一种基于决策树分类的负荷模型参数校验方法技术

本发明专利技术涉及一种基于决策树分类的负荷模型参数校验方法，包括以下步骤：1)得到负荷节点的负荷模型参数及相应负荷节点在扰动时电压、电流、有功和无功的动态特征曲线；2)将负荷模型参数区间离散化；3)得到最终特征段shapelet，及相应的分裂点dbsp；4)选取信息增益最大的最终特征段shapelet作为最好特征段shapelet；5)将所有样本划分数据子集；6)判断所有样本是否都正确分类，如果没有都正确分类则转步骤7)，否则转步骤8)；7)分别对D1和D2中的样本进行判断，并转步骤3)进行迭代搜索；8)运用C4.5算法依次得到pct，s0，R2的决策树模型；9)采用10折交叉验证的方式对所得决策树的分类准确度进行测试，进而得到负荷模型参数校验模型整体的准确度。

【技术实现步骤摘要】

本专利技术涉及一种负荷模型参数校验方法，特别是关于一种在电力系统领域中使用的基于决策树分类的负荷模型参数校验方法。
技术介绍
电力系统负荷模型结构和参数对系统仿真结果具有重要影响。负荷模型结构、负荷模型参数辨识以及负荷模型参数校验是负荷建模的三个主要方面。而当前负荷建模的研究主要集中在负荷模型参数的辨识。负荷模型参数的辨识本质是曲线拟合，即针对某一负荷模型结构在负荷参数空间搜索得到一组参数可以最好的拟合输入与输出之间的关系，因此，负荷模型参数的辨识所得结果仍需进一步校验。传统负荷模型参数的校验主要通过负荷模型参数辨识所得曲线与仿真曲线对比来实现，这样，针对某一故障情况下所得负荷模型参数不一定适用于其他故障情形，因此传统负荷模型参数校验存在一定的缺陷。随着广域测量系统(Wide Area Measurement System，WAMS)的发展，PMU数据为负荷模型参数的辨识提供了又一数据来源，同时利用这些数据结合数据挖掘的方法和思路可以实现负荷模型参数的校验。考虑到负荷模型参数辨识的主要思路是在电压作为输入的情况下，通过拟合功率的输出来得到相应的负荷模型参数，借鉴这一思路，负荷模型参数与动态特征之间应该存在一定的联系。因此，亟需通过挖掘负荷模型参数与动态响应曲线之间的关系，来实现在发生故障情况下，正确进行负荷模型参数校验。
技术实现思路
针对上述问题，本专利技术的目的是提供一种基于决策树分类的负荷模型参数校验方法，其通过数据挖掘的方法得到负荷模型参数与负荷节点在发生扰动后动态响应曲线之间的统计关系。为实现上述目的，本专利技术采取以下技术方案：一种基于决策树分类的负荷模型参数校验方法，其特征在于它包括以下步骤：1)通过系统仿真结果得到负荷节点的负荷模型参数以及相应负荷节点在扰动时电压曲线、电流曲线、有功曲线和无功曲线的动态特征曲线，进而得到包含N个样本的数据集D；2)将负荷模型参数进行区间离散化，负荷模型参数主要包括负荷模型参数中动静负荷比例pct，转子侧电阻R2以及初始滑差s0三个参数，根据各参数总的变化区间分别得到其具体的离散区间以及类别编号；3)根据所得类别编号，分别从电压曲线、电流曲线、有功曲线和无功曲线中得到最终的特征段shapelet，及相应的分裂点dbsp；4)从步骤3)中电压曲线对应的最终特征段shapelet、电流曲线对应的最终特征段shapelet、有功曲线对应的最终特征段shapelet和无功曲线对应的最终特征段shapelet，选取信息增益最大的最终特征段shapelet作为最好特征段shapelet；5)计算所有样本与最好特征段shapelet之间的距离，并根据相应的分裂点dbsp，将所有样本划分为D1和D2两部分数据集；6)判断所有样本是否都正确分类，如果没有都正确分类则进入步骤7)，否则进入步骤8)；7)分别判断D1和D2中的样本是否属于同一类，如果D1中样本不属于同一类则令D＝D1进入步骤3)进行迭代搜索，否则停止迭代；如果D2中样本不属于同一类则令D＝D2进入步骤3)进行迭代搜索，否则停止迭代；8)计算N个样本与迭代搜索所得所有最好特征段shapelet的距离，然后将各距离作为分类属性，运用C4.5算法依次得到pct，s0，R2的决策树模型；9)为验证决策树模型的有效性，采用10折交叉验证的方式对所得决策树的分类准确度进行测试，分别得到pct,s0以及R2的模型准确度，进而得到负荷模型参数校验模型整体的准确度。优选地，所述步骤3)中，以电压曲线为例，得到最终的特征段shapelet，及相应的分裂点dbsp的步骤如下：(3.1)从N个样本中选取所有长度在[minlen,maxlen]之间的子序列，由此得到候选特征段shapelet的个数为： Σ l = min l e n l = max l e n Σ i = 1 N ( m i - l + 1 ) , ]]>其中，mi为第i个样本时间序列长度，minlen和maxlen均为预先设定值；(3.2)通过下面公式计算各候选特征段shapelet s与所有样本T之间的距离d(s,T)，其中，第i个样本与第j个候选特征段shapelet之间的距离记为d(sj,Ti)； d ( s , T ) = m i n t ∈ T ( Σ i = 1 l e n g t h ( s ) ( s i - t i ) 2 ) 1 2 , ]]>其中，length(s)表示候选特征段shapelet s的长度；(3.3)针对每个候选特征段shapelet，根据d(sj,Ti)，依次选择任意两个临近点距离的平均值作为分裂点距离dsp，计算得到在不同分裂点距离情况下该候选特征段shapelet的信息增益值；(3.4)选取最大的信息增益作为该候选shapelet的信息增益，并且此时分裂点为dbsp；(3.5)选取信息增益最大的候选特征段shapelet为最终特征段shapelet。优选地，所述步骤(3.3)中，候选特征段shapelet的信息增益值计算步骤如下：(a)对于包含m个类别且第j类样本比例为pj的数本文档来自技高网...

