基于分形特征的最小二乘支持向量机局部放电模式识别.pdf

《基于分形特征的最小二乘支持向量机局部放电模式识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第39卷第14期电力系统保护与控制Vbl-39No．142011年7月16日PowerSystemProtectionandControlJuly16，2011基于分形特征的最小二乘支持向量机局部放电模式识别任先文，薛雷，宋阳，郭丹丹，沈重(东北电力大学，吉林吉林132012)摘要：为了提高局部放电模式识别的正确率，提出了一种基于最小二乘支持向量机(LS—SVM)的局部放电模式识别的方法。应用分形理论，同时结合小波包分析技术，计算各个频段信号的分形维数，把各频段局放信号的分形维数的倒数输入到多分类最小二乘支持向量机中进行训练，实现对放电样本的分类。结

2、果表明，分形特征浓缩了局部放电信号的信息，有效地解决了模型参数选择耗时巨大的问题。该方法在有限样本情况下能够达到较高的识别率，具有良好的应用价值。关键词：局部放电；最小二乘支持向量机；小波包分析；分形维数；模式识别ThepatternrecognitionofpartialdischargebasedonfractalcharacteristicsusingLS—SVMRENXian-wen，XUELei，SONGYang，GUODan-dan，SHENZhong(NorthEastDianliUniversity，Jilin132012，China

3、)Abstract：Inordertoimprovethecorrectrateofpartialdischarge(PD)patternrecognition，amethodbasedontheleastsquaressupportvectormachine(LS—SVM)isputforwardtorecognizethedischargemodels．Usingthewaveletanalysistechnologyandthefractaltheory，thefractaldimensionofsignalsineachfrequency．b

4、andCanbecalculated．andthereciprocaloffractaldimensionsofeachfrequency．bandareinDuttomulti．classifiedLS．SVMsfortrainingtoimplementPDsamplesclassification．Theresultsshowthatbyadoptingfractalcharacteristics，thePDsignalinformationisconcentratedandthetime-consunaingprobleminparamete

5、rdeterminationissolved．Moreover，themethodenablestodetectahirecognitionrateundercondRionofsmallsamples，andhasgoodvalueinPDpattemrecognition．Keywords-partialdischarge；leastsquares—supportvectormachine；waveletpacketanalysis；fractaldimension；paternrecognition中图分类号：TM8文献标识码：A文章编号：16

6、74．3415(2011)14．0143—05别法J。支持向量机SVM(SupportVectorMachine)0引言[91是Vapnik等根据统计学习理论中的结构风险最小局部放电是引起电力设备绝缘劣化的重要因化原则提出的一种新型的学习机器，支持向量机算素。同时，绝缘劣化程度和放电的类型之间有着相法在解决小样本问题的同时，又能解决神经网络算当紧密的联系，因此对局部放电信号进行特征提取法中的高维问题和局部极值问题，具有出色的学习和模式识别具有特别重要的意义。泛化能力，在模式识别、回归估计和系统辨识等方在局部放电模式识别技术研究当中，提取放电面得到广泛

7、的应用，近几年成为继神经网络之后的特征量是一个非常重要的环节。目前，提取局部放又一研究热点。随着支持向量机研究的深入，许多电的特征参数主要有三维一q—n谱图【lJ、放电统研究人员提出了一些支持向量机的变形算法，其中计特征参数[2】、分形特征参数【3．4】、波形特征参数[5】、由Suykens和Vandewalle等人提出的最'b-乘支持图像矩特征参数【6】、小波特征l7J等。其中，分形特向量机LS—SVM(LeastSquaresSupportVector征由于其模式描述和区分能力强、特征参数少而得Machine)【1o]在模式识别和非线性函数估计应

8、用当到重视。本文把小波分析技术和分形理论相结合，中取得了较好的效果。将局部放电信号进行小波包分解，使信号变为