关键词：暂态稳定评估 机器学习 类别不平衡 噪声 改进 

摘要：实际获得的电力系统运行数据,普遍存在由广域测量系统(WAMS)测量误差造成的噪声,并且具备类别不平衡的特点,导致基于机器学习的电力系统暂态稳定评估算法的分类性能受到很大的影响。提出了一种基于改进轻梯度提升机(modified light gradient boosting machine)模型的暂态稳定评估方法,采用直方图算法对数据进行离散化,增强模型对噪声的鲁棒性;在训练中对失稳样本赋予更高的权重,平衡样本数量差异造成的影响;并在损失函数中引入正则项来控制模型复杂度,减少过拟合,从而适应电力系统多样的运行情况。在新英格兰10机39节点系统和美国南卡罗莱纳州500节点实际电网上的仿真结果表明,与其他机器学习方法相比,所提方法在噪声干扰下不容易过拟合,具有更好的鲁棒性:在保持较高总体评估准确率的同时,对失稳样本具有更高的识别率;与其他集成学习模型相比,所提方法在速度上也具有明显优势。

电网技术杂志要求:

{1}关键词以3～6个为宜（需附相应的英文）。

{2}为加快稿件处理速度，本刊实行审稿意见及时反馈制度，尽量为来稿附上审稿意见，15日内会给出审稿意见。

{3}论文作者保证该论文的署名权无争议。若发生署名权争议问题，一切责任由论文作者承担。

{4}来稿最后需标明作者（编者，译者）的真实姓名、性别、出生年月、籍贯、工作（学习）单位、职务（职称）、主要研究方向、详细地址、邮编以及联系电话（手机号码，以方便快递公司投递样刊），未按要求填报相关内容的，一律不予采用。

{5}参考文献必须是作者亲自阅读过的原始文献。一般论著不超过15条，综述不超过20条。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社