一种改进的远距离地闪回击电磁场计算方法

提出了一种改进的解析算法来计算远距离地闪回击电磁场.基于W.Sollfery的远距离理想电磁场衰减算法和Wait的近距离电磁场衰减算法,将W.Sollfery提出的曲率衰减因子与Wait提出的电导率衰减因子糅合在一起,利用理想场对两个衰减因子进行两次卷积得到实际衰减电磁场,以此达到简化计算的目的.利用时域有限差分模型对本文的算法进行了评估:对于衰减电场的计算,在1 500 km范围内相对误差不超过7%;在计算磁场衰减时,计算距离越远,精度越差,距离为1 000 km时误差已达到15%.最后绘制了相对误差曲线,便于人们在考虑的误差范围内选择是否采用本文算法来简化计算.     

基于样本集成学习和SO-SVM的变压器故障诊断

针对变压器故障样本类别不平衡造成分类模型准确率偏低的问题，提出一种基于样本集成学习和蛇优化算法（SO）优化支持向量机（SVM）的变压器故障诊断模型。该模型先利用EasyEnsemble采样器对样本进行多次欠采样后生成类别平衡的多个子集；然后以Bagging策略训练SO优化关键参数后的SVM模型，综合各个分类器结果得到最终故障类型。通过算例对所提模型有效性进行验证，数据表明，SO-SVM的故障诊断相比于RF、SVM、KNN等模型，诊断准确率分别提高了3.44%、6.89%、10.92%，AUC值分别提高了0.026 4、0.042 5、0.081 2；在同一分类器下，SO-SVM模型相比于SMOTE和ADASYN样本平衡方法，诊断准确率分别提高了4.59%、2.87%，说明SO-SVM模型对不平衡样本的故障诊断能力更优。