基于gcForest-AdaBoost的光伏储能并网系统暂态稳定评估

王雨辰; 李忠艳; 苏涵

doi:10.19912/j.0254-0096.tynxb.2025-0134

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于gcForest-AdaBoost的光伏储能并网系统暂态稳定评估

更新时间：2026-07-22

- 基于gcForest-AdaBoost的光伏储能并网系统暂态稳定评估
- Vol. 47, Issue 6, Pages: 58-67(2026)
- 作者机构：
- 作者简介：
- 基金信息：
- DOI：10.19912/j.0254-0096.tynxb.2025-0134
  CLC： TM712
- Online First：08 July 2026，
  
  Published：2026
- 稿件说明：
移动端阅览
王雨辰, 李忠艳, 苏涵. 基于gcForest-AdaBoost的光伏储能并网系统暂态稳定评估[J]. 2026, 47(6): 58-67.
DOI：

王雨辰, 李忠艳, 苏涵. 基于gcForest-AdaBoost的光伏储能并网系统暂态稳定评估[J]. 2026, 47(6): 58-67. DOI： 10.19912/j.0254-0096.tynxb.2025-0134.

摘要

针对当前光伏储能并网系统暂态稳定评估方面存在的预测精度不高问题

结合深度学习与集成学习技术

提出一种基于集成深度随机森林算法（gcForest-AdaBoost）的光伏储能并网系统暂态稳定评估方法。首先

依据光伏储能并网系统运行过程中的稳态分量构建初始输入特征;其次

为减少模型过度拟合

保证级联森林层数增加后模型仍具有较强学习能力

结合深度随机森林算法以及AdaBoost算法

提出基于gcForest-AdaBoost的暂态稳定评估方法;再次

利用输入特征集训练gcForest-AdaBoost模型

并建立光伏储能并网系统暂态稳定评估模型;最后

在IEEE 39节点系统接入光伏储能机组构建算例系统展开仿真分析和数据采集

得出评估结果。算例分析表明

所提模型能对光伏储能并网系统暂态稳定展开有效分析

且经过验证发现所提模型具有较好的鲁棒性和泛化能力。

Abstract

It is of great significance to realize transient stability evaluation accurately and quickly for stable and safe operation of power system. Aiming at the problem of low prediction accuracy in the current transient stability evaluation of grid-connected photovoltaic energy storage systems

a transient stability evaluation method based on integrated deep Random forest algorithm （gcForest-AdaBoost） is proposed by combining deep learning and ensemble learning techniques. Firstly

the initial input features are constructed according to the steady-state components of the grid-connected photovoltaic energy storage system during operation. Secondly

in order to reduce the overfit of the model and ensure that the model still has strong learning ability after the number of cascades increases

a transient stability evaluation method based on gcForest-AdaBoost is proposed by combining deep random forest algorithm and AdaBoost algorithm. Thirdly

the gcForest-AdaBoost model is trained with input feature set

and the transient stability evaluation model of grid-connected PV energy storage system is established. Finally

the IEEE 39-node system is connected to the photovoltaic energy storage unit to build a case system for simulation analysis and data acquisition

and the evaluation results are obtained. Numerical examples show that the proposed model can effectively analyze the transient stability of grid-connected photovoltaic energy storage systems

and it is found that the proposed model has good robustness and generalization ability.

关键词

Keywords

references

文继锋, 刘子俊, 周专, 等. 新型电力系统下高渗透新能源接入的次同步振荡问题研究[J]. 太阳能学报, 2024, 45(11): 50-60.

李汐, 高阳, 马斌, 等. 基于PEF-PinSVM的含可再生能源并网电力系统电压暂态稳定裕度评估[J]. 太阳能学报, 2024, 45(8): 240-248.

REN C, XU Y.A fully data-driven method based on generative adversarial networks for power system dynamic security assessment with missing data[J]. IEEE transactions on power systems, 2019, 34(6): 5044-5052.

田春胜, 任永峰, 胡志帅, 等. 基于自恢复型下垂控制的微电网运行控制策略研究[J]. 太阳能学报, 2024, 45(8): 71-77.

林伟芳, 任晓钰, 张桂红, 等. 考虑功角稳定和暂态过电压的新能源电压穿越控制参数优化[J]. 电网技术, 2023, 47(4): 1323-1330.

