基于数据挖掘的配电网故障风险预警

被引：71

作者：

刘科研 ^{[1
]}

吴心忠 ^{[2
]}

石琛 ^{[2
]}

贾东梨 ^{[1
]}

机构：

[1] 中国电力科学研究院

[2] 北京交通大学电气工程学院

来源：

电力自动化设备 | 2018年 / 38卷 / 05期

关键词：

配电网; 数据挖掘; 故障关联因素; 最优故障特征子集; 风险预警; 支持向量机; 风险指标;

D O I：

暂无

中图分类号：

TM732 [电力系统的运行];

学科分类号：

120103 [信息系统与信息管理];

摘要：

为了提高配电网风险预警的准确性,提出了基于数据挖掘的配电网故障关联因素分析与风险预警的方法。通过数据清洗、数据变换、数据集成和离群样本剔除,归纳配电网四大类共28个故障特征;采用改进的Relief-Wrapper算法进行故障关联因素分析,剔除了6个冗余特征,形成了由22个故障特征组成的最优故障特征子集;提出了兼顾故障发生频率和失电负荷比例的配电网故障风险指标和风险等级划分方法,采用基于径向基函数的支持向量机(SVM)方法和最优故障特征子集进行风险预警。对某市120条馈线配电网进行了风险预警算例分析,结果验证了所提方法的有效性。

引用

页码：148 / 153

页数：6

共 14 条

[1]

基于机器学习的电力系统暂态稳定评估研究 [D].