(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111464332.1 (22)申请日 2021.12.0 3 (71)申请人 国网河南省电力公司经济技 术研究 院 地址 450052 河南省郑州市二七区兴华北 街16号世纪家园附32号五楼 申请人 国家电网有限公司 　湖南大学 (72)发明人 司瑞华　邵红博　王传捷　于琳琳　 王泽　张丽华　李甜甜　刘万勋　 (74)专利代理 机构 郑州优盾知识产权代理有限 公司 41125 代理人 张真真 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01)G06Q 50/06(2012.01) G06F 30/27(2020.01) G06N 20/20(2019.01) G06N 7/00(2006.01) G06F 111/10(2020.01) (54)发明名称 基于XGBoost电力系统动态频率响应曲线预 测方法及系统 (57)摘要 本发明提出了一种基于XGBoost电力系统动 态频率响应曲线预测方法及系统， 其方法步骤 为： 首先， 基于海量预想故障场景的模拟结果获 取多样化数据库， 并将多样化数据库随机划分为 训练数据集和测试数据集， 分别对两个数据集进 行归一化处理； 其次， 基于 XGBoost集成学习模型 构建频率响应曲线预测器， 并利用贝叶斯优化模 型确定最佳超参数； 最后， 利用训练数据集对频 率响应曲线预测器进行迭代学习， 并利用训练好 的频率响应曲线预测器对给定预想故障或当前 运行状态下的系统动态频率响应进行在线评估。 本发明XGBoost模型降低了对样本的依赖性； 通 过贝叶斯优 化实现XGBoost模型中超 参数的自动 调优， 实现了扰动事件下整条频率响应曲线的预 测。 权利要求书2页 说明书7页 附图2页 CN 114139809 A 2022.03.04 CN 114139809 A 1.一种基于XGBo ost电力系统动态频率响应曲线预测方法， 其特 征在于， 其 步骤如下： S1， 基于海量预想故障场景的模拟结果获取离线训练的多样化数据库； S2， 基于XGBo ost集成学习模型构建频率响应曲线预测器； S3， 将离线训练的多样化数据库随机划分为训练数据集和测试数据集， 并分别对训练 数据集和 测试数据集进行归一 化处理； S4， 利用贝叶斯优化模型确定频率响应曲线预测器的最佳超参数； S5， 将最佳超参数传递给频率响应曲线预测器， 并利用归一化处理后的训练数据集对 频率响应曲线预测器进行迭代学习， 得到训练完成的频率响应曲线预测器； S6， 利用训练完成的频率响应曲线预测器对给定预想故障或当前运行状态下的系统动 态频率响应进行在线评估。 2.根据权利 要求1所述的基于XGBoost电力系统动态频率响应曲线预测方法， 其特征在 于， 所述海量预想故障场景包括 新能源脱网故障、 大容 量机组跳闸故障和直 流闭锁故障。 3.根据权利要求1或2所述的基于XGBoost电力系 统动态频率响应曲线预测方法， 其特 征在于， 所述多样化数据库中的数据包括输入特征和对应的输出动态频率响应值， 其中， 输 入特征为机组惯性时间常数、 机组开停机状态、 有功功率扰动量、 故障位置、 机组单位调节 功率以及旋转备用水平。 4.根据权利 要求3所述的基于XGBoost电力系统动态频率响应曲线预测方法， 其特征在 于， 所述对应的输出动态频率响应值是采用惯性中心频率表征全局状态下的系统频率动态 响应， 具体公式为： 式中， fCOI表示惯性中心频率； fi为发电机节点i的频率； Hi为第i台机组的惯性时间常 数； n为正在运行的同步机组个数。 5.根据权利 要求1所述的基于XGBoost电力系统动态频率响应曲线预测方法， 其特征在 于， 所述利用贝叶斯优化模型确定频率响应曲线预测器的最佳超参数的方法为： S41， 设置XGBoost算法中超参数的寻优范围； 其中， 超参数包括树的数目、 正则化系数 和学习率； S42， 设置贝叶斯优化的目标函数及迭代次数； S43， 输出 预设迭代次数 范围内的目标函数最优值及其对应的超参数的数值。 6.根据权利 要求5所述的基于XGBoost电力系统动态频率响应曲线预测方法， 其特征在 于， 所述贝叶斯优化的目标函数为： 式中： α 为输入 超参数向量， χ表示决策空间， f( α )为目标函数。 7.根据权利 要求6所述的基于XGBoost电力系统动态频率响应曲线预测方法， 其特征在 于， 在步骤S43中， 贝叶斯优化 算法的具体 计算过程如下： S43.1： 给定观测值α， 使用GP模型 更新f( α )的后验期望值； S43.2： 利用最大化采集 函数选取 下一个采集 点αt+1； S43.3： 计算 点αt+1的f( α )值；权　利　要　求　书 1/2 页 2 CN 114139809 A 2S43.4： 重复上述 步骤直至 达到设置的迭代次数， 或者 直到收敛为止 。 8.根据权利要求6或7所述的基于XGBoost电力系 统动态频率响应曲线预测方法， 其特 征在于， 目标函数f( α )为不同参数XGBoost测试的预测精度， 将XGBoost的超参数作为目标 函数f( α )的输入数据， 并选择MAPE函数的最小值作为优化目标； 式中， yi'为第i个样本频率的实际值， 为第i个样本频率的频率响应曲线预测器得到 的预测值， ybase为频率基准 值， i'＝1,2, …,N， N为样本大小。 9.根据权利 要求8所述的基于XGBoost电力系统动态频率响应曲线预测方法， 其特征在 于， 所述训练完成的频率响应曲线预测器为： 式中， d为频率点， K为树的棵数， 表示第d个频率点的预测值， fd,k(xi)表示第d个频率 响应曲线预测器。 10.一种如权利 要求1‑9任一项所述的基于XGBoost电力系统动态频率响应曲线预测系 统， 其特征在于， 包括数据库构建模块、 数据归一化模块、 频率响应曲线 预测器建立模块、 基 于贝叶斯优化的调参模块、 频率响应曲线预测器离线训练模块、 频率响应曲线预测器在线 预测模块， 所述数据库构建模块与数据归一化模块相连接， 数据归一化模块分别与基于贝 叶斯优化的调参模块、 频率响应曲线 预测器离线训练模块和频率响应曲线 预测器在线 预测 模块相连接， 频率响应曲线预测器建立模块与基于贝叶斯优化的调参模块相连接， 且频率 响应曲线预测器离线训练模块与频率响应曲线预测器在线预测模块相连接 。权　利　要　求　书 2/2 页 3 CN 114139809 A 3