电力系统是发电、输电、配电和利用系统的组合。简而言之,电力系统是任何电气系统的心脏。在电力系统中,故障或故障电流是任何异常电流。由于此类故障,整个系统可能会损坏并最终崩溃。这项工作的目的是将故障自动分类为 11 个故障类别之一,其中包括平衡故障和不平衡故障。架空输电线路产生故障的数据集是合成的,由100公里的11个不同的故障组成。仿真是使用 MATLAB/Simulink 软件模型完成的。故障分类任务是使用 Python 和 scikit-learn 中的监督机器学习算法实现的。SVM 表现出色,为生成的数据集提供了 91.6% 的测试准确率。因此,预测模型将使系统在提供可靠电源方面更加智能。
基于simulink的故障生成模型
故障类型如下:包含单相接地短路、两相短路、两相短路接地、三相短路、三相短路接地。
A相 接地 (AG)
B 相接地 (BG)
C 相接地 (CG)
A和B相(AB)
B 和 C相 (BC)
A和C相(AC)
A、B 相和接地 (ABG)
B、C相 和接地 (BCG)
A、C 相和接地 (ACG)
A、B、C 线(ABC)
线路A、B、C 和接地(ABCG)。
故障数据展示(三相故障电压、电流为特征量)
故障预测流程:
1)特征选择
2)类标签编码
3)使用三种常用算法 KNN、SVM 和决策树来实现分类。
分类结果如下:
SN | Algorithm | Accuracy (%) |
1 | Decision Tree | 84.2 |
2 | kNN | 86.15 |
3 | SVM | 91.06 |