[发明专利]一种电压稳定评估的训练集循环分裂训练方法

权利要求书

1.一种电压稳定评估的训练集循环分裂训练方法，其特征在于：将高效样本集采用十倍交叉验证法分为训练集和测试集，将其送入到伞式NP分类器中进行模型离线训练，基于伞式算法对多种传统分离器进行改造，得到一系列对应NP分类器的伞式NP分类器；

在模型训练阶段，在保证总体分类精度的前提下，根据一类分类错误和二类分类错误性质的不同基于伞式NP分类器对一类误分类错误设置一类分类错误阈值上限α进行约束，并且通过设置训练集循环分裂训练次数M控制每种NP分类器的训练模式，获得一系列子NP分类器，并对各种类型的NP分类器的子NP分类器采用加权投票方式获得各NP分类器的稳定不稳定分类结果，从而优化VSA模型的分类性能。

2.根据权利要求1所述的方法，其特征在于，所述伞式算法包括以下步骤：

步骤1)根据设定的M，对训练集中的0类样本S⁰进行二等份随机分裂得到样本和样本结合1类样本S¹用于基本分类器；

步骤2)用于分类器计算违章率上限υ(k)如公式(7)所示，计算每个样本等级阈值k^*如公式(8)；将结合S¹训练各分类器(如RF)得分函数f_i：

式中：α为一类分类错误阈值，

k^*＝min{k∈(1,...,n):υ(k)≤δ}                   (8)

式中：δ为一类分类错误阈值的违规率；

步骤3)将f_i应用于得到一组分数阈值候选项τ_i如公式(9)，且将τ_i中元素按公式(10)递增顺序排序得到sort(τ_i)，并找到等级阈值k^*对应的分数阈值如公式(11)：

τ_i＝{t_i,1,...,t_i,n}＝{f_i(x₁),...,f_i(x_n)}               (9)

sort(τ_i)＝{t_i,(1),...,t_i,(n)}                  (10)

步骤4)基于得分函数和阈值如公式(12)所示构造NP分类器：

步骤5)重复步骤1)至4)，将训练集进行循环分裂训练M次，构造M多个NP分类器，将一类分类错误结果按照公式(13)加权投票的集成方法作为最终结果输出：

3.根据权利要求2所述的方法，其特征在于，其中S⁰指的是不稳定判定为稳定的误分类样本；S¹指的是稳定判定为不稳定的误分类样本。

4.一种用于电压稳定评估中特性选择过程的特征选择方法，其特征在于：结合具有线性关系探索功能的PCC和具有非线性关系探索功能的MIC作为特征选择方法，探索运行变量与电压稳定指标之间的线性关系和非线性关系，确保筛选出有效性的关键运行变量，构建高效样本集；所述运行变量包括发电机的有功和/或无功功率、支路的有功和/或无功功率、电压幅值；

将电力系统第i个运行点的各个特征及其对应VSI构建特征描述集合F的一个行向量F_i＝{x₁,x₂,...,x_m,y_i}(1≤i≤m)，则n种运行工况运行数据的特征描述集合F＝{X₁,X₂,...,X_m,Y}，其中X_k为各种运行工况下的同一个特征量构成的列向量(1≤k≤n)，Y＝{y₁,y₂,...,y_n}代表个运行工况的VSI集合，对各种运行工况的运行数据变量集合X和对应的VSI集合Y分别采用PCC及MIC检测各运行变量与VSI之间的相关性，分别筛选出与VSI高度相关的高排名的线性关系运行变量及非线性运行变量。