[发明专利]一种电力系统备用不足风险场景辨识方法

权利要求书

1.一种电力系统备用不足风险场景辨识方法，其特征在于，包括以下步骤：

S1：根据历史数据构建样本集合，选取影响正负备用的样本特征，得到候选的样本特征集合；设置样本集合中各样本的正、负备用不足风险类别标记，根据候选的样本特征集合和风险类别标记构建初始样本集；

S2：根据初始样本集，利用互信息法分别计算各个样本的样本特征X和风险类别标记Y之间的互信息，筛选互信息较大的样本特征作为训练样本特征，构建训练样本集D；

S3：基于训练样本特征和训练样本集D构建基于CART准则的决策树模型，采用连续型特征数据处理方法对取值为连续值的训练样本特征进行离散处理，根据训练样本集D在各个训练样本特征划分下的基尼指数确定决策树模型的最优划分特征；

S4：基于步骤S2构建的训练样本集D和步骤S3构建的基于CART准则的决策树模型，采用交叉验证法选取最优叶节点最小样本数；

S5：利用步骤S2构建的训练样本集D对步骤S3构建的基于CART准则的决策树模型进行训练从而生成二分类决策树T_s1，并利用步骤S4获得的最优叶节点最小样本数对决策树模型进行参数设置，经过多次训练生成带纠错机制的决策树序列T_st＝{T_s1,T_s2,…,T_sn}；

S6：采用迭代式后剪枝法对步骤S5生成的决策树序列T_st进行剪枝，最终生成最优的带纠错编码的决策树序列T_op；

S7：根据最优的带纠错机制的决策树序列T_ops，对带纠错机制的决策树模型进行评估，采用预测精度、查准率、查全率和F1度量对决策树模型进行评估；F1度量表示查准率和查全率综合评估的指标，其中，Pre表示查准率，Rec表示查全率；

S8：利用评估后的决策树模型进行电力系统备用不足风险场景辨识。

2.如权利要求1所述的电力系统备用不足风险场景辨识方法，其特征在于：所述步骤S1中，根据正负备用不足的功率计算公式选取影响正负备用的样本特征，方法如下：

正备用不足的功率计算公式：

负备用不足的功率计算公式：

公式(1)和(2)中，表示火电机组发电功率上限，表示火电机组发电功率下限，PD_t为负荷，P_l,t为联络线功率，为新能源功率概率预测值，为电力系统正备用容量，电力系统负备用容量，是计算出的正备用不足功率值，是计算出的负备用不足功率值；新能源功率概率预测值包括风电功率概率预测值和光伏功率概率预测值；

选取火电机组发电功率上限、火电机组发电功率下限、负荷、联络线功率、风电功率不同置信度水平下的概率预测值、光伏功率不同置信度水平下的概率预测值、电力系统正备用容量、电力系统负备用容量为样本特征。

3.如权利要求1或2所述的电力系统备用不足风险场景辨识方法，其特征在于：所述步骤S1中，设置样本集合中各样本的正、负备用不足风险类别标记的方法如下：

当样本正备用不足功率值大于0时，则该样本正备用不足风险类别标记为1，否则为0；当样本负备用不足功率值大于0时，则该样本负备用不足风险类别标记为1，否则为0。

4.如权利要求1或2所述的电力系统备用不足风险场景辨识方法，其特征在于：所述步骤S2中，样本特征X和风险类别标记Y之间的互信息量计算公式如下：

其中，p(x,y)是变量X和变量Y的联合概率分布函数，而p(x)是变量X的边缘概率分布函数；p(y)分别是变量Y的边缘概率分布函数，I(X；Y)表示变量X和变量Y的互信息量；互信息用来评价一个事件的出现对于另一个事件的出现所贡献的信息量。