基于特征提取与回归学习分离的电力系统惯量估计方法

本发明公开了一种基于特征提取与回归学习分离的电力系统惯量估计方法，包括以下步骤：S1：建立电力系统频率响应模型SFR，生成模拟电力系统运行时的数据；S2：利用卷积神经网络CNN提取电力系统的频率偏差和功率扰动的特征；S3：将激活值提取函数从卷积神经网络CNN的全连接层提取高级特征作为极端梯度提升树XGBoost的输入，利用鸟交配优化器优化极端梯度提升树XGBoost的超参数，模型进行回归学习，输出惯量估计值；本发明利用卷积神经网络CNN强大的特征提取能力提取数据特征，再利用调优后的极端梯度提升树XGBoost高效的回归学习能力处理数据特征，基于频率偏差和功率扰动的时序数据，通过特征提取与回归学习分离的模式，能够准确地对系统的惯量进行估计。