基于机器学习的电力系统故障分类预测模型

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

数据集及代码下载链接：基于机器学习的电力系统故障分类预测模型.zip-机器学习文档类资源-CSDN下载故障数据由simulink仿真得出，包含acb三相接地等11种故障，故障分类的任务是使用Pytho更多下载资源、学习资料请访问CSDN下载频道.https://download.csdn.net/download/ncusz/72760886