengtao ， ZHAO Dongmei ， WANG Jiacheng . Influence mechanism analysis of large-scale wind power integration on power system angle stability ［J］. Proceedings of the CSEE ， 2017 ， 37 （ 5 ）： 1324 - 1332 .

方勇杰 . 英国“8·9”停电事故对频率稳定控制技术的启示［J］. 电力系统自动化， 2019 ， 43 （ 24 ）： 1 - 5 .

FANG Yongjie . Reflections on frequency stability control technology based on the blackout event of 9 August 2019 in UK ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 24 ）： 1 - 5 .

康重庆，姚良忠 . 高比例可再生能源电力系统的关键科学问题与理论研究框架［J］. 电力系统自动化， 2017 ， 41 （ 9 ）： 2 - 11 .

KANG Chongqing ， YAO Liangzhong . Key Scientific issues and theoretical research framework for power systems with high proportion of renewable energy ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 9 ）： 2 - 11 .

HOU Q ， ZHANG N ， DU E ， et al . Probabilistic duck curve in high PV penetration power system： concept， modeling， and empirical analysis in China ［J］. Applied Energy ， 2019 ， 242 ： 205 - 215 .

GUO T ， MILANOVIC J V . Probabilistic framework for assessing the accuracy of data mining tool for online prediction of transient stability ［J］. IEEE Transactions on Power Systems ， 2014 ， 29 （ 1 ）： 377 - 385 .

李京，刘道伟，安军，等 . 基于强化学习理论的静态电压稳定裕度评估［J］. 中国电机工程学报， 2020 ， 40 （ 16 ）： 5136 - 5147 .

LI Jing ， LIU Daowei ， AN Jun ， et al . Static voltage stability margin assessment based on reinforcement learning theory ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 16 ）： 5136 - 5147 .

唐滢淇，董树锋，朱承治，等 . 基于Tri-Training-LASSO-BP网络的静态电压稳定裕度在线预测方法［J］. 中国电机工程学报， 2020 ， 40 （ 12 ）： 3824 - 3834 .

TANG Yingqi ， DONG Shufeng ， ZHU Chengzhi ， et al . Online prediction method of static voltage stability margin based on Tri-Training-LASSO-BP network ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 12 ）： 3824 - 3834 .

田芳，周孝信，史东宇，等 . 基于卷积神经网络的电力系统暂态稳定预防控制方法［J］. 电力系统保护与控制， 2020 ， 48 （ 18 ）： 1 - 8 .

TIAN Fang ， ZHOU Xiaoxin ， SHI Dongyu ， et al . A preventive control method of power system transient stability based on a convolutional neural network ［J］. Power System Protection and Control ， 2020 ， 48 （ 18 ）： 1 - 8 .

刘昇，徐政，华文，等 . 用于在线预测静态电压稳定性的SIPSS-Lasso-BP网络［J］. 中国电机工程学报， 2014 ， 34 （ 34 ）： 6032 - 6041 .

LIU Sheng ， XU Zheng ， HUA Wen ， et al . A SIPSS-Lasso-BP network for online forecasting static voltage stability ［J］. Proceedings of the CSEE ， 2014 ， 34 （ 34 ）： 6032 - 6041 .

胡伟，张玮灵，闵勇，等 . 基于支持向量机的电力系统紧急控制实时决策方法［J］. 中国电机工程学报， 2017 ， 37 （ 16 ）： 4567 - 4576 .

HU Wei ， ZHANG Weiling ， MIN Yong ， et al . Real-time Emergency control decision in power system based on support vector machines ［J］. Proceedings of the CSEE ， 2017 ， 37 （ 16 ）： 4567 - 4576 .

姜涛，王长江，陈厚合，等 . 基于正则化投影孪生支持向量机的电力系统暂态稳定评估［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 141 - 148 .

JIANG Tao ， WANG Changjiang ， CHEN Houhe ， et al . Transient stability assessment of power system based on projection twin support vector machine with regularzation ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 141 - 148 .

孙宏斌，王康，张伯明，等 . 采用线性决策树的暂态稳定规则提取［J］. 中国电机工程学报， 2011 ， 31 （ 34 ）： 61 - 67 .

SUN Hongbin ， WANG Kang ， ZHANG Boming ， et al . Rule extraction in transient stability study using linear decision trees ［J］. Proceedings of the CSEE ， 2011 ， 31 （ 34 ）： 61 - 67 .

王同文，管霖 . 基于模式发现的电力系统稳定评估和规则提取［J］. 中国电机工程学报， 2007 ， 27 （ 19 ）： 25 - 31 .

WANG Tongwen ， GUAN Lin . Power system stability assessment and rule extraction based on pattern discovery ［J］. Proceedings of the CSEE ， 2007 ， 27 （ 19 ）： 25 - 31 .

