用于电力系统安全规则提取与嵌入的稀疏斜决策树
系统与控制
2020-04-22 v1 机器学习
系统与控制
机器学习
摘要
提高可变发电的渗透率对电力系统的运行可靠性有重大影响。这种可变性带来的更高不确定性，使得确定给定运行状态是安全还是不安全变得更加困难。数据驱动技术为识别安全规则提供了一种有前景的方法，这些规则可以嵌入到经济调度模型中以保持电力系统运行状态的安全。本文提出使用稀疏加权斜决策树来学习准确、可理解且可嵌入的安全规则，这些规则是线性的，并且可以通过递归算法提取为稀疏矩阵。然后，可以使用 Big-M 方法将这些矩阵作为安全约束轻松嵌入到电力系统经济调度计算中。在多个具有高可再生能源渗透率的大型数据集上的测试证明了所提方法的有效性。特别是，稀疏加权斜决策树在保持安全规则简单的同时，优于 SOTA 的加权斜决策树。当嵌入经济调度时，这些规则显著提高了安全状态的百分比并减少了平均求解时间。
引用
@article{arxiv.2004.09579,
title = {Sparse Oblique Decision Tree for Power System Security Rules Extraction and Embedding},
author = {Qingchun Hou and Ning Zhang and Daniel S. Kirschen and Ershun Du and Yaohua Cheng and Chongqing Kang},
journal= {arXiv preprint arXiv:2004.09579},
year = {2020}
}
备注
8 pages, 6 figures