期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于可解释性XGBoost的电力系统惯量短期预测方法 被引量：2
1
作者 张磊 李海涛 +5 位作者 熊致知 郭志豪 叶婧 李振华 杨楠 蔡煜 《电力建设》 CSCD 北大核心 2023年第8期22-30,共9页
对于新型电力系统,提前预测系统惯量水平是消除系统惯量薄弱风险的重要前提。而预测所使用的机器学习模型大多是“黑箱”模型,存在可解释性不足的问题。为此,提出了一种基于可解释性极端梯度提升算法(extreme gradient boosting,XGBoost... 对于新型电力系统,提前预测系统惯量水平是消除系统惯量薄弱风险的重要前提。而预测所使用的机器学习模型大多是“黑箱”模型,存在可解释性不足的问题。为此,提出了一种基于可解释性极端梯度提升算法(extreme gradient boosting,XGBoost)的电力系统惯量短期预测方法。该方法根据系统惯量响应特性分析,选择电力系统运行数据和气象数据作为输入特征。基于SHAP归因方法构建可解释性XGBoost的解释机制,通过计算Shapley值来量化各特征的重要程度,从而对模型预测结果进行多维度解构分析。以实际系统为例进行实证分析,结果表明,所提方法能够有效地预测电力系统短期惯量以及解释特征对预测的影响。 展开更多
关键词 新型电力系统 惯量短期预测 可解释性 XGBoost模型 SHAPLEY值
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部