-
题名基于SVM的变电站母线日净负荷曲线大数据识别方法
被引量：9
- 1
-
-
作者
青灿
行舟
智勇
刘文飞
郝如海
马瑞
-
机构
长沙理工大学电气与信息工程学院
国网甘肃省电力公司
国网甘肃省电力公司电力科学研究院
-
出处
《电力科学与技术学报》
CAS
北大核心
2022年第6期125-131,共7页
-
基金
国家自然科学基金(51977012)
国家电网公司科技项目(52272218000X)。
-
文摘
针对传统基于统计的负荷曲线分类方法存在的准确性和低时效问题,将非侵入式负荷监测与分解技术拓展应用于变电站母线负荷曲线分解。考虑新能源出力,提出一种基于SVM和SCADA大数据的母线日净负荷曲线识别方法。首先,分析典型行业负荷有功功率曲线变化过程,提取有功突变时间进行负荷预筛选;然后,对有功功率波形进行傅里叶级数拟合,从而获取行业负荷特征标签,实现波形特征提取;其次,采用支持向量机将变电站母线日净负荷曲线波形特征分类识别,实现行业负荷特征辨识。最后对甘肃省电网某330 kV变电站实际数据进行SCADA仿真,结果表明,该方法可有效获取母线负荷类别,从而提升负荷建模效率。
-
关键词
母线负荷识别
SCADA系统
傅里叶级数
支持向量机
-
Keywords
bus load decomposition
SCADA system
Fourier series
support vector machine
-
分类号
TM863
[电气工程—高电压与绝缘技术]
-
