采用时频矩阵奇异值分解和多级支持向量机的雷电及操作过电压识别

雷电及操作过电压的识别,对改进和提高电力系统绝缘配合水平具有重要意义。提出了一种基于时频矩阵奇异值分解(singular value decomposition,SVD)和多级支持向量机(support vector machine,SVM)的雷电及操作过电压识别方法,通过对过电压信号的小波分解,构建多尺度时频矩阵,利用SVD对该矩阵进行奇异值分解,将信号分解到不同的时频特征子空间,然后获取过电压信号的奇异谱,并计算奇异谱的特征量,将这些特征量作为多级SVM的输入,实现雷电及操作过电压的辨识。对变电站实测5种过电压信号的计算表明:提取的特征量维数低,对过电压信号的电磁干扰具有相对稳定性;采用的识别方法训练次数少,识别率高,能够实现雷电及操作过电压的准确分类。

±800 kV换流站主接线可靠性评估

随着设备状态检修理论研究和应用的深入,提出了改进的元件四状态模型。该模型重新定义元件的异常状态和检修状态,将元件的状态检修状态与计划检修状态合并归入元件的检修状态,并确定了各状态之间的转换关系及参数的求取。提出了利用元件的合并分区方法简化主接线,形成一个简单的有向网络,并将改进的元件四状态模型应用于区域可靠性参数的确定。借用矩阵乘法简化最小路矩阵搜索的方法对有向网络进行最小路搜索,利用解析法枚举有向网络的各种故障状态,并编程计算出该网络的可靠性数据。将该方法应用于和平±800 kV换流站主接线可靠性评估,对计算结果证明了该算法的正确性。

S变换模矩阵和最小二乘SVM在雷电及操作过电压识别中的应用

提出一种基于S变换模矩阵和最小二乘支持向量机(SVM)的雷电及操作过电压识别方法。通过对零序过电压信号的S变换模矩阵进行奇异值分解,将过电压信号的特征信息分解到不同的时频特征子空间,提取奇异值的5类统计特征参量作为过电压识别的特征向量,并将其输入最小二乘SVM分类器,实现雷电及操作过电压的类型识别。过电压实测数据表明:所提特征方法的特征量维数低,抗干扰能力强;采用的识别方法训练次数少,识别率高,可较好地应用于雷电及操作过电压的识别。