基于广域时序数据挖掘策略的暂态电压稳定评估

在能源互联网背景下,大数据分析方法可为电力系统中一些传统难题提供新的解决思路。在基于大数据的暂态电压稳定评估中,针对动态变化趋势和特征难以准确捕获的问题,引入时间序列shapelet方法,从故障后PMU量测得到的动态序列中进行可靠的时序特征提取。通过融入错分代价的决策树算法,调整稳定/失稳样本的权重,使评估模型尽可能降低对失稳案例漏判的概率。Nordic系统算例对整体评估方案的测试表明,分类评估模型在保证高分类性能的同时,还可提供良好的可解释性,为特定系统失稳规律认知和在线监控提供进一步指导。