欢迎来到天天文库
浏览记录
ID:31376039
大小:110.00 KB
页数:6页
时间:2019-01-09
《自适应遗传算法优化支持向量机的过电压识别》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、自适应遗传算法优化支持向量机的过电压识别 摘要:为了提高过电压识别的准确性,以及加快过电压的识别速度,提出一种自适应遗传算法优化支持向量机的过电压识别方法。首先针对单一特征信息难以获得过电压高识别率的问题,采用时域波形、波头、时频谱的组合特征作为过电压识别特征,然后采用过电压的训练样本对支持向量机进行学习,建立过电压识别的分类器,并引入自适应遗传算法对支持向量机参数进行优化,最后采用具体过电压识别实例进行性能仿真分析。结果表明,该方法的过电压平均识别率达到95%以上,远远超过了实际应用的85%要求,且识别结果要优于其他过电压
2、识别方法。 关键词:过电压识别;支持向量机;输电线路;遗传算法 中图分类号:TN911?34;TM863文献标识码:A文章编号:1004?373X(2016)19?0136?04 Abstract:Inordertoimprovetheovervoltagerecognitionaccuracyandquickentherecognitionspeed,anovervoltageidentificationmethodwithgeneticalgorithmoptimizingsupportvectormachineis
3、proposed.Sincethesinglefeatureinformationisdifficulttoobtainthehighovervoltagerecognitionrate,thecombinedfeaturesoftimedomainwaveform,waveheadandtime?frequencyspectrumaretakenastherecognitionfeaturesofovervoltagerespectively,andthenthetrainingsamplesof6overvoltagear
4、eusedtostudythesupportvectormachine.Theclassifierofovervoltageidentificationisestablished,andtheadaptivegeneticalgorithmisintroducedtooptimizetheparametersofsupportvectormachine.Theperformanceofanovervoltagerecognitioninstancewasperformedforsimulationanalysis.Theres
5、ultsshowthattheaverageovervoltagerecognitionrateoftheproposedmethodcanreachupto95%,farexceedsthepracticalapplicationrequirementsof85%,andtherecognitionresultissuperiortootherovervoltageidentificationmethods. Keywords:overvoltageidentification;supportvectormachine;t
6、ransmissionline;geneticalgorithm 0引言 雷电是一种无法预测的自然现象,会对输电线路产生干扰,引起输电线路故障,而仅对输电线路添加防雷保护难以保证输电线路的正常工作,过电压识别可以反映输电线路的工作状态,为电力系统管理人员提供有价值的参考意见,因此提高过电压的识别率具有重要的实际应用价值[1?2]。 针对过电压识别问题,学者们从理论、方法以及技术等方面进行深入的分析,提出了许多有效的过电压识别方法[3]。最初过电压识别通过专家系统进行,过电压由于类型多、产生原因复杂,专家系统识别率低,而且
7、识别结果具有盲目性,难以应用于实际过电压识别[4]。6 随着机器学习技术研究的不断深入,机器学习算法被学者们引入到了过电压识别的建模中,将过电压识别看作是一种多分类问题,根据特征对样本进行处理,建立过电压识别的分类器,以区别出各种类型的过电压,在过电压识别中应用最为广泛[5?7]。特征提取是过电压识别的基础,对后续过电压识别结果影响大,当前特征主要有:电流变化幅值、时域波形、暂态电流特征等[8?10],单一特征只能描述过电压类型的部分、片段信息,难以获得正确率高的过电压识别结果,通用性较差;当前过电压识别基于神经网络、支持向
8、量机(SupportVectorMachine,SVM)等建模,神经网络虽然具有自学习、非线性分类能力,但要求过电压识别的训练样本数量大,而过电压识别是一种典型小样本的多分类问题,易得到“过拟合”的过电压识别结果[11]。 SVM是一种小样本的机器学习算法,不存在神经网络要
此文档下载收益归作者所有