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

作     者：王洪林 董春林 董俊 李维 高黎明 郭俊 Wang Honglin;Dong Chunlin;Dong Jun;Li Wei;Gao Liming;Guo Jun

作者机构：云南电网有限责任公司电力科学研究院云南昆明650011 山东科汇电力自动化股份有限公司山东淄博255087 昆明理工大学电力工程学院云南昆明650050 云南电网有限责任公司玉溪江川供电局云南玉溪653100 云南电网有限责任公司昆明富民供电局云南昆明650011 

出 版 物：《电气自动化》 (Electrical Automation)

年 卷 期：2022年第44卷第4期

页      码：34-36页

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。

主 题 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 

学科分类：080802[080802] 0808[工学-自动化类] 08[工学] 

D　O　I：10.3969/j.issn.1000-3886.2022.04.010

馆 藏 号：203113787...