基于轨迹特征聚类的电力系统模型重要参数组辨识方法

本发明提出一种基于轨迹特征聚类的电力系统模型重要参数组辨识方法，涉及电力系统仿真技术，解决了传统电力系统重要参数辨识中因时域全局误差指标粗粒化、参数耦合未建模问题，采用方案是：筛选出粗粒度的敏感参数，作为待辨识的高灵敏度参数；对每组仿真轨迹与实测轨迹做时域差分，得到差异轨迹，提取差异轨迹特征；通过非线性降维方法将高维数据映射至低维空间，对低维空间中的数据执行K‑Means聚类，得到每个样本的簇标签；对簇内的所有样本进行灵敏度计算，筛选出出现频率最高且对簇内动态差异贡献最大的参数组合作为最终主导参数集。本方案可显著降低仿真次数与计算负担，实现对真正影响系统性能的重要参数的高精度、可解释性甄别。