基于两阶段集成学习的风电异常数据识别方法

    公开(公告)号:CN105069476B

    公开(公告)日:2018-12-11

    申请号:CN201510484365.0

    申请日:2015-08-10

    IPC分类号: G06K9/62

    摘要: 本发明公开了一种基于两阶段集成学习的风电异常数据识别方法,包括以下步骤:S1:提取风电异常数据参数;S2:根据所述风电异常数据参数生成训练样本和测试样本;S3:利用随机森林训练所述训练样本得到随机森林模型:S4:根据所述随机森林模型,利用梯度迭代决策树训练所述训练样本得到梯度迭代决策树模型;以及S5:根据所述随机森林模型和所述梯度迭代决策树模型分别预测所述测试样本得到预测结果。本发明具有如下优点:提高了风电异常数据识别的准确率。

    基于两阶段集成学习的风电异常数据识别方法

    公开(公告)号:CN105069476A

    公开(公告)日:2015-11-18

    申请号:CN201510484365.0

    申请日:2015-08-10

    IPC分类号: G06K9/62

    摘要: 本发明公开了一种基于两阶段集成学习的风电异常数据识别方法,包括以下步骤:S1:提取风电异常数据参数;S2:根据所述风电异常数据参数生成训练样本和测试样本;S3:利用随机森林训练所述训练样本得到随机森林模型:S4:根据所述随机森林模型,利用梯度迭代决策树训练所述训练样本得到梯度迭代决策树模型;以及S5:根据所述随机森林模型和所述梯度迭代决策树模型分别预测所述测试样本得到预测结果。本发明具有如下优点:提高了风电异常数据识别的准确率。

    基于起振特性的强迫振荡扰动源识别和解列方法

    公开(公告)号:CN104269866B

    公开(公告)日:2016-09-07

    申请号:CN201410275675.7

    申请日:2014-06-19

    IPC分类号: H02J3/24 G01R31/08

    CPC分类号: Y02E60/728 Y04S10/265

    摘要: 本发明公开了一种基于起振特性的强迫振荡扰动源识别和解列方法,属于电力系统紧急调控技术领域。本发明将强迫振荡的起振特性与扰动源定位能量函数法相结合,从多个疑似扰动源区域中识别出正确位置,如扰动源区域满足电能供需平衡的条件且非扰动源区域中不存在孤岛,即可解列扰动源所在区域与系统间的联络断面线路;否则将识别出的扰动源所在区域作为初始孤岛并对孤岛邻接节点进行搜索,调整联络断面直至满足电能供需平衡且解列后余下电网连通的条件。本发明解决了强迫振荡控制的扰动源定位的难题,利用本发明方法可以在检测到振荡发生时实时给出解列控制措施,对抑制振荡、保障互联电力系统的稳定运行有着重大意义。