基于机器学习的电力系统级联失效预测

级联失效研究有助于评估和提升电力系统抵御严重停电的鲁棒性。失效发生时间是分析和管理电力系统稳定性和可靠性的关键参数，代表了初始扰动可能导致后续级联失效的时间框架。本文使用不同的传统机器学习算法来预测级联失效的发生时间。该预测任务被表述为一个多类分类问题，采用机器学习算法。在公开可用的数据集（UIUC 150-节点电力系统）上的结果显示，随机森林算法能实现高分类准确率。随机森林分类器的超参数通过贝叶斯优化进行调优。该研究突显了机器学习模型在预测级联失效方面的潜力，为开发更具韧性的电力系统提供了基础。