10.3969/j.issn.1674-3814.2022.04.009
基于SVM-PSO的电网设备早期故障分类方法
电压暂降通常是电力系统因设备故障等原因导致永久性或早期故障的典型特征,早期故障可能会在首次发生后逐渐发展为永久性故障.提出了一种基于粒子群优化和支持向量机的早期故障分类方法.首先,利用基于Kullback-Leibler散度的检测机制来识别早期故障对应的电压波性数据,结合S变换等信号处理方法来进行特征提取.然后,采用邻域成分分析方法选择与Kullback-Leibler散度、S变换、香农熵及形状因子相关的7个不同特征,以满足对分类方法有效性的数值评估,再结合粒子群优化的支持向量机的方法提出了一种早期故障分类方法.最后,与反向传播神经网络、K最近邻这2种方法相比,平均分类精度分别提高了9.15%、13.7%,表明了所提方法在早期故障分类中的有效性,可作为输电网络中主要电力设备状态监测的有效工具.
电压暂降、早期故障、粒子群优化、支持向量机、Kullback-Leibler散度
38
TM421(变压器、变流器及电抗器)
国家自然科学基金61876097
2022-05-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
68-75