[发明专利]一种基于支持向量机的高铁电能质量数据的分类方法

说明书

技术领域

本发明涉及电能质量数据分类方法，具体涉及一种基于支持向量机的高铁电能质量数据的分类方法。

背景技术

随着以特高压电网为骨干网架、各级电网协调发展的坚强智能电网建设加快，电网中产生电能质量扰动的因素不断增加，使得电网所遭受的电能质量问题也日趋严重。为加强电网电能质量管理，我国部分省（市）电力公司如上海、江苏、福建、山西、辽宁、江西、河南、湖南等先后建立了全省（市）的电能质量监测系统，部分省公司也建立了省内的多个地市级电能质量监测系统。目前各省（市）电能质量监测系统基本达到了电能质量基本数据采集、报表生成等功能，但在电能质量信息挖掘方面，还缺乏高级分析技术，致使采集到的海量电能质量监测数据得不到充分利用，造成了严重的数据浪费。针对这种情况，亟需开展电能质量数据挖掘技术，从电能质量数据中提取有用的信息，从而使电能质量监测系统更好地服务于电网规划、运行和检修等。然而，电能质量监测数据是一种多维海量数据集，其包括有效值数据和波形数据，并且包括电压偏差、频率偏差、谐波、间谐波、电压波动与闪变、三相不平衡度、电压暂升、电压暂降和电压短时中断等多种指标，使得电能质量监测数据挖掘面临巨大挑战。

目前，数据挖掘在电能质量分析中尚处于初级阶段。针对电能质量的扰动识别分类问题的研究比较多，实用性比较强。而针对干扰源特性分析，从海量监测数据中提取干扰源运行时的数据并根据监测数据特征判断干扰源类型识别的研究还较少。

发明内容

针对现有技术的不足，本发明的目的是提供一种基于支持向量机的高铁电能质量数据的分类方法，基于支持向量机的回归特征消去法（SVM-RFE）进行高铁负荷的电能质量特征识别方法，进行高铁负荷电能质量的特征选择，利用最优的特征子集训练支持向量机，最后完成对有无高铁负荷运行的电能质量数据分类。该发明从海量监测数据中提取高铁运行时的数据，并能选择出反映高铁运行时的电能质量特征，为电能质量数据的挖掘分类提供了一种思路和方法。

本发明的目的是采用下述技术方案实现的：

本发明提供一种基于支持向量机的高铁电能质量数据的分类方法，其改进之处在于，所述方法包括下述步骤：

（1）通过在线的电能质量监测仪获取高铁电能质量监测数据，进行预处理后作为训练样本集；

（2）利用训练样本集训练支持向量机SVM，获得SVM模型、训练样本集及测试样本集的分类正确率；

（3）基于支持向量机的回归特征消去法进行高铁负荷电能质量的特征选择；

（4）综合分类正确率和特征子集的个数对特征子集进行优劣评估，确定最优特征子集；

（5）利用最优特征子集训练支持向量机SVM，获得最终的支持向量机模型；

（6）利用最终的支持向量机模型对高铁电能质量的样本数据进行识别，获得高铁电能质量数据的分类。

进一步地，所述步骤（1）中，高铁电能质量监测数据包括电压偏差、电流有效值、频率偏差、有功功率、无功功率，视在功率、电量、谐波、间谐波、电压波动与闪变、三相不平衡度、电压暂升、电压暂降和电压短时中断；

所述谐波为0-50次的谐波。

进一步地，所述步骤（1）中，预处理包括：

①将每3秒采样的高铁电能质量监测数据，每20个采样数据进行平均处理，转化为每分钟1个样本数据x′_i；

②将样本数据按照每个特征进行归一化处理。假设x′_i＝(x′_i,1,x′_i,2,...,x′_i,m)是第i个原始数据样本，有m个特征，其中x′_i,j为第i个样本的第j个特征的值；归一化的表达式如下：