融合JMIM和NGBoost的电力系统暂态稳定评估方法

黄明增; 胡雅涵; 文云峰; 李玲芳; 肖友强

doi:10.7500/AEPS20200812004

您当前的位置：

首页 >

文章列表页 >

融合JMIM和NGBoost的电力系统暂态稳定评估方法

学术研究 | 更新时间：2025-06-16

- 融合JMIM和NGBoost的电力系统暂态稳定评估方法
- Assessment Method of Transient Stability for Power System Based on Joint Mutual Information Maximization and Natural Gradient Boosting
- 电力系统自动化-方正平台 2021年45卷第8期页码：155-165
- 作者机构：
  
  1.湖南大学电气与信息工程学院，湖南省长沙市 410082
  2.云南电网有限责任公司电网规划建设研究中心，云南省昆明市 650011
- 作者简介：
  
  黄明增(1996—)，男，硕士研究生，主要研究方向：低惯量电力系统稳定性智能化评估与控制。E-mail：hmingzeng4786@163.com
  胡雅涵(1998—)，女，硕士研究生，主要研究方向：电力系统稳定性智能化评估方法。
  文云峰(1986—)，男，通信作者，副教授，博士生导师，主要研究方向：低惯量电力系统规划、运行与控制。E-mail：yunfeng.8681@163.com
- 基金信息：
  
  国家自然科学基金资助项目(52077066);湖南省自然科学优秀青年基金资助项目(2020JJ3011);湖湘青年科技创新人才项目(2020RC3015)
- DOI：10.7500/AEPS20200812004
  中图分类号：
- 收稿日期：2020-08-12，
  
  修回日期：2020-12-14，
  
  网络出版日期：2021-01-30，
  
  纸质出版日期：2021-04-25
- 稿件说明：
移动端阅览
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.
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. DOI： 10.7500/AEPS20200812004.

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. DOI： 10.7500/AEPS20200812004.

摘要

为实现电力系统暂态稳定在线快速评估和可信度评价，提出了一种融合联合互信息最大化(JMIM)和自然梯度提升(NGBoost)的暂态稳定评估方法。基于JMIM，采用联合互信息和“最大最小值”原则挖掘海量输入数据的相关性，从而筛选出电网关键运行特征，避免维度爆炸问题。为实现高可信度的暂态稳定评估，构建NGBoost驱动的暂态稳定评估模型，可以以函数形式对模型的条件概率分布参数进行预测，进而实现概率预测，并量化可信度。结合自适应可信度阈值修正方法，实现对系统受扰状态暂态稳定的时序评估。利用新英格兰10机39节点系统和中国某省级电网数据进行了算例测试。与其他机器学习方法相比，所提方法在噪声干扰下具有更好的鲁棒性，可更准确识别不稳定运行状态。

Abstract

In order to realize the on-line rapid assessment and credibility evaluation of power system transient stability

a transient stability assessment method combining joint mutual information maximization (JMIM) and natural gradient boosting (NGBoost) is proposed. Based on JMIM

joint mutual information and “maximum of the minimum” principle are adopted to mine data correlation

so as to screen out the key characteristics of the power grid and avoid dimension explosion. To realize the transient stability assessment with high-confidence

a transient stability assessment model driven by NGBoost is constructed

which can predict parameters of the conditional probability distribution of the model in the form of a function to achieve probability prediction

thereby quantifying the credibility. Combined with the adaptive credibility threshold correction method

the time sequence assessment of system transient stability in disturbed states is realized.The case experiments are conducted on the data of New England 10-generator 39-bus system and a provincial power grid in China. Compared with other machine learning methods

the proposed method has better robustness under noise interference and can identify the unstable states more accurately.

关键词

Keywords

references

石访，张林林，胡熊伟，等 . 基于多属性决策树的电网暂态稳定规则提取方法［J］. 电工技术学报， 2019 ， 34 （ 11 ）： 2364 - 2374 .

SHI Fang ， ZHANG Linlin ， HU Xiongwei ， et al . Power system transient stability rules extraction based on multi-attribute decision tree ［J］. Transactions of China Electrotechnical Society ， 2019 ， 34 （ 11 ）： 2364 - 2374 .

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 .

