一种具有专家引导神经回归树的电力系统暂态稳定可解释评估方法
系统与控制
2024-04-04 v1 机器学习
系统与控制
摘要
基于深度学习的暂态稳定评估（TSA）取得了巨大成功，但缺乏可解释性阻碍了其工业应用。尽管大量研究试图探索网络解决方案的可解释性，但仍有许多问题未解决：（1）广泛接受的电力系统知识与生成的解释规则之间存在较大差异；（2）生成解释规则时未充分考虑神经网络的概率特性；（3）准确性与可解释性之间的权衡成本过高。为解决这些问题，提出了一种具有专家引导神经回归树的可解释电力系统暂态稳定评估方法（TSA-ENRT）。TSA-ENRT利用专家引导非线性回归树逼近神经网络预测，神经网络可通过树模型生成的解释规则进行解释。专家引导非线性回归树的非线性由从简单两机三母线电力系统提取的知识赋予，形成专家知识库，从而使生成的解释规则更符合人类认知。此外，专家引导树模型可以以回归方式在解释规则与神经网络概率预测之间建立桥梁。通过用ENRT的平均决策长度正则化神经网络，在模型训练层面构建神经网络与树模型的关联，从而在准确性与可解释性之间提供更好的权衡。大量实验表明，TSA-ENRT生成的解释规则与神经网络预测高度一致，且更符合人类专家认知。
引用
@article{arxiv.2404.02555,
title = {An Interpretable Power System Transient Stability Assessment Method with Expert Guiding Neural-Regression-Tree},
author = {Hanxuan Wang and Na Lu and Zixuan Wang and Jiacheng Liu and Jun Liu},
journal= {arXiv preprint arXiv:2404.02555},
year = {2024}
}