[发明专利]基于支持向量机的配电网运行状态分类识别方法

摘要

本发明提出一种基于支持向量机的配电网运行状态分类识别方法。该方法主要基于SVM理论，同时对传统的SVM算法进行了改进。该方法从大量的数据样本中提取相似数据创建训练样本，采用小波包分解技术将故障信号分解成低频趋势信号和高频随机信号，采用SVM理论建模，合成得到配网运行状态分类数据，并训练得到基于核空间距离混合支持向量分类器(Support Vector Classifier，SVC)，建立配电网运行特征基因库，从而试图去建立一种可靠的判别机制，甄别配电网的正常和异常及故障状态。通过大量的仿真数据验证，表明所构建的分类器具有较强的泛化能力和较高的分类识别准确性，同时程序运行时间可满足工程需要。

主权项

一种基于支持向量机的配电网运行状态分类识别方法，其特征在于：包括训练阶段和诊断阶段，所述训练阶段构建两个混合支持向量机多类分类器，一个面向故障相电流提取特征，记为SVC‑I，另一个面向零序电流提取特征，记为SVC‑II；针对每个混合支持向量机多类分类器分别执行以下步骤，步骤1.1，针对各种配网运行状态，建立包括多个训练样本的训练样本集；步骤1.2，对训练样本集中所有训练样本进行特征提取，得到每个训练样本的原始标量小波特征集合；步骤1.3，构建混合支持向量机多类分类器；步骤1.4，基于混合支持向量机多类分类器，对原始标量小波特征集合中的标量小波系数特征元素进行训练和评估，提取最优特征子集；所述诊断阶段进行配网运行状态在线诊断，包括判断是否有零序电流，没有则进入步骤a，有则进入步骤b，步骤a，采集故障相电流得到待测样本，对待测样本进行特征提取得到待测样本的原始标量小波特征集合，根据步骤1.4所得最优特征子集从待测样本的原始标量小波特征集合提取相应元素并导入SVC‑I，由此得到配网所属运行状态；步骤b，基于零序电流得到待测样本，对待测样本进行特征提取得到待测样本的原始标量小波特征集合，根据步骤1.4所得最优特征子集从待测样本的原始标量小波特征集合提取相应元素并导入SVC‑II，由此得到配网所属运行状态。