基于支持样本的暂态稳定评估决策树方法

摘要

提出了基于支持样本的暂态稳定评估决策树方法。与传统特征选择不同,新方法通过样本选择来约简数据集合,提高决策树应用于电力系统暂态稳定评估时的性能。应用基于距离的样本选择方法对仿真数据进行预处理,得到分布在分类边界附近、有利于准确拟合分类边界的支持样本,作为决策树的训练样本。同时,采用一个综合考虑决策树准确率、复杂度和漏警率的评价函数作为最优决策树的评价标准,获得最优比例的支持样本.单机无穷大系统和IEEE39节点系统的算例研究表明,基于支持样本的方法生成的决策树跟全样本时相比,精度更高、漏警率更低、计算效率更高。