[发明专利]一种基于可信性集成学习的电力系统扰动后频率预测方法有效
| 申请号： | 201811332574.3 | 申请日： | 2018-11-09 |
| 公开（公告）号： | CN109389253B | 公开（公告）日： | 2022-04-15 |
| 发明（设计）人： | 陈振;韩晓言;张华;常晓青;范成围;陈刚;史华勃;王曦;刘畅 | 申请（专利权）人： | 国网四川省电力公司电力科学研究院;国家电网有限公司 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06Q50/06 |
| 代理公司： | 成都行之专利代理事务所(普通合伙) 51220 | 代理人： | 熊曦 |
| 地址： | 610000 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于可信性集成学习的电力系统扰动后频率预测方法，所述方法包括：步骤1：提取刻画电力系统频率特性的关键特征量，构建电力系统频率预测样本集；对样本集归一化处理，并随机划分为训练样本集和测试样本集；步骤2：基于训练样本集及其关键特征量，通过自助采样法和随机子空间法采样生成新的样本子集，并利用超限学习机训练生成多个基学习器；步骤3：利用可信性集成方法预测电力系统扰动后的频率特性，并在测试样本集中进行性能测试；本申请中的方法兼具频率预测的快速性、准确性和可靠性，可将基于数据模型和物理模型的频率分析方法有效融合。 | ||
| 搜索关键词： | 一种 基于 可信性 集成 学习 电力系统 扰动 频率 预测 方法 | ||
【主权项】：
1.一种基于可信性集成学习的电力系统扰动后频率预测方法，其特征在于，所述方法包括：步骤1：提取刻画电力系统频率特性的关键特征量，构建电力系统频率预测样本集；对样本集归一化处理，并随机划分为训练样本集和测试样本集；步骤2：基于训练样本集及其关键特征量，通过自助采样法和随机子空间法采样生成新的样本子集，并利用超限学习机训练生成多个基学习器；步骤3：利用可信性集成方法预测电力系统扰动后的频率特性，并在测试样本集中进行性能测试。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网四川省电力公司电力科学研究院;国家电网有限公司，未经国网四川省电力公司电力科学研究院;国家电网有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811332574.3/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