文云峰，杨伟峰，汪荣华，等 . 构建100%可再生能源电力系统述评与展望［J］. 中国电机工程学报， 2020 ， 40 （ 6 ）： 1843 - 1856 .

WEN Yunfeng ， YANG Weifeng ， WANG Ronghua ， et al . Review and prospect of toward 100% renewable energy power systems ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 6 ）： 1843 - 1856 .

LI Z H ， YAO G Q ， GENG G C ， et al . An efficient optimal control method for open-loop transient stability emergency control ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 4 ）： 2704 - 2713 .

刘晟源，林振智，李金城，等 . 电力系统态势感知技术研究综述与展望［J］. 电力系统自动化， 2020 ， 44 （ 3 ）： 229 - 239 .

LIU Shengyuan ， LIN Zhenzhi ， LI Jincheng ， et al . Review and prospect of situation awareness technologies of power system ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 3 ）： 229 - 239 .

MITCHELL T . Machine learning ［M］. New York ： McGraw-Hill ， 1997 .

孙黎霞，白景涛，周照宇，等 . 基于双向长短期记忆网络的电力系统暂态稳定评估［J］. 电力系统自动化， 2020 ， 44 （ 13 ）： 64 - 72 .

SUN Lixia ， BAI Jingtao ， ZHOU Zhaoyu ， et al . Transient stability assessment of power system based on bi-directional long short-term memory network ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 13 ）： 64 - 72 .

朱乔木，陈金富，李弘毅，等 . 基于堆叠自动编码器的电力系统暂态稳定评估［J］. 中国电机工程学报， 2018 ， 38 （ 10 ）： 2937 - 2946 .

ZHU Qiaomu ， CHEN Jinfu ， LI Hongyi ， et al . Transient stability assessment based on stacked autoencoder ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 10 ）： 2937 - 2946 .

汤奕，崔晗，李峰，等 . 人工智能在电力系统暂态问题中的应用综述［J］. 中国电机工程学报， 2019 ， 39 （ 1 ）： 2 - 13 .

TANG Yi ， CUI Han ， LI Feng ， et al . Review on artificial intelligence in power system transient stability analysis ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 1 ）： 2 - 13 .

张琦，韩祯祥，曹绍杰，等 . 用于暂态稳定评估的人工神经网络输入空间压缩方法［J］. 电力系统自动化， 2001 ， 25 （ 2 ）： 32 - 35 .

ZHANG Qi ， HAN Zhenxiang ， TSO S K ， et al . Input dimension reduction in neural network training for transient stability assessment ［J］. Automation of Electric Power Systems ， 2001 ， 25 （ 2 ）： 32 - 35 .

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 .

SUN K ， LIKHATE S ， VITTAL V ， et al . An online dynamic security assessment scheme using phasor measurements and decision trees ［J］. IEEE Transactions on Power Systems ， 2007 ， 22 （ 4 ）： 1935 - 1943 .

WANG B ， FANG B W ， WANG Y J ， et al . Power system transient stability assessment based on big data and the core vector machine ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 5 ）： 2561 - 2570 .

HE M ， ZHANG J S ， VITTAL V . Robust online dynamic security assessment using adaptive ensemble decision-tree learning ［J］. IEEE Transactions on Power Systems ， 2013 ， 28 （ 4 ）： 4089 - 4098 .

李兵洋，肖健梅，王锡淮 . 融合邻域粗糙约简与深度森林的电力系统暂态稳定评估［J］. 电工技术学报， 2020 ， 35 （ 15 ）： 3245 - 3257 .

LI Bingyang ， XIAO Jianmei ， WANG Xihuai . Power system transient stability assessment based on hybrid neighborhood rough reduction and deep forest ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ 15 ）： 3245 - 3257 .

田芳，周孝信，史东宇，等 . 基于卷积神经网络综合模型和稳态特征量的电力系统暂态稳定评估［J］. 中国电机工程学报， 2019 ， 39 （ 14 ）： 4025 - 4032 .

TIAN Fang ， ZHOU Xiaoxin ， SHI Dongyu ， et al . Power system transient stability assessment based on comprehensive convolutional neural network model and steady-state features ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 14 ）： 4025 - 4032 .

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 .

文云峰，赵荣臻，肖友强，等 . 基于多层极限学习机的电力系统频率安全评估方法［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 133 - 143 .

