基于支持向量回归机的电能质量评估

吴正玲++张楠楠

摘 要： 针对传统方法和神经网络方法在电能质量评估方面存在的不足，提出了一种新的基于支持向量回归机的电能质量评估方法。依据电能质量标准和有关文献建立了电能质量评估指标体系，给出了电能质量评估指标的等级区间。基于支持向量回归机的原理和电能质量评估指标，建立了基于支持向量回归机的电能质量评估模型。应用实例的仿真结果表明，所建立的评估模型具有较强的推广能力，得出的评估结果与其他评估方法相比更为合理可信。

关键词： 电能质量； 评估模型； 支持向量机； 支持向量回归机

中图分类号： TN915.853?34； TM714 文献标识码： A 文章编号： 1004?373X（2016）23?0148?04

Electric power quality assessment based on support vector regression

WU Zhengling1， ZHANG Nannan2

（1. Jilin Institute of Chemical Technology， Jilin 132022， China；

2. The Forty?seventh Division of the Army Reserve of the People′s Liberation Army， Jilin 132013， China）

Abstract： The traditional method and neural network method have the shortcomings in the aspect of electric power quality evaluation， a new electric power quality evaluation method based on support vector regression is proposed. The electric power quality evaluation indicator system was established according to the electric power quality standards and relevant literatures. The grade interval of the electric power quality evaluation indicator is given. On the basis of the principle of support vector regression and electric power quality evaluation indicator， the electric power quality evaluation model based on support vector regression was established. The simulation results of the application examples show that the established evaluation model has strong generalization ability， and the obtained evaluation result is more reasonable and reliable than that of other evaluation methods.

Keywords： electric power quality； assessment model； support vector machine； support vector regression

0 引 言

近年来随着电力工业和电力电子技术的迅猛发展，电力用户采用了大量时变控制的非线性设备，电网中接入了大量的冲击、非线性负载及不平衡负荷，引起了日益严峻的电能质量问题。同时，智能电网建设及新能源的发展又对电能质量提出了更高的要求。对电能质量进行科学地评估是提升电能使用效率、电能商品按质计价和电能质量治理等的重要保障，已成为电能质量研究中的热点问题。电能质量评估属于多指标非线性评估问题，在评估过程中指标权重确定的是否科学合理直接影响到评估结果的合理性和有效性，文献[1?7]分别采用改进雷达图法、模糊集对分析法、模糊层次分析法、灰色关联度和理想解法相结合的方法、区间数理论、云物元分析理论和可拓云理论对电能质量评估问题进行了深入研究。上述研究方法分别采用主观赋权法、客观赋权法或主客观相结合的组合赋权法确定各评估指标的权重值，由于不同的权重确定方法计算出的指标权重差异较大，仅从评估结果的合理性很难推断出各种权重确定方法的有效性。为了避免权重计算的复杂性和不确定性，文献[8?9]分别采用模糊神经网络和自组织特征映射网络的智能评估方法研究电能质量评估问题，克服了传统评估方法在权重确定方面的不足，并取得了较好的效果。

虽然神经网络具有良好的非线性逼近能力和较强的泛化能力，但神经网络方法自身存在着许多不足，如学习效率不高、样本需求量大、收敛速度慢和网络结构难确定等问题。支持向量回归机（Support Vector Regression，SVR）是支持向量机在回归领域的具体应用，具有泛化能力强、训练时间短、全局优化和抗干扰能力强等优点，因其出色的预测效果，被广泛应用于解决小样本、非线性预测问题[10]。文献[11]采用神经网络和支持向量机相结合的方法对110 kV高压电网的电能质量评估问题进行研究，取得了较好的评估结果。鉴于此，本文尝试采用支持向量回归机对380 kV高压电网的电能质量评估问题进行研究。

4 应用实例

这里以文献[4?7]中的评估数据为例，对构建的电能质量评估模型的有效性进行验证，其中5个观测点的实测数据如表2所示。

首先利用计算机在1，2，3，4四个电能质量等级区间随机各选取3个训练样本，按照评估模型的规范化方法规范化后的样本数据如表3所示。在计算机上利用Matlab 7.0软件编写基于SVR的电能质量评估模型算法，通过对规范化训练样本的训练，将支持向量回归机的参数设置为：[C=1 000，][ε]=0.001，[σ=]10。以后5个训练样本为例，评估模型预测的电能质量等级分别为3.000 1，3.000 1，4.000 1，3.999 9和3.999 9，从中可以看出，评估模型预测的等级误差极小，训练效果较好。

为了检验所建立评估模型的推广能力，对表2中的5个观测点的电能质量数据进行规范化处理，利用基于SVR的电能质量评估模型进行预测，得到的电能质量评估结果和文献[4?7]的评估结果见表4。

从表4中可以看出，本文的评估结果与其他方法得出的评估结果相一致，这里以观测点1为例进行说明。按照电能质量的等级区间，观测点1的电压闪变、谐波畸变率、三项不平衡度、频率偏差和需求侧服务5个评估指标为2级，电压偏差、电压波动、暂态压降和供电可靠性4个评估指标为3级，但电压偏差和暂态压降2个评估指标值均处于3级的下界即向2级的上界靠近，所以总体上评估为2.32级较为合理。

5 结 论

针对传统电能质量评估方法在指标权重确定方面存在的不足，以及基于神经网络的电能质量评估方法存在的网络结构不好确定、容易陷入局部极值和处理小样本推广性欠佳等问题，提出了一种新的基于支持向量回归机的电能质量评估方法。最后给出的应用实例结果表明，本文建立的基于SVR的电能质量评估模型具有较强的泛化能力，得出的评估结果更加合理具有较强的说服力，该评估模型具有一定的理论意义和实用价值。

参考文献

[1] 乔鹏程，吴正国，李辉.基于改进雷达图法的电能质量综合评估方法[J].电力自动化设备，2011，31（6）：88?93.

[2] 刘俊华，罗隆福，张志文，等.基于模糊集对分析法的电能质量综合评估[J].电网技术，2012，36（7）：81?85.

[3] 翟兴丽，文福拴，林振智，等.基于模糊层次分析法的电能质量综合评估与灵敏度分析[J].华北电力大学学报，2013，40（5）：48?53.

[4] 李正明，施诗，潘天红，等.基于灰色关联度和理想解法的电能质量综合评估方法[J].电力系统保护与控制，2014，42（6）：14?19.

[5] 王宗耀，范莉，苏浩益.基于区间数理论的电能质量综合评估模型[J].电力系统保护与控制，2012，40（3）：41?46.

[6] 夏非，范莉，苏浩益，等.基于云物元分析理论的电能质量综合评估模型[J].电力系统保护与控制，2012，40（11）：6?10.

[7] 李如琦，苏浩益.基于可拓云理论的电能质量综合评估模型[J].电力系统自动化，2012，36（1）：66?70.

[8] 周林，栗秋华，刘华勇，等.用模糊神经网络模型评估电能质量[J].高电压技术，2007，33（9）：66?69.

[9] 付学谦，陈皓勇，蔡润庆.基于自组织特征映射网络的电能质量综合评估[J].华南理工大学学报（自然科学版），2014，42（6）：7?11.

[10] 方瑞明.支持向量机理论及其应用分析[M].北京：中国电力出版社，2007.

[11] 王丽，王红梅，吴振洲.基于神经网络和支持向量机的电能质量组合评价[J].华北水利水电学院学报，2009，30（3）：61?64.

[12] 傅贵，韩国强，逯峰，等.基于支持向量机回归的短时交通流预测模型[J].华南理工大学学报（自然科学版），2013，41（9）：71?76.