Transient Stability Assessment Method Based on Variable Weight Random Forest and Its Interpretability Analysis

WU Yuxiang; HAN Xiaoqing; NIU Zhewen; ZHAO Jinman; YANG Jing; YAN Boyang

doi:10.7500/AEPS20230315003

您当前的位置：

首页 >

文章列表页 >

Transient Stability Assessment Method Based on Variable Weight Random Forest and Its Interpretability Analysis

Basic Research | 更新时间：2025-06-16

- Transient Stability Assessment Method Based on Variable Weight Random Forest and Its Interpretability Analysis
- Automation of Electric Power Systems Vol. 47, Issue 14, Pages: 93-104(2023)
- 作者机构：
  
  太原理工大学电气与动力工程学院，山西省太原市 030024
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China-Shanxi Coal-based Low Carbon Joint Fund(U1910216)
- DOI：10.7500/AEPS20230315003
  CLC：
- Received：15 March 2023，
  
  Revised：2023-04-16，
  
  Published Online：05 June 2023，
  
  Published：25 July 2023
- 稿件说明：
移动端阅览
武宇翔,韩肖清,牛哲文等.基于变权重随机森林的暂态稳定评估方法及其可解释性分析[J].电力系统自动化,2023,47(14):93-104.

WU Yuxiang,HAN Xiaoqing,NIU Zhewen,et al.Transient Stability Assessment Method Based on Variable Weight Random Forest and Its Interpretability Analysis[J].Automation of Electric Power Systems,2023,47(14):93-104.
武宇翔,韩肖清,牛哲文等.基于变权重随机森林的暂态稳定评估方法及其可解释性分析[J].电力系统自动化,2023,47(14):93-104. DOI： 10.7500/AEPS20230315003.

WU Yuxiang,HAN Xiaoqing,NIU Zhewen,et al.Transient Stability Assessment Method Based on Variable Weight Random Forest and Its Interpretability Analysis[J].Automation of Electric Power Systems,2023,47(14):93-104. DOI： 10.7500/AEPS20230315003.

摘要

现有机器学习模型泛化能力不佳和可解释性差的问题限制了其在暂态稳定评估上的应用。首先，提出基于变权重随机森林算法的暂态功角稳定评估方法，根据模型的学习程度和各基分类器性能差异对样本及基模型进行动态赋权，以最小化损失函数进而提升模型准确性。之后，构建了面向决策过程和评估结果的可解释体系，得到以系统运行状态为导向的最佳决策规则和考虑状态差异性的特征贡献度，从模型、特征和样本3个维度对模型的决策机制、评估结果和预测原因进行了解释。对IEEE 39节点系统和某省级电网的仿真结果表明，所提方法较传统机器学习算法具有更高的评估准确性，并且能有效解释模型决策机制及影响模型评估结果的关键因素。

Abstract

The problems of poor generalization and interpretability of existing machine learning models limit their application in transient stability assessment. Firstly

a transient power angle stability assessment method based on the variable weight random forest algorithm is proposed. According to the learning degree of the model and the performance differences of base classifiers

the samples and base models are dynamically weighted to minimize the loss function and improve the accuracy of the model. Then

an interpretable system for the decision-making process and evaluation results is constructed

and the optimal decision-making rules guided by the system operation state and the feature contribution degree considering the state variability are obtained. The decision-making mechanism

evaluation results and prediction reasons of the model are explained from the three dimensions of the model

features and samples. The simulation results of the IEEE 39-bus system and a provincial power grid show that the proposed method has higher evaluation accuracy than the traditional machine learning algorithm and can effectively explain the model decision-making mechanism and the key factors affecting the model evaluation results.

关键词

Keywords

references

杨博，陈义军，姚伟，等 . 基于新一代人工智能技术的电力系统稳定评估与决策综述［J］. 电力系统自动化， 2022 ， 46 （ 22 ）： 200 - 223 .

YANG Bo ， CHEN Yijun ， YAO Wei ， et al . Review on stability assessment and decision for power systems based on new-generation artificial intelligence technology ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 22 ）： 200 - 223 .

吴俊勇，张若愚，季佳伸，等 . 计及漏判/误判代价的两阶段电力系统暂态稳定预测方法［J］. 电力系统自动化， 2020 ， 44 （ 24 ）： 44 - 52 .

WU Junyong ， ZHANG Ruoyu ， JI Jiashen ， et al . Two-stage transient stability prediction method of power system considering cost of misdetection and false alarm ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 24 ）： 44 - 52 .

鲍颜红，冯长有，任先成，等 . 基于支持向量机的在线暂态稳定故障筛选［J］. 电力系统自动化， 2019 ， 43 （ 22 ）： 52 - 58 .

BAO Yanhong ， FENG Changyou ， REN Xiancheng ， et al . Online transient stability fault screening based on support vector machine ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 22 ）： 52 - 58 .

