用于电动汽车充电站罕见电网停电估计的机器学习控制变量方法

研究人员提出一种基于机器学习分类器的控制变量方法，利用温度和负荷预测等低成本特征降低蒙特卡洛模拟方差，以高效估计电动汽车充电引发的极端罕见电网停电概率。实验表明，单特征弱学习器可消除 25% 的方差，而提升树学习器能消除约 60% 的方差。在印尼泗水电网的应用中，该方法在相同模拟预算下将全市停电天数减少了三分之一。