基于變電站為中心的配電網(wǎng)電壓態(tài)勢(shì)圖片圖形特征的態(tài)勢(shì)評(píng)估模型及算法.pdf

1、隨著專變終端、公變終端全覆蓋安裝，以及開閉所、環(huán)網(wǎng)站等相關(guān)斷路器位置采集的配電自動(dòng)化不斷推進(jìn)，加之集成變電站自動(dòng)化的采集數(shù)據(jù)，中壓配電網(wǎng)在線定時(shí)潮流計(jì)算、態(tài)勢(shì)感知、態(tài)勢(shì)可視化的技術(shù)條件也日益滿足。機(jī)器學(xué)習(xí)算法近年來活躍在各個(gè)研究領(lǐng)域中，處理數(shù)據(jù)的歸納、推理、演算、模擬等應(yīng)用場(chǎng)景，以其非凡的切片數(shù)據(jù)分析效果和精準(zhǔn)的數(shù)據(jù)分類判定效果，深受各個(gè)領(lǐng)域研究者們的推崇。SVG（Scale Vector Graphic）圖片格式是全球電力系統(tǒng)統(tǒng)一的圖

2、形格式。隨著電力系統(tǒng)可視化技術(shù)研究的應(yīng)用和推廣，已積累了大量SVG格式的時(shí)間戳圖片，每幅圖中含有大量切片數(shù)據(jù)。若能將SVG格式中的圖片信息以數(shù)據(jù)形式提取，并對(duì)其進(jìn)行算法推演建模，圖形中的信息也許能得到更為有效充分得利用。
　　本研究主要內(nèi)容包括：⑴分析了國內(nèi)外電力系統(tǒng)可視化的發(fā)展?fàn)顩r，指出對(duì)于電網(wǎng)的實(shí)時(shí)圖形和數(shù)據(jù)主要應(yīng)用在電網(wǎng)可視化、可靠性分析、故障診斷等方面；了解到科學(xué)計(jì)算的目的是了解事物本質(zhì)，而不僅僅是獲得數(shù)據(jù)。如果沒有建立合

3、適的數(shù)學(xué)模型，數(shù)據(jù)難以轉(zhuǎn)化為信息，反而數(shù)據(jù)的存儲(chǔ)、傳輸本身需要很大的成本，并指出SVM算法預(yù)測(cè)評(píng)估，并綜述了該方法的應(yīng)用案例；提出了SVM算法需要的圖形圖像數(shù)據(jù)的特征向量提取步驟的一些方法；討論了 SVM算法一般過程，并在對(duì)RBF核函數(shù)SVM算法深入了研究。⑵基于變電站為中心的配電網(wǎng)電壓等高線態(tài)勢(shì)圖片的特征向量提取模型及其降維方法方面的研究。該部分是圖形態(tài)勢(shì)評(píng)估的基本數(shù)據(jù)準(zhǔn)備階段，是態(tài)勢(shì)模型建立的重要環(huán)節(jié)。提取合適的特征向量對(duì)SVM模型

4、的建立有非常重要的影響，對(duì)于模型評(píng)估的精度效果，這也是關(guān)鍵影響因素之一。本部分先給出了配電網(wǎng)態(tài)勢(shì)圖形格式SVG格式的介紹，之后提出了基于圖形SVG格式的特征向量提取模型，為之后的SVM模型的分析和建立提供數(shù)據(jù)支持，并提出了基于java編程語言的模型提取方法。⑶基于聚類分析和SVM算法的電壓合格率預(yù)測(cè)模型研究。該部分先敘述了電壓合格率值的定義，以及其對(duì)電網(wǎng)運(yùn)行可靠性及決策的意義，接著提出了電壓合格率值計(jì)算模型，再介紹了根據(jù)圖形提取的特征向

5、量和電壓合格率的 RBF核函數(shù)的SVM算法模型的建立方法，然后建立了兩種SVM預(yù)測(cè)模型，分別是聚類前和聚類后的模型，其中SVM算法的參數(shù)尋優(yōu)使用到了遺傳算法，最后進(jìn)行結(jié)果對(duì)比分析。⑷基于SVM分類模型的電壓合格率精確值-圖形特征向量SVM模型研究。該部分先提出了基于SVM算法超平面分隔法的電壓合格率精確值圖形計(jì)算模型，并介紹了SVM算法RBF核函數(shù)的低維空間高維空間的映射理論，然后提出了電壓合格率精確值—圖形特征向量SVM計(jì)算模型，最后