WEN Yunfeng ， ZHAO Rongzhen ， XIAO Youqiang ， et al . Frequency safety assessment of power system based on multi-layer extreme learning machine ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 133 - 143 .

XU Y ， DONG Z Y ， ZHAO J H ， et al . A reliable intelligent system for real-time dynamic security assessment of power systems ［J］. IEEE Transactions on Power Systems ， 2012 ， 27 （ 3 ）： 1253 - 1263 .

YU J J Q ， HILL D J ， LAM A Y S ， et al . Intelligent time-adaptive transient stability assessment system ［J］. IEEE Transactions on Power Systems ， 2018 ， 33 （ 1 ）： 1049 - 1058 .

邵美阳，吴俊勇，李宝琴，等 . 基于两阶段集成深度置信网络的电力系统暂态稳定评估［J］. 电网技术， 2020 ， 44 （ 5 ）： 1776 - 1787 .

SHAO Meiyang ， WU Junyong ， LI Baoqin ， et al . Transient stability assessment of power system based on two-stage ensemble deep belief network ［J］. Power System Technology ， 2020 ， 44 （ 5 ）： 1776 - 1787 .

周艳真，吴俊勇，于之虹，等 . 用于电力系统暂态稳定预测的支持向量机组合分类器及其可信度评价［J］. 电网技术， 2017 ， 41 （ 4 ）： 1188 - 1196 .

ZHOU Yanzhen ， WU Junyong ， YU Zhihong ， et al . Support vector machine ensemble classifier and its confidence evaluation for transient stability prediction of power systems ［J］. Power System Technology ， 2017 ， 41 （ 4 ）： 1188 - 1196 .

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 .

鞠平，代飞，范斗 . 电力系统广域测量技术［M］. 北京：机械工业出版社， 2008 .

JU Ping ， DAI Fei ， FAN Dou . Wide area measurement technology of power systems ［M］. Beijing ： China Machine Press ， 2008 .

陆进军，戴则梅，张力，等 . 基于广域测量系统的电网扰动在线监视和评估［J］. 电力系统自动化， 2012 ， 36 （ 8 ）： 82 - 86 .

LU Jinjun ， DAI Zemei ， ZHANG Li ， et al . On-line power system disturbance monitoring and evaluation method based on WAMS ［J］. Automation of Electric Power Systems ， 2012 ， 36 （ 8 ）： 82 - 86 .

BENNASAR M ， HICKS Y ， SETCHI R . Feature selection using joint mutual information maximisation ［J］. Expert Systems with Applications ， 2015 ， 42 （ 22 ）： 8520 - 8532 .

DUAN T ， AVATI A ， DING D Y ， et al . NGBoost： natural gradient boosting for probabilistic prediction ［EB/OL］. ［ 2020-03-04 ］. https：//arxiv.org/abs/1910.03225 https://arxiv.org/abs/1910.03225 .

AMIN R W ， SEARCY A J . A nonparametric exponentially weighted moving average control scheme ［J］. Communications in Statistics-Simulation and Computation ， 1991 ， 20 （ 4 ）： 1049 - 1072 .

ZHANG Y L ， YANG Y H . Cross-validation for selecting a model selection procedure ［J］. Journal of Econometrics ， 2015 ， 187 （ 1 ）： 95 - 112 .

汤奕，崔晗，党杰 . 基于继承思想的时变性电力系统暂态稳定预测［J/OL］. 中国电机工程学报［ 2020-11-17 ］. https：//doi.org/10.13334/j.0258-8013.pcsee.200829 https://doi.org/10.13334/j.0258-8013.pcsee.200829 .

TANG Yi ， CUI Han ， DANG Jie . Transient stability prediction of time-varying power systems based on inheritance ［J/OL］. Proceedings of the CSEE ［ 2020-11-17 ］. https：//doi.org/10.13334/ j.0258-8013.pcsee.200829 https://doi.org/10.13334/j.0258-8013.pcsee.200829 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于网络能量轨迹特征学习的新能源电力系统暂态稳定评估

基于分布式模型预测控制的电-氢混合储能系统控制策略

功率同步型构网变流器并网系统暂态同步稳定性研究综述

计及限流切换的构网型变换器并联系统暂态同步稳定分析