[发明专利]贝叶斯优化LightGBM的暂态稳定评估方法

权利要求书

1.一种贝叶斯优化LightGBM的暂态稳定评估方法，其特征在于，包括以下步骤：

S1：获取电力系统响应轨迹数据，选取电力系统暂态稳定状态的离线或在线监测数据得到暂态稳定数据集；所述暂态稳定数据集包括母线电压U、母线相角θ、线路有功功率P和无功功率Q；

S2：用步骤S1中的暂态稳定数据集内的数据训练贝叶斯优化的LightGBM，得到LightGBM的最佳参数，进而得到训练好的LightGBM；

具体地，S2包括以下子步骤：

S21：对步骤S1中获取的暂态稳定数据集内的数据进行归一化预处理；

S22：用步骤S21中归一化预处理后的暂态稳定数据集内的数据训练LightGBM，同时在训练过程中，记录暂态稳定数据集内单个数据的总分裂次数与所有数据中分裂次数最多的比值，选择比值大于设定阈值的数据构建低维度数据集；

S23：将步骤S22中的低维度数据集分为训练样本数据和测试样本数据；

S24：利用步骤S23中的训练样本数据再次训练贝叶斯优化的LightGBM，得到LightGBM的最佳参数，进而得到训练好的LightGBM；同时利用步骤S23中的测试样本数据对已经训练好的LightGBM进行测试；

S3：在线获取电力系统故障后用于评估该电力系统暂态稳定的数据，将获取的数据输入步骤S2中已经训练好的LightGBM中，得到电力系统故障后的电力系统暂态稳定评估结果。

2.根据权利要求1所述的一种贝叶斯优化LightGBM的暂态稳定评估方法，其特征在于，所述S3具体包括：

S31：制定进行电力系统暂态稳定在线评估的电力系统故障集；

S32：根据步骤S31中电力系统故障集中的任一故障，获取用于评估该故障后电力系统暂态稳定的相关数据，并将获取的数据进行归一化处理；

S33：将步骤S32中进行归一化处理的数据输入已离线训练好的LightGBM中，得到故障后该电力系统运行状况稳定或不稳定的评估结果。

3.根据权利要求1所述的一种贝叶斯优化LightGBM的暂态稳定评估方法，其特征在于，采用准确率Ac、召回率Rec和精度Pre作为暂态稳定评估的评价指标，表达式分别为：

式中：TP为稳定样本被准确评估为稳定样本的数目；FP为稳定样本被误判为不稳定样本的数目；TN为不稳定样本被准确评估为不稳定样本的数目；FN为不稳定样本被误判为稳定样本的数目。

4.一种贝叶斯优化LightGBM的暂态稳定评估系统，其特征在于，包括：

数据输入模块，用于输入电力系统的暂态稳定数据，并将输入的数据传输给离线训练模块；所述数据输入模块中的暂态稳定数据集包括母线电压U、母线相角θ、线路有功功率P和无功功率Q；

离线训练模块，用于接收数据输入模块传输的暂态稳定数据，并根据获取的暂态稳定数据训练贝叶斯优化的LightGBM，得到LightGBM的最佳参数，进而得到训练好的LightGBM，并将训练好的LightGBM传输给在线评估模块；

其中，所述离线训练模块包括离线训练模块A和离线训练模块B；

离线训练模块A，用于接收数据输入模块传输的暂态稳定数据，并对获取的暂态稳定数据集内的数据进行归一化预处理，用归一化预处理后的暂态稳定数据集内的数据训练LightGBM，同时在训练过程中，记录暂态稳定数据集内单个数据的总分裂次数与所有数据中分裂次数最多的比值，选择比值大于设定阈值的数据构建低维度数据集，并将新构建的低维度数据集传输给离线训练模块B；

离线训练模块B，用于接收离线训练模块A传输的低维度数据集，并将低维度数据集分为训练样本数据和测试样本数据，利用训练样本数据再次训练贝叶斯优化的LightGBM，得到LightGBM的最佳参数，进而得到训练好的LightGBM；同时利用测试样本数据对已经训练好的LightGBM进行测试，并将训练好的LightGBM传输给在线评估模块；

在线评估模块，用于接收离线训练模块已经训练好的LightGBM，并在线获取电力系统故障后用于评估该电力系统暂态稳定的数据，结合离线训练模块已经训练好的LightGBM，从而得到电力系统故障后该电力系统暂态稳定评估结果。