【技术保护点】
一种基于决策树分类的负荷模型参数校验方法，其特征在于：它包括以下步骤：1)通过系统仿真结果得到负荷节点的负荷模型参数以及相应负荷节点在扰动时电压曲线、电流曲线、有功曲线和无功曲线的动态特征曲线，进而得到包含N个样本的数据集D；2)将负荷模型参数进行区间离散化，负荷模型参数主要包括负荷模型参数中动静负荷比例pct，转子侧电阻R2以及初始滑差s0三个参数，根据各参数总的变化区间分别得到其具体的离散区间以及类别编号；3)根据所得类别编号，分别从电压曲线、电流曲线、有功曲线和无功曲线中得到最终的特征段shapelet，及相应的分裂点dbsp；4)从步骤3)中电压曲线对应的最终特征段shapelet、电流曲线对应的最终特征段shapelet、有功曲线对应的最终特征段shapelet和无功曲线对应的最终特征段shapelet，选取信息增益最大的最终特征段shapelet作为最好特征段shapelet；5)计算所有样本与最好特征段shapelet之间的距离，并根据相应的分裂点dbsp，将所有样本划分为D1和D2两部分数据集；6)判断所有样本是否都正确分类，如果没有都正确分类则进入步骤7)，否则进入步骤8)；7)分别判断D1和D2中的样本是否属于同一类，如果D1中样本不属于同一类则令D＝D1进入步骤3)进行迭代搜索，否则停止迭代；如果D2中样本不属于同一类则令D＝D2进入步骤3)进行迭代搜索，否则停止迭代；8)计算N个样本与迭代搜索所得所有最好特征段shapelet的距离，然后将各距离作为分类属性，运用C4.5算法依次得到pct，s0，R2的决策树模型；9)为验证决策树模型的有效性，采用10折交叉验证的方式对所得决策树的分类准确度进行测试，分别得到pct,s0以及R2的模型准确度，进而得到负荷模型参数校验模型整体的准确度。...

【技术特征摘要】
1.一种基于决策树分类的负荷模型参数校验方法，其特征在于：它包括以下步骤：1)通过系统仿真结果得到负荷节点的负荷模型参数以及相应负荷节点在扰动时电压曲线、电流曲线、有功曲线和无功曲线的动态特征曲线，进而得到包含N个样本的数据集D；2)将负荷模型参数进行区间离散化，负荷模型参数主要包括负荷模型参数中动静负荷比例pct，转子侧电阻R2以及初始滑差s0三个参数，根据各参数总的变化区间分别得到其具体的离散区间以及类别编号；3)根据所得类别编号，分别从电压曲线、电流曲线、有功曲线和无功曲线中得到最终的特征段shapelet，及相应的分裂点dbsp；4)从步骤3)中电压曲线对应的最终特征段shapelet、电流曲线对应的最终特征段shapelet、有功曲线对应的最终特征段shapelet和无功曲线对应的最终特征段shapelet，选取信息增益最大的最终特征段shapelet作为最好特征段shapelet；5)计算所有样本与最好特征段shapelet之间的距离，并根据相应的分裂点dbsp，将所有样本划分为D1和D2两部分数据集；6)判断所有样本是否都正确分类，如果没有都正确分类则进入步骤7)，否则进入步骤8)；7)分别判断D1和D2中的样本是否属于同一类，如果D1中样本不属于同一类则令D＝D1进入步骤3)进行迭代搜索，否则停止迭代；如果D2中样本不属于同一类则令D＝D2进入步骤3)进行迭代搜索，否则停止迭代；8)计算N个样本与迭代搜索所得所有最好特征段shapelet的距离，然后将各距离作为分类属性，运用C4.5算法依次得到pct，s0，R2的决策树模型；9)为验证决策树模型的有效性，采用10折交叉验证的方式对所得决策树的分类准确度进行测试，分别得到pct,s0以及R2的模型准确度，进而得到负荷模型参数校验模型整体的准确度。2.如权利要求1所述的一种基于决策树分类的负荷模型参数校验方法，其特征在于：所述步骤3)中，以电压曲线为例，得到最终的特征段shapelet，及相应的分裂点dbsp的步骤如下：(3.1)从N个样本中选取所有长度在[minlen,maxlen]之间的子序列，由此得到候选特征段shapelet的个数为： Σ l = min l e n l = max l e n Σ i = 1 N ( m i - l + 1 ) , ]]>其中，mi为第i个样本时间序列长度，minlen和maxlen均为预先设定值；(3.2)通过下面公式计算各候选特征段shapelet s与所有样本T之间的距离d(s,T)，其中，第i个样本与第j个候选特征段shapelet之间的距离记为d(sj,Ti)； d ( s , T ) = m i n t ∈ T ( Σ i = 1 l e n g t ...

【专利技术属性】
技术研发人员：陆超，王颖，苏寅生，黄河，刘映尚，韩英铎，
申请(专利权)人：清华大学，中国南方电网有限责任公司，
类型：发明
国别省市：北京;11