叶圣永，王晓茹，刘志刚，等 . 基于支持向量机增量学习的电力系统暂态稳定评估［J］. 电力系统自动化， 2011 ， 35 （ 11 ）： 15 - 19 .

YE Shengyong ， WANG Xiaoru ， LIU Zhigang ， et al . Power system transient stability assessment based on support vector machine incremental learning method ［J］. Automation of Electric Power Systems ， 2011 ， 35 （ 11 ）： 15 - 19 .

李宝琴，吴俊勇，李栌苏，等 . 基于主动迁移学习的电力系统暂态稳定自适应评估［J］. 电力系统自动化， 2023 ， 47 （ 4 ）： 121 - 132 .

LI Baoqin ， WU Junyong ， LI Lusu ， et al . Adaptive assessment of power system transient stability based on active transfer learning ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 4 ）： 121 - 132 .

申锦鹏，杨军，李蕊，等 . 基于改进域对抗迁移学习的电力系统暂态稳定自适应评估［J］. 电力系统自动化， 2022 ， 46 （ 23 ）： 67 - 75 .

SHEN Jinpeng ， YANG Jun ， LI Rui ， et al . Self-adaptive transient stability assessment of power system based on improved domain adversarial transfer learning ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 23 ）： 67 - 75 .

赵慧敏，帅智康，沈阳，等 . 基于深度学习的多虚拟同步机微电网在线暂态稳定评估方法［J］. 电力系统自动化， 2022 ， 46 （ 9 ）： 109 - 117 .

ZHAO Huimin ， SHUAI Zhikang ， SHEN Yang ， et al . Online transient stability assessment method for microgrid with multiple virtual synchronous generators based on deep learning ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 9 ）： 109 - 117 .

杨维全，朱元振，刘玉田 . 基于卷积神经网络的暂态电压稳定快速评估［J］. 电力系统自动化， 2019 ， 43 （ 22 ）： 46 - 51 .

YANG Weiquan ， ZHU Yuanzhen ， LIU Yutian . Fast assessment of transient voltage stability based on convolutional neural network ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 22 ）： 46 - 51 .

孙秋野 . 电力系统分析［M］. 北京：人民邮电出版社， 2012 .

SUN Qiuye . Power system analysis ［M］. Beijing ： Posts & Telecom Press ， 2012 .

高昆仑，杨帅，刘思言，等 . 基于一维卷积神经网络的电力系统暂态稳定评估［J］. 电力系统自动化， 2019 ， 43 （ 12 ）： 18 - 26 .

GAO Kunlun ， YANG Shuai ， LIU Siyan ， et al . Transient stability assessment for power system based on one-dimensional convolutional neural network ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 12 ）： 18 - 26 .

李嘉敏，杨红英，闫莉萍，等 . 样本不平衡情况下的电力系统暂态稳定集成评估方法［J］. 电力系统自动化， 2021 ， 45 （ 10 ）： 34 - 41 .

LI Jiamin ， YANG Hongying ， YAN Liping ， et al . Integrated assessment method for transient stability of power system under sample imbalance ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 10 ）： 34 - 41 .

黄明增，胡雅涵，文云峰，等 . 融合JMIM和NGBoost的电力系统暂态稳定评估方法［J］. 电力系统自动化， 2021 ， 45 （ 8 ）： 155 - 165 .

HUANG Mingzeng ， HU Yahan ， WEN Yunfeng ， et al . Assessment method of transient stability for power system based on joint mutual information maximization and natural gradient boosting ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 8 ）： 155 - 165 .

戴远航，陈磊，张玮灵，等 . 基于多支持向量机综合的电力系统暂态稳定评估［J］. 中国电机工程学报， 2016 ， 36 （ 5 ）： 1173 - 1180 .

DAI Yuanhang ， CHEN Lei ， ZHANG Weiling ， et al . Power system transient stability assessment based on multi-support vector machines ［J］. Proceedings of the CSEE ， 2016 ， 36 （ 5 ）： 1173 - 1180 .

YOU D H ， WANG K ， YE L ， et al . Transient stability assessment of power system using support vector machine with generator combinatorial trajectories inputs ［J］. International Journal of Electrical Power & Energy Systems ， 2013 ， 44 （ 1 ）： 318 - 325 .

王怀远，陈启凡 . 基于代价敏感堆叠变分自动编码器的暂态稳定评估方法［J］. 中国电机工程学报， 2020 ， 40 （ 7 ）： 2213 - 2220 .

WANG Huaiyuan ， CHEN Qifan . A transient stability assessment method based on cost-sensitive stacked variational auto-encoder ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 7 ）： 2213 - 2220 .

蒲天骄，乔骥，赵紫璇，等 . 面向电力系统智能分析的机器学习可解释性方法研究（一）：基本概念与框架［J/OL］. 中国电机工程学报［ 2023-04-05 ］. https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDC dPD65djwFi6aRxPY3uWaSWgx2XKpwR_LTG6HzB-joN5Cd jdMJYdruR_HS1&uniplatform=NZKPT https://kns.cnki.net/kcms2/article/abstract?v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD65djwFi6aRxPY3uWaSWgx2XKpwR_LTG6HzB-joN5CdjdMJYdruR_HS1&uniplatform=NZKPT .

