[發明專利]基于機器學習和SVM算法的電子式電壓互感器誤差狀態預測方法

在審

• 申請號: 202110891906.7
• 申請日: 2021-08-04
• 公開（公告）號: CN113743651A
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 李振華;蘭芳;黃悅華;陳興新;張磊;李振興;邾玢鑫;楊楠;徐艷春
• 申請（專利權）人: 三峽大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N20/10;G06K9/62;G06F30/27
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 吳思高

基于機器學習和SVM算法的電子式電壓互感器誤差狀態預測方法，采集電子式電壓互感器誤差表征量和影響因素，構建數據模型；采用機器學習算法對SVM模型的懲罰系數C和核參數g進行超參數尋優；根據最優超參數對誤差表征量進行建模預測，計算實際誤差表征量與預測誤差表征量的差值，以平均絕對誤差和均方根誤差作為預測評估，并用兩段數據段進行預測。結果均表明，采用機器學習算法作參數尋優的SVM的誤差預測精度高，效果更好，預測結果更接近于實際預測值。本發明方法能夠在不停電的狀態下，有效預測電子式互感器誤差狀態曲線走勢，為在線監測電子式互感器誤差狀態提供可參考依據。

技術領域

本發明涉及電子式互感器在線監測技術領域，具體涉及一種基于機器學習和SVM算法的電子式電壓互感器誤差狀態預測方法

背景技術

互感器是智能變電站中用于采集高壓母線上高壓信號的中間設備，其經濟性和安全性對于人們的生活有著不可或缺的影響，從作用上來看，互感器可實現智慧變電站的一次高壓和二次低壓的有效分割。同時，從功能上來看，互感器可測量、監測和保護設備。綜合考慮互感器在電力系統中的地位可知，互感器的存在可滿足其基本要求。

與傳統互感器相比，電子式電壓互感器(Electronic Voltage Transformer，EVT)結構復雜，會存在復數誤差，即比差、角差；同時，電子式電壓互感器還存在運行誤差，一般地，運行誤差會受到多種環境參量的影響，變化規律難以找尋，在現實操作中經常存在超差的問題，EVT誤差狀態預測是變電站實現智能化檢修的關鍵步驟之一，對于減少電力計量設備出錯率和檢修工作復雜程度具有重要意義，為選取對于EVT基本誤差的預測手段。

文獻“[周明,聶艷麗,李庚銀,等.基于小波分析的短期電價ARIMA預測方法[J].電網技術,2005(09):50-55.”提出了一種基于小波分析的短期電價ARIMA預測方法，文中采用了傳統的ARIMA預測方法，但該方法只適合用于所研究對象是線性序列的情況。

文獻“黃新波,蔣衛濤,朱永燦,等.基于時間序列和支持向量機的變壓器故障預測[J].高電壓技術,2020,46(07):2530-2538.”提出了用混沌理論和神經網絡建模及預測直流電弧爐，采用了非線性預測混沌理論，但是這一方法只適用于具有混沌特性的信號。

傳統的方法或多或少都存在局限性，近年來，越來越多的學者開始采用新興技術——機器學習來進行預測，如神經網絡等，而如今單一的模型或算法的預測已無法滿足逐漸發展得預測需求，使得人們開始采用機器學習來優化單一模型參數的組合式模型來進行預測

發明內容

為解決上述技術問題，本發明提供一種基于機器學習和SVM算法的電子式電壓互感器誤差狀態預測方法，通過機器學習算法尋找SVM模型的最優超參數，以構建誤差狀態預測模型。根據電子式互感器的影響因素和誤差表征量進行建模，預測比差和角差的變化趨勢，實現電子式互感器誤差狀態的在線檢測，及時發現誤差狀態問題，指導電子式互感器檢測工作，保障電能計量的公平性和電網安全運行的可靠性。該方法具備成本低、收斂速度快、智能程度高的優點。

本發明采取的技術方案為：

基于機器學習和SVM算法的電子式電壓互感器誤差狀態預測方法，采集電子式電壓互感器誤差表征量和影響因素，構建數據模型；采用機器學習算法對SVM模型的懲罰系數C和核參數g進行超參數尋優；根據最優超參數對誤差表征量進行建模預測，計算實際誤差表征量與預測誤差表征量的差值，以平均絕對誤差和均方根誤差作為預測評估，并用兩段數據段進行預測。

基于機器學習和SVM算法的電子式電壓互感器誤差狀態預測方法，包括以下步驟：

步驟1：采集電子式互感器誤差表征量和影響因素，再對采集的原始數據序列進行數據預處理后作為數據模型輸入；

步驟2：將數據預處理后的數據集劃分為訓練集、驗證集、測試集；