MARTENS D ， BAESENS B ， GESTEL T V . Decompositional rule extraction from support vector machines by active learning ［J］. IEEE Transactions on Knowledge and Data Engineering ， 2009 ， 21 （ 2 ）： 178 - 191 .

FROSST N ， HINTON G . Distilling a neural network into a soft decision tree ［EB/OL］. ［ 2021-02-11 ］. https：//arxiv.org/pdf/1711.09784.pdf https://arxiv.org/pdf/1711.09784.pdf .

KOLMAN E ， MARGALIOT M . Knowledge extraction from neural networks using the all-permutations fuzzy rule base： the LED display recognition problem ［J］. IEEE Transactions on Neural Networks ， 2007 ， 18 （ 3 ）： 925 - 931 .

CREMER J L ， KONSTANTELOS I ， TINDEMANS S H ， et al . Data-driven power system operation： exploring the balance between cost and risk ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 1 ）： 791 - 801 .

HALILBASIC L ， THAMS F ， VENZKE A ， et al . Data-driven security-constrained AC-OPF for operations and markets ［C］// IEEE 2018 Power Systems Computation Conference （PSCC）， June 11-15 ， 2018 ， Dublin， Ireland ： 1 - 7 .

HOU Q ， ZHANG N ， KIRSCHEN D S ， et al . Sparse oblique decision tree for power system security rules extraction and embedding ［J］. IEEE Transactions on Power Systems ， 2020 ， 36 （ 2 ）： 1605 - 1615 .

KRISHNAN V ， MCCALLEY J D ， HENRY S ， et al . Efficient database generation for decision tree based power system security assessment ［J］. IEEE Transactions on Power Systems ， 2011 ， 26 （ 4 ）： 2319 - 2327 .

DOMMEL H W ， TINNEY W F . Optimal power flow solutions ［J］. IEEE Transactions on Power Apparatus and Systems ， 1968 ， 87 （ 10 ）： 1866 - 1876 .

赵晋泉，张伯明 . 连续潮流及其在电力系统静态稳定分析中的应用［J］. 电力系统自动化， 2005 ， 29 （ 11 ）： 91 - 97 .

ZHAO Jinquan ， ZHANG Boming . Summarization of continuation power flow and its applications in static analysis of power system ［J］. Automation of Electric Power Systems ， 2005 ， 29 （ 11 ）： 91 - 97 .

汤涌 . 电力系统数字仿真技术的现状与发展［J］. 电力系统自动化， 2002 ， 26 （ 17 ）： 66 - 70 .

TANG Yong . Present situation and development of power system simulation technologies ［J］. Automation of Electric Power Systems ， 2002 ， 26 （ 17 ）： 66 - 70 .

ZIMMERMAN R D ， MURILLO-SÁNCHEZ C E ， THOMAS R J ， et al . MATPOWER： steady-state operations， systems research and education ［J］. IEEE Transactions on Power Systems ， 2011 ， 26 （ 1 ）： 12 - 19 .

MILANO F . An open source power system analysis Toolbox ［J］. IEEE Transactions on Power Systems ， 2005 ， 20 （ 3 ）： 1199 - 1206 .

FRIEDMAN J . Greedy function approximation： a gradient boosting machine ［J］. The Annals of Statistics ， 2001 ， 29 （ 5 ）： 1189 - 1232 .

TIBSHIRANI R . Regression shrinkage and selection via the Lasso ［J］. Journal of the Royal Statistical Society： Series B ， 1996 ， 58 （ 1 ）： 267 - 288 .

ZOU H ， HASTIE T . Regularization and variable selection via the elastic net ［J］. Journal of the Royal Statistical Society： Series B ， 2005 ， 67 （ 5 ）： 301 - 320 .

YANG B-B ， SHEN S-Q ， GAO W . Weighted oblique decision trees ［J］. Proceedings of the AAAI Conference on Artificial Intelligence ， 2019 ， 33 （ 1 ）： 5621 - 5627 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Continuation Power Flow Calculation for DC Distribution Network Considering Control and Capacity Constraints of DC Transformer

Probabilistic Prediction of Overhead Line Ampacity Based on Multi-error Characteristic Fusion

Quantitative Evaluation and Analysis Method for Uncertainty of Daily Power Waveform Based on Benchmark Mode

Related Author

Qingcun HOU

XU Xiaolong

WANG Qianggang

ZHOU Yiyao

LIAO Jianquan

ZHANG Xuefei

ZHOU Niancheng

XU Bin

Related Institution

State Key Laboratory of Power Transmission Equipment Technology (Chongqing University)

College of Electric Engineering, Sichuan University

College of Electrical Engineering and New Energy, China Three Gorges University

Hubei Provincial Engineering Technology Research Center for Power Transmission Line (China Three Gorges University)

Key Laboratory of Modern Power System Simulation and Control & Renewable Energy Technology, Ministry of Education (Northeast Electric Power University)

⁰