电工电能新技术

作者：卢珏1， 孙云莲1， 谢信霖2， 郑龙武2， 徐冰涵1， 吴莹1

单位：1. 武汉大学电气与自动化学院， 湖北 武汉 430072；
\r\n2. 广东电网英德供电局， 广东 清远 513000

关键词：电能质量指标, ReliefF算法, Elman神经网络, 随机森林, RBF-SVM算法

基金：国家自然科学基金项目（51607148）

随着能源互联网的建设和分布式发电的日益增多，以及目前用电形式的逐渐多样化，产生的电能质量问题也随之受到重视。为了保证用电品质以及电网的稳定运行，对电能质量指标合理地预警具有重要意义。因此，本文提出了一种基于改进组合预测的电能质量预警模型。对于可能影响电能质量指标的因素进行整合，利用ReliefF算法排除相关重要性低的因素，以降低输入维数。然后，选择Elman神经网络、随机森林和RBF-SVM智能算法对相应指标预测，利用灰色关联分析计算三种方法与真实值间的关联度以确定其权重，将三种方法预测结果组合并对峰谷突变处预测值修正得到最后预测值。最后，以广东省某10 kV线路监测点数据进行了仿真计算，对比证明了本文所提出方法的适用性。

来源：2020年第9期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2020年第9期