典型文献
基于SVM的变电站母线日净负荷曲线大数据识别方法
文献摘要：
针对传统基于统计的负荷曲线分类方法存在的准确性和低时效问题,将非侵入式负荷监测与分解技术拓展应用于变电站母线负荷曲线分解.考虑新能源出力,提出一种基于SVM和SCADA大数据的母线日净负荷曲线识别方法.首先,分析典型行业负荷有功功率曲线变化过程,提取有功突变时间进行负荷预筛选;然后,对有功功率波形进行傅里叶级数拟合,从而获取行业负荷特征标签,实现波形特征提取;其次,采用支持向量机将变电站母线日净负荷曲线波形特征分类识别,实现行业负荷特征辨识.最后对甘肃省电网某330 kV变电站实际数据进行SCADA仿真,结果表明,该方法可有效获取母线负荷类别,从而提升负荷建模效率.
文献关键词：
母线负荷识别;SCADA系统;傅里叶级数;支持向量机
中图分类号：
作者姓名：
青灿;行舟;智勇;刘文飞;郝如海;马瑞
作者机构：
长沙理工大学电气与信息工程学院,湖南 长沙 410114;国网甘肃省电力公司,甘肃 兰州 730030;国网甘肃省电力公司电力科学研究院,甘肃 兰州 730070
文献出处：
引用格式：
[1]青灿;行舟;智勇;刘文飞;郝如海;马瑞-.基于SVM的变电站母线日净负荷曲线大数据识别方法)[J].电力科学与技术学报,2022(06):125-131
A类：
非侵入式负荷监测与分解,母线负荷识别
B类：
变电站,净负荷曲线,数据识别,负荷曲线分类,分类方法,分解技术,拓展应用,出力,SCADA,有功功率,功率曲线,曲线变化,变化过程,傅里叶级数拟合,负荷特征,特征标签,波形特征,线波,特征分类,分类识别,省电,kV,实际数据,负荷建模,建模效率
AB值：
0.259345
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
