基于支持向量机增量学习算法的高压电网短路故障位置自动识别

摘要：

高压电网环境下,因社会用电量过大易造成严重的短路故障现象.为此,提出基于支持向量机(support vector machine,SVM)增量学习算法的高压电网短路故障位置自动识别方法.按照故障训练特征的确定结果,基于SVM增量学习算法提取线性电网中的不可分边界支持向量,进而处理电网结构中的最小化风险,完成电网故障识别环境搭建.配置高压电网的相量量测单元系数,通过确定故障识别元件,校验短路故障发生的位置,实现高压电网短路故障位置的自动识别.试验结果表明:在传输电量增加的情况下,短路故障电量冗余度极值仅能达到40％;故障位置识别精确性保持在94％.设计方法能够有效实现高压电网短路故障位置自动识别,具有较为优越的性能和一定的应用价值.

关键词：增量学习算法、高压电网、短路故障、位置识别、训练特征、支持向量、最小化风险、相量量测单元系数

所属期刊栏目：44

分类号：TM76(输配电工程、电力网及电力系统)

在线出版日期：2022-08-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：34-36