基于RELS-TSVM的电能表电压异常数据识别

作者：许一川; 龚艺; 朱玲

来源：电力大数据, 2021, 24(01): 33-39.

DOI：10.19317/j.cnki.1008-083x.2021.01.005

• 电能表
• 在线监测
• 电压异常
• 支持向量机
• 蝙蝠算法

为提高电能计量工作中高压用户电能表电压异常数据识别的快速性和准确性,以负荷控制模块深度分析功能所筛选出的电压数据作为研究对象,结合鲁棒能量模型-最小二乘双支持向量机分类方法,采用蝙蝠算法对分类器参数进行优化,实现对电压异常数据的自动判断。实验结果表明,本文所提出的分类模型在泛化性能和鲁棒性方面具有较大改进,在10折交叉验证过程中对于100V、57.7V、220V额定电压等级下的电压异常数据平均识别准确率均达到100%,相比于传统的经验公式判别、决策树分类模型以及简单支持向量机分类方法在分类准确率上分别提升12.53%、3.8%、1.73%。验证了基于鲁棒能量模型-最小二乘双支持向量机分类方法的电压异常数据识别方案的可行性和优势,为基于大数据分析的计量在线监测相关研究提供了新的思路。