数据驱动的电力系统静态电压稳定态势评估

随着电力系统的日益复杂,传统静态电压稳定分析方法难以满足精度和速度要求。为此,提出一种数据驱动的静态电压稳定评估方法。首先,通过仿真工具沿时间轨迹捕捉不同时间断面上的系统状态数据,筛选出与系统电压稳定性关联度较高的特征属性,采用静态负荷有功功率裕度对数据进行标签分类。然后,应用集成多个决策树的随机森林分类器模型将原始状态标签数据转化为稳定信息和行为模型,从数据中感知和学习静态电压稳定行为。最后,通过查询随机森林的分类结果,实现对静态电压稳定性的判断。仿真结果表明,该模型可行有效,适用于静态电压稳定态势评估。