基于SVM机器学习算法的电能质量扰动分类与评估

摘要：

目前大多数电能质量扰动分类方法都是基于对扰动数学表达式的分析,分析结果不能反映电力系统参数,如果电力系统有任何变化,结果也不能说明变化的好坏.对此提出了一种基于SVM机器学习算法的电能质量扰动分类评估方法.该算法应用机器学习算法SVM支持向量机对基于时域特性分析的扰动分类方法(TDCA法)提取的扰动特征量进行分类,在建立的IEEE 9节点标准模型中模拟所有常见的单一和复杂的电力系统干扰.这些干扰都是用TDCA法精确分类和评估的.仿真结果表明,该方法也可用于基于电力系统参数的电力扰动分类,并可以反映系统的参数,对后续系统参数调整具有很大的参考意义.

关键词：电力系统参数分析、电能质量扰动分类、扰动参数评估

分类号：TM76(输配电工程、电力网及电力系统)

资助基金：省级国网江苏省电力公司科技项目"基于谐波趋势相关分析法的谐波溯源系统研究;开发"

在线出版日期：2021-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：96-99