面向新型电力系统的配网供电数据分析与处理技术.pdfVIP

电力系统及其自动化《电气自动化》2024年第46卷第2期

PowerSystemAutomation

面向新型电力系统的配网供电数据分析与处理技术

刘鑫，王梦薇

（国网上海市电力公司经济技术研究院，上海200233）

摘要：针对现有技术方案对新型电力系统中配网电能质量识别准确率较低的问题，提出了一种基于经验模态分解（empiricalmodede-

composition，EMD）、灰狼优化（greywolfoptimizer，GWO）算法和支持向量机（supportvectormachine,SVM）算法的电能质量识别

分类融合模型。该模型以配电网监测的电压及电流波形作为输人，通过EMD算法对输人数据进行特征提取，得到多个固有模

态分量。同时，利用GWO算法对SVM模型的惩罚系数与核函数参数进行优化，并将固有模态分量作为最优SVM模型的输人

特征，从而实现电能质量问题的精准识别分类。算例分析结果表明，所提子模块的改进算法能够实现波形特征的分解提取以

及参数的快速优化，且EMD-GWO-SVM融合算法的电能质量分类识别平均准确率可达92.83%。

关键词：电能质量；支持向量机；灰狼优化算法；分类识别；经验模态分解

D01:10.3969/j.issn.1000-3886.2024.02.005

A［文章编号］】1000-3886(2024)02-0019-03

[中图分类号]TP277;TN99［文献标志码]］A

DataAnalysisandProcessingTechnologyof

DistributionNetworkPowerSupplyforNewPowerSystem

LiuXin,WangMengwei

EciChina

onomicandTechnologyResearchInstituteofStateGridShanghaiElectricPowerCompany,Shanghai200233,

Abstract:Inviewofthelowaccuracyoftheexistingtechnicalschemesintheidentificationofpowerqualityinthedistributionnetworkinthe

newpowersystem,aclassificationfusionmodelofpowerqualityidentificationbasedonempiricalmodedecomposition(EMD),gray

wolfoptimizer(GWO)algorithmandsupportvectormachine(SVM)algorithmwasproposed.Themodeltookthevoltageandcurrent

waveformsmonitoredbythedistributionnetworkastheinput,andextractedthecharacteristicsoftheinputdatathroughEMD

algorithmtoobtainthecomponentsofmultiplenaturalmodes.Atthesametime,GWOalgorithmwasusedtooptimizethepena