融合多级支持向量机的铁磁谐振和雷电过电压识别方法研究

doi:10.3969/j.issn.1008-0198.2022.01.004

湖南电力 ›› 2022, Vol. 42 ›› Issue (1): 17-22.doi: 10.3969/j.issn.1008-0198.2022.01.004

融合多级支持向量机的铁磁谐振和雷电过电压识别方法研究

赵洪彬¹, 罗庆亮¹, 李欣², 向缨竹², 何智强³, 邓化龙⁴

1. 重庆大学电气工程学院,重庆 400044;
2. 国网湖南省电力有限公司电力科学研究院,湖南长沙 410007;
3. 国网湖南省电力有限公司,湖南长沙 410004;
4. 湖南长高森源电力设备有限公司,湖南衡阳 421200

收稿日期:2021-09-02 修回日期:2021-09-15 发布日期:2025-08-05
作者简介:赵洪彬(1989),男,硕士,工程师,主要从事电力系统过电压的研究。罗庆亮(1998),男,硕士,主要从事电力系统过电压的研究。
基金资助:
国网湖南省电力有限公司横向科研项目自然科学类(H20201372)

Research on Ferroresonance and Lightning Overvoltage Identification Method Based on Multi-Level Support Vector Machine

ZHAO Hongbin¹, LUO Qingliang¹, LI Xin², XIANG Yingzhu², HE Zhiqiang³, DENG Hualong⁴

1. School of Electrical Engineering, Chongqing University, Chongqing 400044, China;
2. State Grid Hunan Electric Power Company Limited Research Institute, Changsha 410007, China;
3. State Grid Hunan Electric Power Company Limited, Changsha 410004, China;
4. Hunan Changgao Senyuan Power Equipment Co., Ltd., Hengyang 421200, China

Received:2021-09-02 Revised:2021-09-15 Published:2025-08-05

摘要/Abstract

摘要： 针对电力系统过电压经常发生的严重威胁设备及人身安全的问题,提出基于支持向量机的模式识别方法。以重庆市某110 kV变电站采集的过电压波形为基础,分析不同过电压波形的特征差异,进而采用时域分析和频域分析提取能够有效反映铁磁谐振和雷电过电压差异的6类特征量,最后将所提取的特征量应用到过电压的模式识别中。该识别方法采用的支持向量机理论基础简单、直观,仿真结果表明该方法能够正确识别铁磁谐振及雷电过电压,且具有识别速度快的优势。

关键词: 铁磁谐振过电压, 雷电过电压, 特征量提取, 支持向量机, 过电压识别

Abstract: Aiming at the frequent occurrence of overvoltage in power system, which seriously threatens the safety of equipment and personnel, a pattern recognition method based on support vector machine is proposed. Based on the overvoltage waveforms collected by Chongqing 110 kV substation, the characteristic differences of different overvoltage waveforms are analyzed, and then six kinds of characteristic quantities that can effectively reflect the difference between ferroresonance and lightning overvoltage are extracted by time domain analysis and frequency domain analysis. Finally, the extracted characteristic quantities are applied to overvoltage pattern recognition. The theoretical basis of support vector machine used in this recognition method is simple and intuitive. The simulation results show that this method can correctly identify ferroresonance and lightning overvoltage, and has the advantage of fast recognition speed.

Key words: ferroresonance overvoltage, lightning overvoltage, feature extraction, support vector machine, overvoltage identification

中图分类号:

TM862

赵洪彬, 罗庆亮, 李欣, 向缨竹, 何智强, 邓化龙. 融合多级支持向量机的铁磁谐振和雷电过电压识别方法研究[J]. 湖南电力, 2022, 42(1): 17-22.

ZHAO Hongbin, LUO Qingliang, LI Xin, XIANG Yingzhu, HE Zhiqiang, DENG Hualong. Research on Ferroresonance and Lightning Overvoltage Identification Method Based on Multi-Level Support Vector Machine[J]. Hunan Electric Power, 2022, 42(1): 17-22.

