基于支持向量机的电力客户信用评价

结合我国电力客户基本情况,建立了电力客户信用评价指标体系。首先对定量指标进行无量纲化处理,用梯形模糊数表示描述定性指标的语言变量,并用梯形模糊数的μ-期望值将其明确化为确定的非模糊价值量。最后运用支持向量机对电力客户信用进行评价,借助于支持向量机工具箱OSU_SVM3.00,在Matlab6.5中予以实现。实验结果表明该方法是用于电力客户信用评价的有效方法。     

基于支持向量机的微机保护装置状态评估研究

提出了基于SVM构建适合微机保护装置状态评估的方法。目的是对微机保护装置进行准确的状态评估。通过状态评估,可以明确判断其状态的好坏,从而为微机保护装置的状态检修或安排计划检修提供科学的依据。评估结果表明小样本情况下有较高的评估正确率和较好的稳定性,同样条件下比BP神经网络的评估正确率高、速度快。另外,试验表明径向基核函数的SVM分类方法应用于微机保护装置状态评估最理想。     

基于支持向量机的变电站蓄电池健康度评估

针对变电站蓄电池健康状态评估手段效率低,破坏性强的缺点,以评估变电站蓄电池健康度为目标,利用支持向量机算法提出了一种新的变电站蓄电池健康评估模型.为了验证该模型的有效性,利用北京某变电站蓄电池组的实测数据进行验证,实验结果表明该模型的分类精度高达97.45％.通过实例验证了该模型能够对变电站蓄电池的健康度能够进行较好评...     

基于支持向量机的微机保护装置状态评估的研究

为了给微机保护装置的状态检修或计划检修提供科学的决策依据,提出了一种基于支持向量机的微机保护装置状态评估的方法.首先采用运行工况、定检信息作为支持向量机的输入特征向量,然后通过核函数将输入特征向量映射到高维特征空间,用支持向量机的模式识别方法来识别微机保护装置状态.实验结果表明SVM对微机保护装置进行状态评估是可行、有效的,在小样本情况下有较高的评估正确率和较好的稳定性,径向基核函数的SVM分类方法应用于微机保护装置状态评估最理想.同样条件下比人工神经网络的评估正确率高,速度快.     

基于支持向量机的微机保护装置状态评估的研究

为了给微机保护装置的状态检修或计划检修提供科学的决策依据,提出了一种基于支持向量机的微机保护装置状态评估的方法。首先采用运行工况、定检信息作为支持向量机的输入特征向量,然后通过核函数将输入特征向量映射到高维特征空间,用支持向量机的模式识别方法来识别微机保护装置状态。实验结果表明SVM对微机保护装置进行状态评估是可行、有效的,在小样本情况下有较高的评估正确率和较好的稳定性,径向基核函数的SVM分类方法应用于微机保护装置状态评估最理想。同样条件下比人工神经网络的评估正确率高,速度快。     

电费代收点信用评估管理系统应用研究

首先通过分析供电企业目前电费代收点管理中存在的弊端,提出了改进这种管理模式的必要性,然后以A市供电公司开发创新并推广应用的电费代收点信用评估管理系统为例,深入分析了该系统的技术原理、创新点和科技成果,最后综合探讨了该管理模式的经济效益和社会效益。该研究为供电企业提高电费代收点管理水平、提升供电服务质量和用电客户满意度提供了新的思路和技术探索。     

基于支持向量机的电力系统静态电压稳定评估

为了预防电压崩溃,需要评估系统运行状态到电压极限点的距离。该距离通常用潮流方程计算,但对于高维电力系统,这种方法计算速度较慢,难以满足实时电压稳定评估的要求。为减少评估时间,应用快速且可靠的评估技术是很重要的。本文提出了一种基于支持向量机的静态电压稳定评估方法,该方法充分发挥支持向量机在解决高维、非线性和有限样本问题方面体现出的优势,保证了电压稳定评估模型的泛化能力,具有较快的评估速度和较高的预测精度。在WSCC 9节点测试系统中的应用结果证明了该方法的有效性。     

