摘要
本发明涉及电力系统分析技术领域,具体而言,涉及一种电力系统源荷双侧不确定性表征与溯源方法及系统,采用本发明所提供的方法,包括划分一级指标、二级指标和三级指标;获取一级指标在多个时间断面上的数据,设置若干个数据的判断阈值,基于判断阈值对当前系统运行状态进行分类,通过机器学习模型中输出的每个指标关于某个指标的特征重要性分数,进行逐级的分析计算,通过上述分层、递进的分析框架,结合对共线性鲁棒的机器学习方法,能够系统性地量化和溯源高比例新能源电力系统中的源荷双侧不确定性,为电网的风险预警、规划决策和运行优化提供了一种全新的、更为精准和科学的分析工具。
技术关键词
机器学习模型
溯源方法
指标
新能源弃电量
系统运行状态
电力系统不确定性
负荷
选取特征
电力系统分析技术
风电
高比例新能源
决策树训练
随机森林模型
数据
机器学习方法
分类准确率
充放电功率
机组
溯源系统
系统为您推荐了相关专利信息
构建系统
故障检测工具
三维建模工具
虚拟现实环境
实时监控系统
管道腐蚀预测
分析预测方法
船舶
BP神经网络
预测误差
训练器
步态参数
康复理疗设备
平滑度
移动轨迹信息
分类方法
生成测试报告
测试仪器
平均无故障时间
样本