一种考虑样本不平衡的电热耦合综合能源系统状态识别方法技术方案

本发明专利技术公开了一种考虑样本不平衡的电热耦合综合能源系统状态识别方法，包括：通过电热耦合综合能源系统仿真模型模拟不同时刻的电热耦合综合能源系统状态；以电热耦合综合能源系统在不同运行状态下的运行数据为状态量，构建状态样本集；利用Borderline

【技术实现步骤摘要】
一种考虑样本不平衡的电热耦合综合能源系统状态识别方法


[0001]本专利技术属于电力系统状态识别领域，涉及Borderline
‑
SMOTE算法和XGBoost模型，具体涉及一种考虑样本不平衡的电热耦合综合能源系统状态识别方法。

技术介绍

[0002]随着能源互联网研究的不断深入，打破各供能系统独立运行的既有模式，实现多种能源形式的协同供应，是未来供能系统的发展趋势。综合能源系统作为能源互联网的关键节点，其灵活的运行方式受到了广泛的关注。综合能源系统是将电、气、热等能源的生产、传输及消费结合在一起的多能互补耦合系统，它的组成主要有供能网络，能源交换环节、能源储存环节以及用能终端。不同形式的能源系统通过能源交换环节耦合，一方面，不同能源网络的紧密联系促进了不同能源的协同互补，提高了能源的利用效率，并且由于能源之间的耦合，对于需求侧而言相当于增加了能源供给点，增强了供能可靠性；另一方面，由于供能系统的多能耦合，能量的相互流动导致系统的状态变化相互影响，子系统本身或者其他子系统的状态变化，都有可能使该子系统的状态发生变化。因此，研究统一识别综合能源系统的运行状态的方法，建立有效且准确性强的状态识别模型，准确区分负荷变化状态和设备故障状态，定位引起状态变化的子系统，对综合能源系统的稳定运行具有重要意义。
[0003]目前对于综合能源系统的研究主要集中在多能流计算、优化调度以及可靠性评估，而对于其状态识别研究较少，主要如下：
[0004](1)单一能源子系统的状态识别
[0005]对于电网等单个能源子系统状态识别，主要基于数据驱动和人工智能的方法。这类方法利用历史数据和实时数据构建数据库，从输入数据中提取相关特征，选取最优特征，形成训练样本集，进而建立相应的状态识别训练模型，将测试数据输入训练好的模型，判断得出系统所处的状态，实现可靠的状态识别。卫志农等人利用双向长短期记忆网络识别电网故障状态并验证其识别的可靠性，然而由于综合能源系统的紧密耦合，若电网发生故障，将影响耦合元件的状态，进而导致天然气网和热网的状态发生变化。
[0006](2)各子系统间的交互影响
[0007]对各子系统间交互影响的分析，主要采用模拟法模拟发生的故障，并对故障导致的系统整体运行状态进行分析。苏洁莹等人考虑电
‑
气互联网络的相依特性，分析了电网与气网在不同耦合程度时故障在两网间的传播特性，评估其交互影响程度；葛少云等人分析了重要耦合元件燃气冷热电三联供装置故障造成供能中断对综合能源系统的影响；董晓晶等人对电热耦合综合能源系统进行各元件的故障影响分析。上述研究主要针对元件设备故障后各系统间的交互影响，并未更进一步对系统状态进行统一识别。