基于支持向量机的电力系统静态电压稳定评估

为了预防电压崩溃,需要评估系统运行状态到电压极限点的距离.该距离通常用潮流方程计算,但对于高维电力系统,这种方法计算速度较慢,难以满足实时电压稳定评估的要求.为减少评估时间,应用快速且可靠的评估技术是很重要的.本文提出了一种基于支持向量机的静态电压稳定评估方法,该方法充分发挥支持向量机在解决高维、非线性和有限样本问题方面体现出的优势,保证了电压稳定评估模型的泛化能力,具有较快的评估速度和较高的预测精度.在WSCC9节点测试系统中的应用结果证明了该方法的有效性.     

基于支持向量机和模糊控制的输电线路覆冰状态评估模型

输电线路覆冰严重威胁着电力系统的安全运行。为提高输电线路覆冰状态评估准确率,以输电线路覆冰监测系统为基础,综合考虑监测系统的等效覆冰厚度、微气象参数以及覆冰持续时间等,提出基于支持向量机和模糊控制的输电线路覆冰状态评估模型。支持向量机实现覆冰状态的初步分类,输出无覆冰状态和有覆冰状态,针对有覆冰的状态进一步通过模糊控制评估模型对覆冰的严重程度作出准确评估,输出线路覆冰综合评估结果。实验数据验证了评估模型的准确性和可行性。     

基于支持向量机和决策函数的暂态稳定评估方法

暂态稳定评估是保证电力系统安全稳定运行的关键点,为解决应用机器学习进行暂态稳定评估保守性不足的问题,提出了一种基于支持向量机和决策函数的暂态稳定评估方法。该方法以故障前潮流量为初始特征集,结合暂态安全稳定量化评估和统计理论方法,提取输入特征;通过支持向量机训练暂态稳定评估模型,得出评估模型的决策函数,并依据支持向量的决策值确定门槛值,保证评估结果保守性。新英格兰10机39节点测试系统和实际系统算例验证了所提方法的可靠性和实用性。     

基于支持向量机和DGA的变压器状态评估方法

针对电力变压器结构、老化、故障机理复杂,具有不确定性,难以进行准确的状态评估的问题,将变压器健康状态分为良好、一般、注意、较差4种状态,提出了一种基于支持向量机的二叉树多级分类器变压器健康状态评估方法。该模型以变压器油中溶解气体的产气量和产气速率为评价指标,利用支持向量机挖掘评价指标与变压器健康状况之间的关系。     

基于支持向量机增量学习的电力系统暂态稳定评估

基于传统支持向量机的暂态稳定评估模型,通常将所有的学习样本同时参与学习,如果有新样本加入,则需要对所有样本重新学习.针对传统暂态稳定评估模型不能在线更新的不足,提出了一种支持向量机增量学习的暂态稳定评估方法.该方法利用一种快速支持向量机增量学习方法,构造递归解法将新数据增加到解中,并对模型更新前的训练数据保持Karus...     

基于主成分分析和支持向量机的静态电压稳定评估

高维电力系统中,运用常规的潮流方程计算电压稳定的速度较慢,难以满足实时评估的要求,提出了一种基于主成分分析和支持向量机的静态电压稳定评估方法,先利用主成分分析进行特征提取和降维,再利用支持向量机建立回归模型,该方法充分发挥了支持向量机在解决高维、非线性和有限样本问题等方面的优势,保证了电压稳定评估模型的泛化能力,具有较快的评估速度和较高的预测精度,W SCC 9节点测试系统中的应用结果证明了该方法的有效性。     

基于支持向量机模型的环境音分类研究

音频分类是提取音频结构和内容语义的重要手段,是基于内容的音频、视频检索和分析的基础.支持向量机(SVM)是一种有效的统计学习方法.本文提出了一种基于SVM的音频分类算法.将环境音分为6类:车鸣声,钟声,风声,冰块声,机床声和雨声.特征抽取是音频分类的基础.本文从帧层次上深入分析了不同类音频之间的区别性特征,包括频域能量,子带能量,过零率,频率中心,带宽,基音频率及MFCC(Mel-Frequency Cepstral Coefficients).实验结果表明,支持向量机模型的环境音分类性能较好,最优分类精度达到97.73%.     

