基于改进量子遗传优化支持向量机的配电网故障分类
针对传统方法在解决现代配电网故障分类时存在的求解速度慢、分类精度差的问题,提出一种结合量子遗传算法的支持向量机配电网故障分类方法.首先采集故障信号并进行S变换处理,将处理结果的均方根与均值作为特征量,以提高特征量辨识度;其次在量子遗传算法的种群更新策略中引入自适应动态旋转角,避免算法在早期陷入局部收敛,增加算法的调参精度.以IEEE33节点配电网模型为研究对象的实验结果表明,所提的特征量提取方法有效提高了支持向量机的故障分类精度,改进后的量子遗传算法通过为支持向量机寻到更优参数从而进一步提高了故障的判别精度和分类速度,验证了方法的有效性与准确性.
故障分类、特征量提取、支持向量机、量子遗传算法、自适应动态旋转角
49
TM743(输配电工程、电力网及电力系统)
国网浙江省电力有限公司科技项目;国家自然科学基金
2023-03-16(万方平台首次上网日期,不代表论文的发表时间)
共9页
110-118