基于累积贡献率和可解释人工智能的静态电压稳定裕度估计特征量筛选方法
Electric Power Automation Equipment（2023）
Abstract
利用海量量测数据估计大规模互联电网静态电压稳定裕度时,合理地选择输入量测信号和裕度估计算法是实现高质量裕度估计的基础.提出了一种基于累积贡献率和可解释人工智能的关键特征量筛选方法.给出了基于沙普利值加性解释理论可解释模型的输入特征贡献值量化方法,并依据贡献值大小对特征降序排列;采用基于累积贡献率增量的循环优化过程剔除冗余特征,形成关键特征子集;在系统关键特征优选的基础上,采用轻量梯度提升机算法实现静态电压稳定裕度在线估计.所提方法在保证估计精度的同时,大幅降低初始样本维度,解决特征过拟合问题,有效提升静态电压稳定裕度估计在线性能.基于WECC 3机9节点系统、IEEE 10机39节点系统以及IEEE 300节点系统的仿真分析验证了所提关键特征量筛选方法在电力系统静态电压稳定裕度估计中的有效性.
MoreTranslated text
Key words
static voltage stability margin,cumulative contribution rate increment,explainable artificial intelligence,light gradient Boosting machine,critical feature selection
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined