一种基于机器学习的冗余约束的筛选方法及系统

本发明公开了一种基于机器学习的冗余约束的筛选方法及系统，所述方法包括获取电力系统的约束和历史边界数据，构建安全约束机组组合的原始模型及所述原始模型的训练数据库，将所述约束中的线路潮流与机组启停进行关联和稠密约束改造，通过机器学习模型进行训练，从而识别和剔除对结果没有影响的冗余约束和无效约束，得到所述安全约束机组组合的优化模型；迭代求解所述优化模型，直至所述优化模型有解，从而得到所述安全约束机组组合的优化结果。因此，本发明实施例能够识别和剔除对结果没有影响的冗余约束和无效约束，提高安全约束机组组合模型的计算效率和准确性。