基于决策树的电力系统实时动态安全评估方法研究

电力需求增长和电力市场管制的压力下,电力系统必须通过缩小运行安全裕度,以使其运行接近稳定极限,为系统实时安全指标提供充足的时间进行分析、决策和准确地实施补救控制,提出了一种对称不确定性(SU)算法和逻辑模型树(LMT)算法分别作为特征选择的高级分类器和决策树分类器,该方法利用对称不确定性(SU)来降低基于决策树分类器的动态安全评估(DSA)工具中的数据冗余。结果表明,SU显著降低了DSA数据集的维数,对于改进的IEEE 30总线测试系统模型的DSA,SU算法可以减少30.76%的计算时间,而LMT算法的精度可以提高到100%,同时提高了决策树分类器的性能。基于SU的决策树分类器能够近实时地评估系统的动态安全性。该方法对电力系统实时保护和控制应用具有一定的参考价值。