考虑误分类约束的电力系统暂态稳定评估

为解决基于机器学习的电力系统暂态稳定评估通常存在误分类,导致系统出现不可预测风险的问题,提出一种考虑误分类约束的电力系统暂态稳定评估方法。首先,通过自适应综合过采样算法对输入数据进行过采样处理。然后,采用群体最大信息系数进行数据降维。最后,基于伞式奈曼-皮尔逊分类器构建电力系统暂态稳定评估模型。在新英格兰10机39节点系统及1 648节点系统上的测试结果表明,所提方法的评估性能强于传统机器学习方法,且对漏判率有更好的限制效果,具有一定的实际应用价值。