张玉冰, 申彦波, 姚鑫, 等. 青海高原光伏适宜性评价的不同决策树算法的比较研究[J]. 太阳能学报, 2024, 45(12): 30-39.

朱乔木, 陈金富, 李弘毅, 等. 基于堆叠自动编码器的电力系统暂态稳定评估[J]. 中国电机工程学报, 2018, 38(10): 2937-2946.

MOVAHEDI A, NIASAR A H, GHAREHPETIAN G B. Designing SSSC, TCSC, and STATCOM controllers using AVURPSO, GSA, and GA for transient stability improvement of a multi-machine power system with PV and wind farms[J]. International journal of electrical power & energy systems, 2019, 106: 455-466.

谈赢杰, 向真, 杨昆, 等. 时序数据驱动的微电网暂态稳定运行评估[J]. 南方电网技术, 2023, 17(7): 125-134.

李志兵, 肖健梅, 王锡淮. 基于多粒度NRS和改进Bi-LSTM的电力系统暂态稳定评估[J]. 电气工程学报, 2023, 18(3): 232-241.

李淼, 雷鸣, 周挺, 等. 基于深度森林的电力系统暂态稳定评估方法[J]. 电测与仪表, 2021, 58(2): 53-58.

朱瑞金, 董亚丽, 唐波. 基于改进深度森林的暂态电压稳定快速评估[J]. 电网与清洁能源, 2022, 38(6): 24-30, 43.

陈康, 王泽, 郭永吉. 基于grcForest模型的风电并网系统暂态电压稳定评估[J]. 智慧电力, 2023, 51(1): 31-37.

叶进, 卢泉, 王钰淞, 等. 基于级联随机森林的光伏故障诊断模型研究[J]. 太阳能学报, 2021, 42(3): 358-362.

ZHOU Z H, FENG J.Deep forest: towards an alternative to deep neural networks[C]//Proceedings of the Twenty-Sixth International Joint Conference on Artificial Intelligence. Melbourne, Australia, 2017: 3553-3559.

庄保乾, 韩路, 李晓虎, 等. 基于集成深度随机森林算法的智能电厂设备健康评估方法[J]. 计算机测量与控制, 2024, 32(8): 322-328.

史法顺, 吴俊勇, 吴昊衍, 等. 基于深度学习的电力系统暂态功角与暂态电压稳定裕度一体化评估[J]. 电网技术, 2023, 47(2): 731-740.

李鹏, 董鑫剑, 孟庆伟, 等. 基于Fisher Score特征选择的电力系统暂态稳定评估方法[J]. 电力自动化设备, 2023, 43(7): 117-123.

刘聪, 刘颂凯, 刘礼煌, 等. 基于TCN-CCRELMS的电力系统暂态稳定评估[J]. 电力系统及其自动化学报, 2023, 35(7): 36-44, 82.

谢瀚阳, 彭泽武, 唐重阳, 等. 基于数据挖掘技术的电网时序数据质量维护研究[J]. 电测与仪表, 2022, 59(2): 38-44.

刘颂凯, 胡竞哲, 杨超, 等. 基于改进CDBN的电力系统暂态稳定评估[J]. 智慧电力, 2023, 51(6): 8-14, 92.

张玉敏, 孙鹏凯, 叶平峰, 等. 基于CNN的配电网快速重构方法[J]. 智慧电力, 2022, 50(11): 112-118.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于移相策略的模块化锂电池均衡器

基于层级嵌套博弈的微电网独立储能与供需双响应协同优化策略

基于改进APO-SVMD的海上风电场混合储能容量配置

考虑配电网净负荷时空分布特性的储能优化配置

考虑共享储能的多微电网低碳经济优化研究

Related Author

靳炜

吴云亚

刘爱忠

阚加荣

丁航

郑阳

邹阳

姚雨佳

Related Institution

State Key Laboratory of Maritime Technology and Safety, Wuhan University of Technology

School of Naval Architecture, Ocean and Energy Power Engineering, Wuhan University of Technology

Reliability Engineering Institute, School of Transportation and Logistics Engineering, Wuhan University of Technology

Wuhan Troowin Power System Technology Co., Ltd.

The College of Electrical and Information Engineering, Lanzhou University of Technology

AI问答

⁰