技术实现思路

[0008]专利技术目的：为了克服现有技术中存在的不足，提供一种考虑样本不平衡的电热耦合综合能源系统状态识别方法，用于区分系统正常的负荷变化状态和异常的设备故障状
态，并对异常状态识别出发生故障的设备。
[0009]技术方案：为实现上述目的，本专利技术提供一种考虑样本不平衡的电热耦合综合能源系统状态识别方法，包括如下步骤：
[0010]S1：通过建立的电热耦合综合能源系统仿真模型模拟不同时刻的电热耦合综合能源系统状态；
[0011]S2：以电热耦合综合能源系统在不同运行状态下的运行数据为状态量，构建状态样本集；
[0012]S3：利用Borderline
‑
SMOTE算法对少数类样本的运行状态量进行过采样，获得均衡化的状态样本集；
[0013]S4：以均衡化的状态样本集为输入，以不同电热耦合综合能源系统运行状态为输出，训练基于XGBoost算法构建的多分类模型，得到用于状态识别的XGBoost分类模型；
[0014]S5：通过XGBoost分类模型对电热耦合综合能源系统的状态进行识别。
[0015]进一步地，所述步骤S2中电热耦合综合能源系统的不同运行状态包括系统在不同时刻下的正常运行状态、负荷变化状态、设备故障状态；运行数据为对应状态下能流计算结果中的电网支路有功功率以及热网管道流量。
[0016]进一步地，所述步骤S3具体包括如下过程：
[0017]Ω为总样本集，X为其中样本数量偏少的某类运行状态数据集，对于X中的每一个样本X
i
＝{f1,f2,...,f
l
,...,f
L
}，其中f
l
(1≤l≤L)表示该状态下一个电网支路有功功率或热网管道流量，L为电网支路和热网管道数量之和；
[0018]利用计算欧氏距离得到X
i
在总样本集Ω中的k近邻样本集S，S
j
(1≤j≤k)为S中样本，若样本集S中属于X数据集的样本少于不属于X数据集的样本，则该样本X
i
为边界样本集中的一个样本，以此类推，建立边界样本集D，对于D中的每一个样本D
i
，按照如下公式构建新样本：
[0019]D
i
'＝D
i
+rand(0,1)*(D
k
‑
D
i
)
[0020]其中，D
k
为样本D
i
在边界样本集D中的k近邻，D
i
'为构建的新样本，D
i
'为加入到原有样本集X中得到更新后的样本集，重复上述工作直到样本数量均衡，最终得到均衡化的总样本集N。
[0021]进一步地，所述步骤S4中XGBoost分类模型的获取包括：
[0022]对于均衡化的总样本集N进行标准化处理，划分得到训练集N'和测试集M'，利用训练集N'训练XGBoost模型，模型输入为：N'＝{N'1,N'2,...,N'
n
}，n为样本数量；
[0023]以相应的系统运行状态(包括正常状态、负荷变化、设备故障在内共29个)作为模型训练的理论输出，表示为：Y＝{Y1,Y2,...,Y
n
}，Y
i
为系统运行状态编码，为[1,29]的自然数。
[0024]进一步地，所述步骤S4中XGBoost分类模型进行过参数优化，具体为：
[0025]选取需要优化的参数：决策树数量、树的最大深度、最小叶子节点样本权重和学习率；
[0026]给定参数的初始值、寻优范围、寻优步长；
[0027]利用网格搜索法结合交叉验证寻优，得到模型的最优参数组合。
[0028]本专利技术为统一识别多能耦合系统的运行状态，定位引起状态变化的子系统，在单
个能源子系统状态识别研究现状的基础上，建立了电热耦合综合能源系统的状态识别模型。以系统在不同运行状态下的电网支路有功功率和热网管道流量为状态量，构建样本集，采用Borderline
‑
SMOTE算法解决样本类别不均衡问题，并基于XGBoost算法构建多分类模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑样本不平衡的电热耦合综合能源系统状态识别方法，其特征在于，包括如下步骤：S1：通过建立的电热耦合综合能源系统仿真模型模拟不同时刻的电热耦合综合能源系统状态；S2：以电热耦合综合能源系统在不同运行状态下的运行数据为状态量，构建状态样本集；S3：利用Borderline
‑
SMOTE算法对少数类样本的运行状态量进行过采样，获得均衡化的状态样本集；S4：以均衡化的状态样本集为输入，以不同电热耦合综合能源系统运行状态为输出，训练基于XGBoost算法构建的多分类模型，得到用于状态识别的XGBoost分类模型；S5：通过XGBoost分类模型对电热耦合综合能源系统的状态进行识别。2.根据权利要求1所述的一种考虑样本不平衡的电热耦合综合能源系统状态识别方法，其特征在于，所述步骤S2中电热耦合综合能源系统的不同运行状态包括系统在不同时刻下的正常运行状态、负荷变化状态、设备故障状态；运行数据为对应状态下能流计算结果中的电网支路有功功率以及热网管道流量。3.根据权利要求1所述的一种考虑样本不平衡的电热耦合综合能源系统状态识别方法，其特征在于，所述步骤S3具体包括如下过程：Ω为总样本集，X为其中样本数量偏少的某类运行状态数据集，对于X中的每一个样本X
i
＝{f1,f2,...,f
l
,...,f
L
}，其中f
l
(1≤l≤L)表示该状态下一个电网支路有功功率或热网管道流量，L为电网支路和热网管道数量之和；利用计算欧氏距离得到X
i
在总样本集Ω中的k近邻样本集S，S
j
(1≤j≤k)为S中样本，若样本集S中属于X数...

【专利技术属性】
技术研发人员：梅飞，裴鑫，张晓光，华昊辰，余昆，甘磊，陈星莺，
申请(专利权)人：河海大学，
类型：发明
国别省市：