基于支持向量機的電網(wǎng)故障診斷研究.pdf

1、隨著全球能源互聯(lián)網(wǎng)的提出，各級電網(wǎng)之間的互聯(lián)性增強，尤其是間歇式新能源和微電網(wǎng)的接入，電網(wǎng)自身的動態(tài)行為日趨復雜，發(fā)生拒動等復雜故障的可能性仍舊存在，準確、快速的實現(xiàn)電網(wǎng)故障診斷成為更為緊迫的現(xiàn)實要求。本文以診斷電網(wǎng)復雜故障為目的，針對現(xiàn)有專家系統(tǒng)缺乏學習能力的不足，利用支持向量機(SVM)模型基于歷史故障經(jīng)驗對復雜故障進行診斷，其主要工作如下:
　　研究統(tǒng)計學習理論的內(nèi)在特點，深入理解VC維和結(jié)構(gòu)風險最小化原則，闡述支持向量機模

2、型的數(shù)學原理，在Visual studio2010平臺使用C++語言分別編寫線性和非線性支持向量機模型的實現(xiàn)算法，為支持向量機在電網(wǎng)故障診斷的應(yīng)用打下理論基礎(chǔ)。
　　根據(jù)電網(wǎng)故障診斷的需求與特點，提出基于支持向量機的方法對復雜故障進行診斷。通過對歷史故障案例的訓練學習，獲取這些復雜故障案例中的“隱性”診斷知識，利用這些經(jīng)驗規(guī)律對現(xiàn)有故障進行診斷，并不斷用新的故障事件對SVM模型進行再訓練。為使建立的支持向量機模型具有廣泛的通用性，

3、以數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)(SCADA)系統(tǒng)采集的保護動作和斷路器跳閘信息為基礎(chǔ)，針對母線、線路和變壓器等三類元件分別設(shè)置其支持向量機模型的輸入特征量，并利用遺傳算法對懲罰因子和徑向基核函數(shù)參數(shù)進行尋優(yōu)。
　　在課題組已開發(fā)的電網(wǎng)故障診斷系統(tǒng)的基礎(chǔ)上，增設(shè)利用SVM算法的復雜故障診斷模塊，并對該模塊五個組成部分的功能設(shè)計進行了逐一論述，提高了電網(wǎng)故障診斷系統(tǒng)針對復雜故障的診斷效率，最后通過三種典型的復雜故障案例測試驗證了模塊實用性與