技术领域本发明属于电力领域，尤其涉及基于决策数据的电网暂态稳定性评估方法。
背景技术：
在暂态稳定评估中，决策树的方法利用大量的数据拟合出分类边界。为了提高决策树的泛化能力和可解释性，一般利用特征选择方法对数据进行预处理，通过选择重要属性，从维度上来约简数据。为进一步提高决策树的泛化能力和可解释性，需要从一个约简数据的角度入手，研究通过数据选择的方法选择部分电网运行数据来生成决策树。利用数据选择生成优化决策树的方法在其它领域有过研究，但在电力系统应用中尚无研究应用。
技术实现要素：
本发明的目的在于提供一种基于决策数据的电网暂态稳定性评估方法，通过空间距离选择决策数据，从数据空间分布角度约简数据，提高决策树性能。同时引入了一个综合考虑决策树的准确率、复杂性及漏警率的评价函数，用来优化暂态稳定评估的决策数据集合，获得最优分布的决策数据。为实现上述目的，本发明的技术方案包括：1)基于距离的数据预处理方法将决策数据作为决策树的训练数据，通过指定决策数据在全部训练数据中的比例Ps(0＜Ps＜1)形成对应的决策树并获得对应的决策数据；2)根据评价函数Rλ＝R-λ1nL-λ2Rm，选择Rλ最大时对应的决策树及Ps值，作为优化的决策树及Ps值。所述基于决策数据的电网暂态稳定性评估方法的进一步设计在于，所述步骤1)中选择指定Ps的决策数据的过程如下：1-1)将所有数据的属性值归一化至[0，1]；1-2)任意数据xi，计算xi到所有异类数据的距离，找出最近的异类数据xj，记dimin＝dij，i为数据对应的序号，dij表示数据xi和数据xj之间的距离，dimin表示数据xi与异类数据的最短距离；1-3)对dimin按从小到大排序，挑出前Ps*n个数据组成决策数据集。所述基于决策数据的电网暂态稳定性评估方法的进一步设计在于，所述步骤1-1)中，根据进行归一操作，其中，k为数据的属性，Xik为数据Xi中属性k的取值，xkmin为所有数据中属性k的最小值，xkmax为所有数据中属性k的最大值。所述基于决策数据的电网暂态稳定性评估方法的进一步设计在于，所述步骤1-2)中，通过公式dij=Σk=1m(xik-xjk)2]]>计算数据xi和数据xj之间的距离，其中m为数据的维度。本发明的优点如下：本发明的基于决策数据的电网暂态稳定性评估方法通过空间距离选择决策数据，从数据空间分布角度约简数据，提高决策树性能。同时引入了一个综合考虑决策树的准确率、复杂性及漏警率的评价函数，用来优化暂态稳定评估的决策数据集合，获得最优分布的决策数据。附图说明图1为单机无穷大系统的示意图。图2为单机无穷大系统评价函数值比较的条形图。具体实施方式下面结合本发明实施例，对本发明进行详细的描述。本实施例的基于决策数据的电网暂态稳定性评估方法，包括两部分分别为决策数据选取与建立评价函数。决策数据选取采用基于距离的数据预处理方法，把决策数据作为决策树的训练数据，改善决策树拟合分类边界的效果。由于决策数据和非决策数据的区分并无明确的界限，通过指定决策数据在全部训练数据中的比例Ps(0＜Ps＜1)来获得决策数据。用一条数据距离实际边界的欧氏距离是否足够近来衡量该数据是否为决策数据。用欧氏距离计算数据xi和数据xj之间的距离如式(1)：dij=Σk=1m(xik-xjk)2---(1)]]>式中，xik为数据xi中属性k的取值，m为数据的维度。从含有n个数据的训练数据集中选择指定Ps的决策数据的过程如下：1)属性值归一化至[0，1]：对第i个数据，属性k的值xik归一化为xik′=xik-xkminxkmax-xkmin,]]>xkmin为所有数据中属性k的最小值，xkmax为所有数据中属性k的最大值。2)任意数据xi，用式(1)计算xi到所有异类数据的距离，找出最近的异类数据xj，记dimin＝dij。3)对dimin按从小到大排序，挑出前Ps*n个数据组成决策数据集。当Ps＝1时，即所有数据都看作决策数据。决策数据的方法可以提高决策树拟合分类边界的精度。但是，Ps不同时，决策树的性能差异较大，会影响决策树的准确率。因此设计决策树综合性能评价指标来寻找最优的决策树，进而确定最优的Ps值。衡量决策树的重要指标有：准确率、漏警率、误警率和结构复杂度等。准确率是指分类正确的数据占总数据的比例；漏警率是指错分为稳定的失稳数据占总数据的比例；误警率是指错分为失稳的稳定数据占总数据的比例；结构复杂度用来评估决策树的结构合理性，可以用叶节点数来表示。暂态稳定评估中，保证决策树的准确率是必要的。漏警率使失稳状态被误判，会造成严重后果，故应重点考虑。结构复杂度决定了产生规则的条数和规则大小，复杂度过高，不利于决策树规则的理解和应用。为此，生成如下评价函数：Rλ＝R-λ1nL-λ2Rm(2)其中，R为决策树的准确率，nL是决策树的叶节点数，Rm是决策树的漏警率，λ1、λ2是罚因子。Rλ越大，决策树综合性能越好。通过比较不同Ps值对应决策树的Rλ值，便可寻找最佳Ps取值。以下以单机无穷大系统为例，对本实施例的技术方案进行进一步阐述。如图1，为发电机采用二阶模型，负荷采用恒阻抗模型，故障为L2在B3端发生三相短路接地，0.1秒后L2两端断开。通过系统控制变量的随机选择得到大量的故障前系统初始状态：G1有功在[7,13]p.u之间按均分布随机选择，G1无功在[-3,6]p.u之间按均分布随机选择；Ld有功在[0,4]p.u之间按均分布随机选择，并保持功率因数为0.9；并联电容器组C1包含4组电容器，投切组数在{0,1,2,3,4