基于Peter-Clark贝叶斯结构学习的极端事件下输电线路停运概率预测
机器学习
2024-11-20 v1 系统与控制
系统与控制
摘要
近年来，极端天气事件的频率和强度显著增加。随着这些事件导致的停电日益增多，准确预测电力线路停运对于电网的安全可靠运行至关重要。贝叶斯网络是一种概率模型，在预测与天气相关的不确定性下的线路停运方面非常有效。然而，该领域大多数现有研究提供的是一般性风险评估，未能给出具体的停运概率。在这项工作中，我们引入了一种结合贝叶斯网络与Peter-Clark（PC）结构学习的新方法来预测输电线路停运概率。我们的方法不仅能实现精确的停运概率计算，而且即使在数据有限的情况下，也展现出更好的可扩展性和稳健的性能。使用来自BPA和NOAA数据的案例研究证明了该方法的有效性，而与几种现有方法的比较进一步突显了其优势。
引用
@article{arxiv.2411.11980,
title = {Transmission Line Outage Probability Prediction Under Extreme Events Using Peter-Clark Bayesian Structural Learning},
author = {Xiaolin Chen and Qiuhua Huang and Yuqi Zhou},
journal= {arXiv preprint arXiv:2411.11980},
year = {2024}
}