电力系统可靠化分析之支持向量机之应用研究.docVIP

　　电力系统可靠化分析之支持向量机之应用研究 第1章绪论 1.1课题研究的背景和意义 电力系统的根本任务是向用户提供安全、可靠、经济、优质的电能。电力系统可靠性是对电力系统按可接受的质量标准和所需数量不间断地向电力用户供应电力和电能能力的度量。电力系统可靠性分析是一项基于电力设备历年可靠性基础数据以及电力网架结构，结合相应摸型等效方法、指标体系及计算方法获取相应系统指标的系统工程。随着社会的不断进步、经济的快速发展，人们的生活进入了高度信息化、现代化的状态，供电可靠性对用户的正常生活及工业生产起着至关重要的作用。20世纪60年代中期，可靠性管理和技术开始引入电力系统。1965年美国政府就东北部系统发生大停电事故组织了调查；1968年美国电力可靠性协会(National Electric Reliability Council, NERC)成立，将全美分成 12 个安全协作区（后改为11个），力求保证电力系统能够经受较大的事故冲击，各自制定了可靠性准则，避免由于连锁反应引起的大面积停电，1981年由于加拿大等国的参加更名北美电力可靠性协会（North America Electric Reliability Council,NERC)； NERC总结了 1996年两次大停电经验于1997年推出了《规划标准》，1998年又推出了《执行标准》，对规划标准进行了详细的解释和细化[4]。 在中国，中国水利部1981年颁布实行了《电力系统安全稳定导则》，即指导电力系统的规划、计划、设计、基本建设、生产运行和科研实验等部门有关电力系统安全运行的三道防线；1983年，中国电机工程学会可靠性专业委员会成立，中国电工技术学会同年成立了可靠性管理中心，负责开展发电设备、输变电设备和系统的可靠性统计工作；中国电力企业在1996年6月联合成立了电力行业可靠性管理委员会。期间，可靠性研究和应用得到了很大的发展，开发了有自主版权的电源规划软件、发输电系统可靠性评估软件等，并在中国三峡电力系统、东北电力系统等得到应用。广义地说，可靠性基础数据是指在产品寿命周期各阶段的可靠性工作及活动中所产生的能够反映产品可靠性水平及状况的各种数据，可以是数字、图表、符号、文字和曲线等形式，电力系统中指的可靠性数据为系统或元件在工作中的故障或维修信息。电力系统可靠性基础数据的获取是基于历史统计数据进行数据分析、数据挖掘得到的。基础数据挖掘是可靠性分析最基础、也是最重要的工作，其可信程度从根本上影响了可靠性分析结果的准确性。广大的电力系统可靠性研究者一直在寻求一种适合于电力系统的可靠性基础数据处理的方法。配电系统是电力系统中与直接与用户连接的部分，是保证用户正常用电、合理分配电能的重要环节。不同的配网网架结构、不同的接线方式都会对供电质量产生不同的影响。据文献[5]统计，用户停电故障中有80%以上的故障是由配电网故障引起的，配网可靠性在用户供电可靠性上占有最大的比重。在电力系统可靠性的研究中，什么因素以何种程度影响着系统或者负荷点的可靠程度是研究者们一直探索的问题，这一问题的答案是指导电力系统规划建设的重要依据，是可靠性研究之于电力系统的重要意义之一。 1. 2电力系统可靠性研究现状 1.2.1电力系统可靠性基本概念 1、电力系统可靠性 包括充裕性和安全性两个方面。充裕性（Adequacy)是指电力系统维持连续供给用户总的电力需求和总的电能量的能力，系统元件的计划停运及合理的期望非计划停运同时考虑。充裕性是指在静态条件下电力系统满足用户电力和电能能量的能力，所以又称静态可靠性。安全性（Security)是指电力系统承受突然发生的扰动，包括突然短路或未预料短路或预料到的失去系统元件的能力等。安全性是指在动态条件下电力系统经受住突然扰动并不间断地向用户提供电力和电能量的能力,所以也称动态可靠性。 第2章统计学习理论与支持向量机 基于数据的机器学习是现代智能技术中的重要的方面，观测样本数据寻找规律，利用获得的规律对未来数据进行预测。统计学是现有机器学习方法的重要基础之一。现有大部分学习方法与传统统计学研究都是基于样本数目趋于无穷大的渐进理论。而实际问题中，大多数情况下样本数目是有限的[44]。 2.1统计学习理论 与传统统计学不同，统计学习理论（Statistical Learning Theory或SLT)专门研究小样本情况下机器学习规律的理论。SLT由V.Vapnik等人经过30余年的研究于上个世纪90年代中期提出，随着理论的不断成熟，以及结构风险最小化的理论优势受到越来越广泛的重视[43-45]。 2. 1. 1机器学习简介 给定的训练样本，系统处理得到输入输出之间的依賴关系，对未知输出做出尽可能准确的预测的方法称为机器学习方法。统计学习理论可以看作是基于数据的机器学习问题的一