变电站自动化系统中,电气量与其他各种数据的准确性直接关乎变电站自动化设备的正确工作,同时对变电站不良数据进行检测可以了解电力系统设备的运行情况。机器学习方法相对于传统方法进行不良数据检测更加智能,能够减少不良数据的误检和漏检。主要研究工作如下:(1)对机器学习理论进行阐述,简要介绍机器学习策略,重点对统计学习中的支持向量机进行推导分析。(2)通过调度自动化系统和变电站自动化系统分析不良数据的来源。详细阐述传统不良数据检测方法中的残差检测法,并指出其不足,根据回归支持向量机方法建立量测数据估计器,通过比较量测数据与估计数据之差进行不良数据检测,机器学习方法相对于传统方法更智能。(3)以自动化信息检测系统这一项目为依托,开发一套变电站设备状态检测软件,该软件首先进行不良数据检测,在此基础上进行三相电流、电压不平衡性检测和开关状态与监控机状态不一致检测。该软件具有一定的可靠性,相对于变电站电气设备的人工检测,软件检测更加安全经济。