| 改进人工蜂群算法优化SVM的电能表故障诊断研究 |
| |
| 引用本文： | 韩彤,杨正宇,陈叶,赵振刚.改进人工蜂群算法优化SVM的电能表故障诊断研究[J].机床与液压,2022,50(6):192-196. |
| |
| 作者姓名： | 韩彤 杨正宇 陈叶 赵振刚 |
| |
| 作者单位： | 云南电网有限责任公司电力科学研究院,云南昆明650217,云南电网有限责任公司电力科学研究院,云南昆明650217;昆明理工大学信息工程与自动化学院,云南昆明650500,昆明理工大学信息工程与自动化学院,云南昆明650500 |
| |
| 基金项目： | 云南省基础应用研究项目;国家自然科学基金 |
| |
| 摘 要： | 针对电能表故障频发,严重影响电网公司效益及用户日常生活的问题,准确对电能表故障类型进行诊断、及时修复故障电能表,对保证电力系统正常运行有十分重要的意义。提出一种基于改进人工蜂群算法优化支持向量机(CABC-SVM)参数的诊断方法;以Tent混沌搜索具有遍历性、随机性的优点增强蜂群算法的全局搜索能力;通过历史故障数据训练建立的CABC-SVM诊断模型。仿真结果验证CABC-SVM模型分类精度高达98.0%,相比于与传统ABC-SVM、PSO-SVM和GA-SVM有更少的收敛迭代次数。因此,CABC-SVM具有更高的分类精度和更少的运行时间,是一种高效的电能表故障诊断方法。
|
| 关 键 词： | 电能表 人工蜂群算法 故障诊断 混沌搜索 |
Study on Ammeter Fault Diagnosis Based on Improved Artificial Bee Colony Optimizing SVM |
| |
| HAN Tong,YANG Zhengyu,CHEN Ye,ZHAO Zhengang.Study on Ammeter Fault Diagnosis Based on Improved Artificial Bee Colony Optimizing SVM[J].Machine Tool & Hydraulics,2022,50(6):192-196. |
| |
| Authors: | HAN Tong YANG Zhengyu CHEN Ye ZHAO Zhengang |
| |
| Abstract: | |
| |
| Keywords: | Ammeter Artificial bee colony algorithm Fault diagnosis Chaos search |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |
|
