暂态电能质量扰动检测方法研究的中期报告.docxVIP

暂态电能质量扰动检测方法研究的中期报告 中期报告 摘要： 本研究旨在研究基于机器学习的暂态电能质量扰动检测方法，以实现对电力系统中各种瞬时扰动的及时检测和准确识别。本报告主要介绍了本研究的研究背景、研究内容、研究进展以及未来计划。 研究背景： 近年来，随着电力系统的规模不断扩大、电力负荷的日益增加，暂态电能质量问题已经成为电力系统中的一个重要问题。暂态电能质量问题包括各种电力扰动，如电压骤升、电压跌落、电压闪烁、谐波等，这些扰动会导致电力设备损坏、电力质量下降，严重时将影响社会生产和人们的生活。因此，对暂态电能质量扰动的及时检测和准确识别具有重要意义。 研究内容： 本研究的主要内容为基于机器学习的暂态电能质量扰动检测方法。具体研究内容包括： 1. 收集和处理电力系统的数据，包括电压、电流、功率因数等； 2. 建立暂态电能质量扰动检测模型，包括特征提取、特征选择以及分类器构建等步骤； 3. 对比不同模型的检测效果，并对模型进行优化改进。 研究进展： 截至目前，完成了以下工作： 1. 收集了电力系统中的数据，包括电流、电压、功率因数等； 2. 针对数据进行了预处理，包括去噪、滤波、归一化等； 3. 实现了特征提取的常用方法，如时域特征、频域特征等； 4. 实现了分类器构建的常用方法，如支持向量机、随机森林、神经网络等； 5. 对比了不同模型的检测效果，并找到了相对较优的模型。 未来计划