基于混合监督式学习的输电断面功率极限快速评估方法

摘要

快速、准确地实时评估电网输电断面功率极限,对于电网安全、稳定、经济运行至关重要。为此,提出一种基于混合监督式学习算法的自适应方法,通过对历史运行方式的大量仿真分析和特征提取,训练并定期更新人工智能模型,形成电网运行状态与功率极限的准确匹配关系,从而快速、准确地实时评估输电断面功率极限。所提方法采用多种监督式学习预测算法,包括深度神经网络、支持向量回归、梯度提升决策树、随机森林,使用混合模型进行功率极限预测可充分发挥不同算法优势。该方法的有效性在具有真实运行特性的500节点输电网模型中得到验证。