基于机器学习的智能电网调度控制系统在线健康度评价研究

邓智广，谭振鹏

摘 要：针对智能电网调度控制系统的在线健康度评价问题，基于机器学习算法中的随机森林算法（RF），提出一种智能电网调度控制系统在线健康度评价模型——不需设复杂参数、指标权重及分级标准。通过构建模型并进行实例验证分析，证明了该模型的有效性。

关键词：机器学习;随机森林;智能电网;调度控制;健康度评价

中图分类号：TM73;TP181 文献标识码：A 文章编号：1001-5922（2021）12-0158-04

Research on Online Health Evaluation of Smart Grid Dispatching Control System Based on Machine Learning

Deng Zhiguang， Tan Zhenpeng

（Foshan Power Supply Bureau， Guangdong Power Grid Corporation， Foshan 528000， China）

Abstract：Aiming at the problem of online health evaluation of smart grid dispatching control system， an online health evaluation model of smart grid dispatching control system is proposed based on random forest algorithm （RF） in machine learning algorithm， which did not need to set complex parameters， index weight and grading standard. The effectiveness of the model is proved by building the model and performing the case verification analysis.

Key words：machine learning; random forest; smart grid; dispatching control; health evaluation

0 引言

智能电网调度控制系统集成了动态预警、调度计划等多个应用系统，实现了多级调度业务的联合协调管理工作，对于保障我国电网的安全和稳定运行有着极大的作用。为了加强智能电网调度控制系统的运维、预警以及快速处置等能力，提高相关工作的效率，运维人员需要对系统运行实时状态信息能够全面地了解掌握。因此，本文針对智能电网调度控制系统的在线健康度评价问题展开研究，探讨更快速、更精确的健康度评价方法。

1 智能电网调度控制系统在线健康度评价指标体系的构建

在评价问题上，构建合理的指标体系是最基础的阶段，因此本文首先对智能电网调度控制系统运行过程仔细分析，归纳总结其健康度影响因素主要包括系统硬件设备的状态、系统中各项业务的状态等，并在此基础上构建了智能电网调度控制系统在线健康度评价指标体系。

1.1 系统硬件设备在线健康度评价指标体系

本文所构建的系统硬件设备在线健康度评价指标体系如表1所示。……