PU Tianjiao ， QIAO Ji ， ZHAO Zixuan ， et al . Research on interpretable methods of machine learning applied in intelligent analysis of power system （part I）： basic concept and framework ［J/OL］. Proceedings of the CSEE ［ 2023-04-05 ］. https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suR adTyEVl2pW9UrhTDCdPD65djwFi6aRxPY3uWaSWgx2XKpwR_LTG6HzB-joN5CdjdMJYdruR_HS1&uniplatform=NZKPT https://kns.cnki.net/kcms2/article/abstract?v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD65djwFi6aRxPY3uWaSWgx2XKpwR_LTG6HzB-joN5CdjdMJYdruR_HS1&uniplatform=NZKPT .

LI J ， LIN D Y ， WANG Y ， et al . Towards a reliable evaluation of local interpretation methods ［J］. Applied Sciences ， 2021 ， 11 （ 6 ）： 2732 .

韩天森，陈金富，李银红，等 . 电力系统稳定评估机器学习可解释代理模型研究［J］. 中国电机工程学报， 2020 ， 40 （ 13 ）： 4122 - 4130 .

HAN Tiansen ， CHEN Jinfu ， LI Yinhong ， et al . Study on interpretable surrogate model for power system stability evaluation machine learning ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 13 ）： 4122 - 4130 .

赵恺，石立宝 . 基于改进一维卷积神经网络的电力系统暂态稳定评估［J］. 电网技术， 2021 ， 45 （ 8 ）： 2945 - 2954 .

ZHAO Kai ， SHI Libao . Transient stability assessment of power system based on improved one-dimensional convolutional neural network ［J］. Power System Technology ， 2021 ， 45 （ 8 ）： 2945 - 2954 .

陈明华，刘群英，张家枢，等 . 基于XGBoost的电力系统暂态稳定预测方法［J］. 电网技术， 2020 ， 44 （ 3 ）： 1026 - 1034 .

CHEN Minghua ， LIU Qunying ， ZHANG Jiashu ， et al . XGBoost-based algorithm for post-fault transient stability status prediction ［J］. Power System Technology ， 2020 ， 44 （ 3 ）： 1026 - 1034 .

李常刚，李华瑞，刘玉田，等 . 大电网动态安全风险智能评估系统［J］. 电力系统自动化， 2019 ， 43 （ 22 ）： 67 - 75 .

LI Changgang ， LI Huarui ， LIU Yutian ， et al . Intelligent assessment system for dynamic security risk of large-scale power grid ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 22 ）： 67 - 75 .

李鹏，董鑫剑，孟庆伟，等 . 基于Fisher Score特征选择的电力系统暂态稳定评估方法［J/OL］. 电力自动化设备［ 2023-04-07 ］. https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD64GuMGdYvUCEkogdiwGHUhwXuU04VjwBUgNY0BVKdlPvTKmo4aHnaQD&uniplatform=NZKPT https://kns.cnki.net/kcms2/article/abstract?v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD64GuMGdYvUCEkogdiwGHUhwXuU04VjwBUgNY0BVKdlPvTKmo4aHnaQD&uniplatform=NZKPT .

LI Peng ， DONG Xinjian ， MENG Qingwei ， et al . Transient stability assessment method for power system based on Fisher Score feature selection ［J/OL］. Electric Power Automation Equipment ［ 2023-04-07 ］. https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDC dPD64GuMGdYvUCEkogdiwGHUhwXuU04VjwBUgNY0BVKdlPvTKmo4aHnaQD&uniplatform=NZKPT https://kns.cnki.net/kcms2/article/abstract?v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD64GuMGdYvUCEkogdiwGHUhwXuU04VjwBUgNY0BVKdlPvTKmo4aHnaQD&uniplatform=NZKPT .

庄颖睿，肖谭南，程林，等 . 基于时空图卷积网络的电力系统暂态稳定评估［J］. 电力系统自动化， 2022 ， 46 （ 11 ）： 11 - 18 .

ZHUANG Yingrui ， XIAO Tannan ， CHENG Lin ， et al . Transient stability assessment of power system based on spatio-temporal graph convolutional network ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 11 ）： 11 - 18 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Online Reactive Power Optimization Method Based on Data-driven Predictive Control for Distribution Network with Low Situation Awareness

Related Author

QIAN Liqun

WEI Qing

HU Pengfei

YANG Zaixin

LI Baoqin

Baoqin LI

Junyong WU

Ziyue QIANG

Related Institution

School of Electrical Engineering, Zhejiang University

HuaDian Electric Research Institute Co., Ltd.

Inner Mongolia Power (Group) Co., Ltd., Inner Mongolia Power Research Institute Branch

School of Electrical Engineering, Beijing Jiaotong University

School of Electrical and Power Engineering, Hohai University

⁰