基于累积贡献率和可解释人工智能的静态电压稳定裕度估计特征量筛选方法.pdfVIP

第 43 卷 第 4 期 电 力 自 动 化 设 备 Vol.43 No.4 2023 年 4 月 Electric Power Automation Equipment Apr. 2023 基于累积贡献率和可解释人工智能的静态电压 稳定裕度估计特征量筛选方法 高 晗，蔡国伟，杨德友，王丽馨，杨 浩 （东北电力大学 电气工程学院，吉林 吉林 132000） 摘要：利用海量量测数据估计大规模互联电网静态电压稳定裕度时，合理地选择输入量测信号和裕度估计算 法是实现高质量裕度估计的基础。提出了一种基于累积贡献率和可解释人工智能的关键特征量筛选方法。 给出了基于沙普利值加性解释理论可解释模型的输入特征贡献值量化方法，并依据贡献值大小对特征降序 排列；采用基于累积贡献率增量的循环优化过程剔除冗余特征，形成关键特征子集；在系统关键特征优选的 基础上，采用轻量梯度提升机算法实现静态电压稳定裕度在线估计。所提方法在保证估计精度的同时，大幅 降低初始样本维度，解决特征过拟合问题，有效提升静态电压稳定裕度估计在线性能。基于WECC 3 机9 节 点系统、IEEE 10机39 节点系统以及IEEE 300 节点系统的仿真分析验证了所提关键特征量筛选方法在电力 系统静态电压稳定裕度估计中的有效性。 关键词：静态电压稳定裕度；累积贡献率增量；可解释人工智能；轻量梯度提升机；关键特征量筛选 中图分类号：TM712 文献标志码：A DOI ：10.16081/j.epae.202211011 0 引言 量冗余成分 ，导致计算成本增加 ，同时冗余特征可能 掩盖主要特征产生特征过拟合 ，致使模型精度降 电力系统静态电压稳定分析是保障电力系统安 ［11］ 低 ；若输入特征量选择过少 ，则无法全面反映系统 全稳定运行的基础任务 ，而静态电压稳定裕度估计 ［12⁃14］ ［1］ 运行特征 。因此 ，输入特征量的合理筛选是保 是实现该任务的重要手段 。广域量测系统的发展 证电力系统静态电压稳定裕度估计高效 、准确所亟 使得获取电力系统同步动态量测数据成为现实 ，给 需解决的关键问题 。 数据驱动的静态电压稳定裕度估计带来了新的契 针对关键特征量筛选问题 ，国内外学者已进行 机 。随着人工智能、大数据理论的发展成熟 ，国内外 ［11⁃18］ ［13］ 了一些有益探索 。其中 ，条件互信息方法 和 学者试图利用人工智能技术处理电力系统海量量测 ［14］ 最大相关最小冗余判据 已被广泛应用于最优特征 数据 ，以实现静态电压稳定裕度在线估计。 目前，基于机器学习算法的静态电压稳定裕度 子集筛选方面 。近年来 ，基于机器学习算法的关键 ［1］ 特征量筛选研究也屡见不