[发明专利]一种基于决策树辨识风电接入系统关键设备的方法

摘要

本发明公开一种基于决策树辨识风电接入系统关键设备的方法。该方法包括：通过计算N次连锁故障的概率和N次连锁故障的停电规模，确定VaR指标的目标阈值，然后将N次连锁故障仿真数据采用递归方式生成决策树并分析，筛选决策树中符合要求的叶子节点，选取叶子节点所在的路径中的一个属性变量作为待定关键属性变量，对应的控制设备为待定关键设备，通过待定关键设备减少待定关键属性变量在所述路径中出现的概率，对进行控制后的系统进行停电风险评估，风险指标值满足要求，控制完成，仿真停止，证实该属性变量为关键设备。采用本发明方法可以分析除系统传输线路以外的关键停电因素，从分析结果中可以得到“关键故障集”，适用于含风电场的电力系统。

主权项

1.一种基于决策树辨识风电接入系统关键设备的方法，其特征在于，所述方法包括：对电力系统进行仿真，根据仿真结果计算系统产生初始故障的概率和风电场风电机组的状态转换概率，计算第i次连锁故障的概率p_i，i取值范围为1≤i≤N，得到N次连锁故障的概率；计算第i次连锁故障的停电规模x_i,1≤i≤N，得到N次连锁故障的停电规模；确定停电风险指标VaR的目标阈值；将连锁故障仿真结果得到的训练样本N次连锁故障的停电规模按照样本属性、样本类别采用递归方式生成决策树；所述样本属性包括仿真结束时每条线路的运行状态和风电场的脱网功率，所述线路的运行状态为离散属性变量，取值第一变量值代表线路断开状态，取值第二变量值代表线路运行状态；所述风电场脱网功率为连续属性变量，取值为脱网功率值；所述样本类别包括两类：一类为“当次仿真失负荷量低于或等于VaR指标的目标阈值”，类别变量取值为第一变量值；另一类是“当次仿真失负荷量高于VaR指标的目标阈值”，类别变量取值为第二变量值；筛选所述决策树中类别变量值为第二变量值且节点概率高于设定值的叶子节点，所述节点概率为归属到所述叶子节点内的所有样本的概率和；所述叶子节点所在的路径有多个属性变量，从所述路径中根据特定原则选取一个属性变量作为待定关键属性变量，所述待定关键属性变量对应的控制设备为待定关键设备；减少所述待定关键属性变量在所述路径中出现的概率；对减少所述待定关键属性变量在所述路径中出现的概率后的系统进行仿真，根据仿真结果进行停电风险评估，风险指标值未满足要求，返回执行“筛选所述决策树中类别变量值为第二变量值且第i次连锁故障的概率高于设定值的叶子节点”的步骤；否则控制完成，所述仿真停止，将所述待定关键设备确定为关键设备。