基于AI技术的电网关键稳定特征智能选择方法

被引：32

作者：

吴双 ^{[1
]}

胡伟 ^{[1
]}

张林 ^{[2
]}

刘欣宇 ^{[2
]}

机构：

[1] 电力系统及发电设备控制和仿真国家重点实验室(清华大学电机系)

[2] 国网重庆市电力公司

来源：

中国电机工程学报 | 2019年 / 39卷 / 01期

关键词：

信息论; 关键特征; 人工智能; 数据挖掘; 智能筛选; 动态安全评估;

D O I：

10.13334/j.0258-8013.pcsee.180871

中图分类号：

TM76 [电力系统的自动化];

学科分类号：

摘要：

随着全国联网规模的扩大,电网时空特性日趋复杂,全面把握电网运行特性显得至关重要,仅靠人工经验手动筛选特征难以做到快速和准确。因此依托人工智能(artificial intelligence,AI)技术快速高效地找到能够反映电网安全信息的关键特征,对于实际电网的实时监控和安全运行具有重要意义。针对上述要求,该文提出一种电网关键稳定特征智能选择方法。该方法借助信息论和数据挖掘技术,采用分段方式集成改进(mutual information feature selection,MIFS)方法和封装方法进行电网关键稳定特征的智能选择。第一阶段利用改进MIFS方法进行特征初筛;第二阶段采用封装方法和后向搜索策略进一步选择关键特征。该分段智能选择方法针对电力系统安全稳定评估应用场景实现多种方法的集成应用,一方面可以有效地减小特征维度,实现特征的智能筛选,而且将运行经验纳入考虑范围,符合调度人员的先验认知,便于调度运行人员实时监控;另一方面减小了所选特征集合的冗余度,同时实现了特征分区筛选,提高了计算效率,有利于实时动态安全评估的开展。在IEEE-39节点系统上的仿真算例验证所提方法的有效性。

引用

页码：14 / 21+316 +316

页数：9

共 18 条

[1]

电力系统输电断面的划分及其安全稳定分析.[D].董迁富.华中科技大学.2014, 12

[2]

A multi-objective evolutionary algorithm for feature selection based on mutual information with a new redundancy measure.[J].Zhichun Wang;Minqiang Li;Juanzi Li.Information Sciences.2015,

[3] Feature selection using Joint Mutual Information Maximisation [J].