随着专变终端、公变终端全覆盖安装,以及开闭所、环网站等相关断路器位置采集的配电自动化不断推进,加之集成变电站自动化的采集数据,中压配电网在线定时潮流计算、态势感知、态势可视化的技术条件也日益满足。机器学习算法近年来活跃在各个研究领域中,处理数据的归纳、推理、演算、模拟等应用场景,以其非凡的切片数据分析效果和精准的数据分类判定效果,深受各个领域研究者们的推崇。SVG(Scale Vector Graphic)图片格式是全球电力系统统一的图形格式。随着电力系统可视化技术研究的应用和推广,已积累了大量SVG格式的时间戳图片,每幅图中含有大量切片数据。若能将SVG格式中的图片信息以数据形式提取,并对其进行算法推演建模,图形中的信息也许能得到更为有效充分得利用。本文所做的工作和创新如下:变电站为中心的配电网电压态势图SVM算法预测评估关键技术的理论方面的研究。该部分综合分析了国内外电力系统可视化的发展状况,指出对于电网的实时图形和数据主要应用在电网可视化、可靠性分析、故障诊断等方面;了解到科学计算的目的是了解事物本质,而不仅仅是获得数据。如果没有建立合适的数学模型,数据难以转化为信息,反而数据的存储、传输本身需要很大的成本,并指出SVM算法预测评估,并综述了该方法的应用案例;提出了SVM算法需要的图形图像数据的特征向量提取步骤的一些方法;讨论了SVM算法一般过程,并在对RBF核函数SVM算法深入了研究。基于变电站为中心的配电网电压等高线态势图片的特征向量提取模型及其降维方法方面的研究。该部分是图形态势评估的基本数据准备阶段,是态势模型建立的重要环节。提取合适的特征向量对SVM模型的建立有非常重要的影响,对于模型评估的精度效果,这也是关键影响因素之一。本部分先给出了配电网态势图形格式SVG格式的介绍,之后提出了基于图形SVG格式的特征向量提取模型,为之后的SVM模型的分析和建立提供数据支持,并提出了基于java编程语言的模型提取方法。基于聚类分析和SVM算法的电压合格率预测模型研究。该部分先叙述了电压合格率值的定义,以及其对电网运行可靠性及决策的意义,接着提出了电压合格率值计算模型,再介绍了根据图形提取的特征向量和电压合格率的RBF核函数的SVM算法模型的建立方法,然后建立了两种SVM预测模型,分别是聚类前和聚类后的模型,其中SVM算法的参数寻优使用到了遗传算法,最后进行结果对比分析。基于SVM分类模型的电压合格率精确值-图形特征向量SVM模型研究。该部分先提出了基于SVM算法超平面分隔法的电压合格率精确值图形计算模型,并介绍了SVM算法RBF核函数的低维空间高维空间的映射理论,然后提出了电压合格率精确值—图形特征向量SVM计算模型,最后使用大样本、小样本测试集进行模型精确率测试分析与评价。