科研之友
微信
新浪微博
Facebook
分享链接
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。
-
单位云南电网有限责任公司; 山东科汇电力自动化股份有限公司; 昆明理工大学; 云南电网有限责任公司电力科学研究院
