采用新型 GHM 增强型 CatBoost 算法的电力系统数据驱动暂态稳定性评估
系统与控制
2024-10-29 v1 系统与控制
摘要
本研究引入了一种先进的电力系统暂态稳定性评估方法，通过一种新颖的 CatBoost 算法框架解决了样本类别不平衡和数据噪声的挑战。通过引入梯度协调机制，该方法通过为每个样本引入一个协调参数来调整样本间的梯度范数分布，从而优化各种样本类型的梯度权重。这种增强使得 CatBoost 算法的训练更加有效，减少了类别不平衡和噪声的负面影响，并提升了算法性能。此外，CatBoost 框架的特征重要性功能指导了相量测量单元的配置，促进了电力系统的经济运行。来自 New England 10机39节点系统的数值结果证明，与现有技术相比，所提出的方法具有优越的通用性、更低的应用成本和维护费用。
引用
@article{arxiv.2410.19876,
title = {Data-Driven Transient Stability Assessment of Power Systems with a Novel GHM-Enhanced CatBoost Algorithm},
author = {Zheheng Wang},
journal= {arXiv preprint arXiv:2410.19876},
year = {2024}
}
备注
10 pages, 6 figures