论文部分内容阅读
随着现代社会的高速发展,电力工业日益体现其不可替代的重要作用。电力工业的发展状况不仅影响一个国家国民的物质文化生活,更体现着一个国家的综合国力,甚至直接带动着整个人类社会的进步。在整个电力工业系统中,输电线路系统作为其中的一个重要环节,将发电厂、变电站、供配电设备和电力用户联接成一个有机整体。因此,输电线路系统的运行状况直接关系到电力系统的可靠运行,影响着广大用户的用电安全和质量。大数据正成为各学术界和产业界共同关注和讨论的研究主题,并在许多领域得到了应用,具有十分广阔的应用前景。支持向量机(SVM)是大数据的经典算法之一,在故障诊断方面有其独特的优势。本文首先介绍了输电线路故障诊断和大数据分析的发展状况,并拟将大数据技术应用于输电线路管理系统和故障诊断方面,阐述了本课题研究的主要内容和研究意义。本文通过查阅大量文献分析了输电线路的常见故障和主要故障诊断方法,介绍了大数据分析的关键技术:数据挖掘、数据整合以及输变电大数据的研究点和关键技术。数据挖掘是机器学习和数据库衍生的产物,它的目的是从海量的数据源中提取有用的或使人们感兴趣的知识和模式。本文设计了输电线路信息管理系统,并进行了测试实验,给出了系统的实现结果。搭建输电线路信息管理系统的目的在于简化现有的输电线路管理系统,并为将大数据分析技术应用于输电线路故障诊断研究提供技术平台。本系统结合输电线路管理的实际工作情况,采用B/S模式,基于J2EE平台,集成Struts2、Spring和Ibatis三种框架,满足了输电线路日常工作管理的需求,极大地提高了工作效率。最后,本文实验部分采用了大数据分析技术中的支持向量机(SVM)算法,并对传统的SVM算法进行了优化,运用了UD-SVR参数寻优原理,使其摆脱小样本数据集的局限,能够适应于大规模数据集。随后,本文分别运用传统的SVM模型和改进的SVM模型进行实验,并对实验结果进行了对比分析,实验结果证明了本研究的可行性。