基于支持向量机的微机保护装置状态评估研究

《基于支持向量机的微机保护装置状态评估研究》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、维普资讯http://www.cqvip.com东北电力技术2008年第3期基于支持向量机的微机保护装置状态评估研究StateEvaluationResearchonMicrocomputerProtectionDevicesBasedonSupportVector唐晓明(沈阳农业大学信息与电气S-程学院，辽-7沈阳110161)摘要：提出了基于SVM构建适合微机保护装置状态评估的方法。目的是对微机保护装置进行准确的状态评估。通过状态评估，可以明确判断其状态的好坏，从而为微机保护装置的状态检修或安排计划检修提供科学的依据。评估结果表明小样本情况下有较高的评估正确率和较好的稳定性

2、，同样条件下比BP神经网络的评估正确率高、速度快。另外，试验表明径向基核函数的SVM分类方法应用于微机保护装置状态评估最理想。关键词：微机保护装置；状态评估；支持向量机[中国分号类]TK769；TM77[文献标识码]B[文章编号]1004—7913(2008)03—0050—03目前，微机保护已替代其它类型保护成为电力对线性可分的训练样本(，Y)，可被一个系统的主导保护类型。作为电力系统复杂而且重要分类面没有错误地分开。类别间隔越大，推广能力的保护装置，能否正确、合理动作，直接关系到电越好。使分类间隔最大的分类面为最优分类面。应网的安全稳定运行；一旦出现事故将会导致较大经用二次

3、规划方法可求出此最优分类函数为r济损失，甚至造成人员伤亡事故。若再以定期检验)=sgnl(·)+bl为主要办法进行检验，将会造成过修，降低设备运=sgn{口Y(·)+b】．(1)行的可靠性，同时造成人力、物力和财力的浪费，式中：口为Lagrange乘子；b为分类阈值。因此对微机保护进行状态检修势在必行，其中进行在线性不可分的情况下，需引入一个非负松驰准确的状态评估是实现状态检修的基础。目前状态项和错分惩罚系数C，求得最优分类函数与式评估方法如基于模糊数学的聚类分析、人工神经网(1)相同。络等智能分类，都需要大量的数据样本进行学习。1．2支持向量机然而，要想获得微机保护装置运行的

4、故障数据并非对于非线性问题，可通过非线性变换把问题转易事，从而制约了故障诊断技术向智能化方向发化为高维空间中的线性问题，从而在变换空间中求展。本文提出了一种基于支持向量机(Suppo~(广义)最优分类面，这就是支持向量机。此时分VectorMachine，简称SVM)微机保护装置状态评类函数为估方法。支持向量机是一种新的模式识别方法]，其采用结构风险最小化(SRM)原理，兼／)=sgn{口iyiK(·)+b)(2)顾训练误差和泛化能力，在解决小样本、非线性、式中：K(，Y)为核函数，核函数的选取应使其高维数、局部极小值等模式识别问题中具有独特的为特征空间的一个点积。核函数的引入

5、使得操作可优势，因而在许多领域得到了广泛的应用，如人脸以直接在输入空间进行，而不必在潜在的高维特征识别J、手写字体识别J、文本分类、医疗诊空间进行，避免了维数灾难。常用的核函数如下：断等。本研究运用SVM分类方法，对微机保护a．线性核函数：装置的运行状态进行定量评估，以弥补神经网络等K(，)=·Y(3)智能算法的不足，为状态检修提供一个良好的依b．多项式核函数：据，保证电力系统运行更加安全、可靠。K(，Y)=[(·Y)+1](4)C．径向基核函数：1支持向量机一P(一)(5)1．1最优分类面维普资讯http://www.cqvip.com2008年第3期东北电力技术5ld．Si

6、gmoid核函数：根据微机保护装置运行工况、定检情况等重要K(，Y)=tanh((·Y)+r)(6)的状态信息，本文选用了以下特征值作为评估项1．3多类SVM识别目：同类型设备运行情况；剩余寿命／安全运行寿对于多类模式识别问题，SVM可采用以下两命；回路绝缘；采样回路零漂及电压、电流线性种策略。度；开开出回路正确性；保护定值正确与稳定a．“一对多”策略。对于Ⅳ类问题构造Ⅳ个性；保护整组特性传动试验；实时电流；更换元器两类分类器。第个SVM用第类中训练样本作为件；装置发出告警信号；消缺和临检。正训练样本，其余样本作为负训练样本，最后两类输入单元(输入因素评分见表1)J。分类器输出

7、最大那一类为测试样本所属的类。输出单元Y(其输出的数值Y要映射到评估参b．“一对一”策略。在Ⅳ类训练样本中构造照表中的文本字段)见表2。所有可能的两类分类器。每类仅仅在Ⅳ类中的2类2．2数据处理训练样本中训练，结果共构造出Ⅳ(N一1)／2个分类整理数据使故障数据满足仿真软件对数据格式器。测试样本经过Ⅳ(N一1)／2个分类器分类后，采的要求。同时为了消除量纲的影响，对数据进行归用投票法，得票最多的类即为测试样本所属的类。一化处理，也可以加快仿真的速度。归一化公式为，2基于SVM微机保护装置状态