参考文献

[1] 孙才新,司马文霞,赵杰,等. 特高压输电系统的过电压问题[J]. 电力自动化设备, 2005(9): 5-9.
[2] G.T.Heydt, P. S.Fjeld, C. C.Liu, et al. Applications of the windowed FFT to electric power quality assessment[J]. IEEE Transactions on Power Delivery, 1999, 14(4): 1411-1416.
[3] P.E.K.Dash, B. K.Panigrahi, G. Panda. Power quality analysis using S-transform[J]. IEEE Transactions on Power Delivery, 2003, 18(2): 406-411.
[4] D.C.Robertson, O. I.Camps, J. S.Mayer, et al. Wavelets and electromagnetic power system transients[J]. IEEE Transactions on Power Delivery, 1996, 11(2): 1050-1058.
[5] 杜林,郭良峰,司马文霞,等. 采用小波多分辨率能量分布分析电网过电压特征[J]. 高电压技术, 2009, 35(8): 1927-1932.
[6] 段建东,任晋峰,张保会,等. 超高速保护中雷电干扰识别的暂态法研究[J]. 中国电机工程学报, 2006, 26(23): 7-13.
[7] 李欣. 电力系统过电压分层模式识别及其应用研究[D]. 重庆:重庆大学, 2012.
[8] 占勇,程浩忠,丁屹峰,等. 基于S变换的电能质量扰动支持向量机分类识别[J]. 中国电机工程学报, 2005, 25(4): 51-56.
[9] 吕干云,程浩忠,郑金菊,等. 基于S变换和多级SVM的电能质量扰动检测识别[J]. 电工技术学报, 2006, 21(1): 121-126.
[10] 何正友,陈小勤. 基于多尺度能量统计和小波能量熵测度的电力暂态信号识别方法[J]. 中国电机工程学报, 2006, 26(10): 33-39.
[11] 王钢,李海锋,赵建仓,等. 基于小波多尺度分析的输电线路直击雷暂态识别[J]. 中国电机工程学报, 2004, 24(4): 139-144.
[12] 范毅,谢俊,杜泽明,等. 小波变换在电缆故障定位中的应用[J]. 高电压技术, 2000, 26(4): 9-10.
[13] Wang S., C. Sun, L. Zhang, et al. Identifying the Internal and the External Overvoltage of Distribution Networks Based on Fisher Discriminate Method [C]//Power System Technology.2006:1-4.
[14] 刘凡,司马文霞,孙才新,等. 多重分在铁磁谐振过电压信号分析中的应用[J]. 中国电机工程学报, 2006,26(18): 138-142.
[15] 杜林,戴斌,司马文霞. 基于支持向量的配电网过电压模式识别(英文)[J]. 高电压技术, 2009, 35(3): 521-526.
[16] 杜林,李欣,王丽蓉,等. 电力系统暂时过电压多级支持向量机分层识别[J]. 电力系统保护与控制, 2012, 40(4): 26-31.
[17] 廖宇飞,杨耿杰,高伟,等. 基于AD-CNN算法的配电网内部过电压识别技术[J]. 高电压技术, 2019, 45(10): 3182-3191.
[18] 杨冬锋,陈盛开,刘晓军,等. 基于自适应VMD和时-频分段能量熵特征的过电压信号识别[J]. 电网技术, 2019, 43(12): 4597-4604.
[19] 杜林,李欣,司马文霞,等. 110kV变电站过电压在线监测系统及其波形分析[J]. 高电压技术, 2012, 38(3): 535-543.
[20] 郭良峰. 基于遗传算法的电力系统过电压分层模糊聚类识别[D]. 重庆:重庆大学, 2009.
[21] 杜林,李欣,吴高林,等. 采用3类特征参量比值法的铁磁谐振过电压识别[J]. 高电压技术, 2011, 37(9): 2241-2249.

融合多级支持向量机的铁磁谐振和雷电过电压识别方法研究

Research on Ferroresonance and Lightning Overvoltage Identification Method Based on Multi-Level Support Vector Machine

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 4

编辑推荐

Metrics

本文评价

[1]	李雨涵, 刘燕燕, 刘闯, 刘海, 徐达. 基于黑猩猩算法优化支持向量机的变电站接地网腐蚀速率预测[J]. 湖南电力, 2024, 44(2): 77-83.
[2]	黄伟, 张莲, 王士彬, 赵娜, 季鸿宇. 基于改进沙丘猫群算法优化支持向量机的高压断路器故障诊断[J]. 湖南电力, 2024, 44(1): 128-135.
[3]	石曼伶, 罗珍珍, 郑鑫龙, 粟梅. 基于小波相对滑窗能量的直流微电网故障诊断方法[J]. 湖南电力, 2023, 43(5): 49-54.
[4]	孟繁聪, 吉俊杰, 薛小兵, 姚航宇, 胡飞, 潘伟峰, 白亮. 基于多重分形谱及支持向量机的水电机组轴系故障识别[J]. 湖南电力, 2022, 42(5): 114-118.