短期负荷预测的支持向量机方法研究

提出了一种基于支持向量机(SVM)理论的电力系统短期负荷预测方法。该方法采用结构风险最小化原则(SRM)，与采用经验风险最小化原则（ERM)的传统神经网络方法相比，具有更好的泛化性能和精度，减少了对经验的依赖。SVM算法以统计学习理论作为其理论基础，它的训练等价于解决一个二次规划问题。为了提高负荷预测精度，文中在训练数据集中采用了负荷数据和温度数据。通过和多层BP神经网络进行比较的试验，结果证明了其在短期负荷预测中的有效性。     

基于模糊最小二乘支持向量机的微电网群状态评估方法

针对微电网群能量管理与协调控制系统适应多微电网间多工况控制策略灵活调整的需要,提出了一种基于模糊最小二乘支持向量机(FLS-SVM)的低压微电网群运行状态实时评估模型。该模型基于传统电力系统运行状态描述方法,建立了微电网群及子微电网安全正常运行的边界条件,以电压偏移率、储能剩余容量及充放电时间、发用电功率等多维度特征向量对子微电网状态分类,应用FLS-SVM对子微电网的实时运行状态进行评估,最后判别出微电网群运行状态。实例计算分析表明,该模型可跟随系统采样周期实时评估,对离、并网条件下子微电网运行状态均能实现准确有效地分类,为微电网群快速判断网内状态并灵活调整控制策略提供依据。     

基于支持向量机的区域覆冰模型

针对无人区输电线路冰区划分问题,本文提出一种基于支持向量回归机(support vector vegression,SVR)的区域覆冰模型。利用研究区域大量实测覆冰数据和同时气象数据,采用ArcGIS提取区域地形因子,并将气象因子空间数值化,分析覆冰与气象因子和地形因子的关系,构建区域覆冰数学模型。研究结果表明支持向量机覆冰模型优于线性模型。     

基于支持向量机和DGA的变压器状态评估方法

电力变压器老化、故障机理复杂,具有不确定性,难以进行准确的状态评估,故提出了一种基于支持向量机的二叉树多级分类器变压器状态评估方法,该模型以变压器油中溶解气体的含气量和产气速率为评价指标,结合<电力设备预防性试验规程>和<变压器油中溶解气体分析和判断导则>制定了半梯形百分制评分模型对选定的评价指标进行评分;将变压器状态分为良好、一般、注意、较差4种状态,利用从变压器历史试验数据库中归纳整理的样本分别对三级支持向量机分类器进行训练,经过训练的分类器能够正确判断出变压器所处的状态.实例分析结果表明该方法的有效性和实用性.     

基于支持向量机的在线暂态稳定故障筛选

为了满足在线暂态稳定评估计算时效性要求,基于历史大数据提出了一种采用支持向量机的暂态稳定预想故障筛选方法。结合扩展等面积准则暂态稳定量化评估方法,基于系统功角稳定模式和机组参与因子选择特征量,按照关键特征量将历史运行方式聚类,针对失稳样本分布分别采用分类和回归2种预测方法,在预测模型适用性判别和模型匹配基础上获得稳定裕度预测值、分类稳定预测结果和可信度量测,采用交互式并行计算进行在线暂态稳定故障筛选,可以在较大程度上避免SVM暂态稳定评估方法固有的误判情况。基于某实际电网的算例验证了所提方法有效性。     

基于支持向量机的配电网重构

配电网重构可以表述为模式识别问题。通过建立配电网的结构模式,并利用基于结构风险最小化原理的支持向量机,提出了一种配电网重构模式识别模型的构造方法。该方法利用支持向量机在解决有限样本、非线性及高维识别中的优势,提高了模型的泛化能力,同时结合配电网的特点利用同胚图建立了配电网的结构模式,解决了建模过程中输出空间难以确定和表达的问题,使模型能够适用于有一定规模的配电网络。算例表明所提出的方法可以在有限样本下取得较好的预测效果。