基于正则化贪心森林的多维频率指标智能化预测方法

摘要

为实现海量预想故障下电力系统频率响应性能的快速和精确感知,文章提出了一种基于正则化贪心森林(regularized greedy forests,RGF)的多维频率指标智能化预测方法.该方法采用RGF建立特征输入与多维频率指标之间的非线性映射关系,通过对全局参数进行优化,并引入3种正则化机制,使所构建的机器学习模型能够有效表征复杂函数,防止过拟合.为保证预测算法的性能,通过网格搜索遍历参数组合,以确定所构建RGF模型的最佳参数.在改进的IEEE RTS-79系统上开展了算例测试,与时域仿真、随机森林和梯度提升方法所得结果进行比较,验证了所提方法的准确性、快速性以及良好的泛化能力.