基于模糊支持向量机的输电线路故障模糊分类方法及其降维显示

针对已有输电线路故障分类方法在样本中存在噪声时准确率有所降低情况,研究了基于Hilbert-Huang变换和模糊支持向量机(fuzzy support vector machines,FSVM)的输电线故障模糊分类方法,以提高输电线路故障分类的准确率.采用HHT变换获得故障时刻,提取故障后A、B、C三相及零序电流的特征能量函数值,组成FSVM的4维输入向量.利用网格优化方法对FSVM二分类器的惩罚参数C、核函数宽度σ进行优化.构造了FSVM的高维空间带状分段隶属度函数,求取样本的模糊决策函数值.构造多FSVM分类器.将故障时刻后特征向量送入多FSVM分类器,得到样本的故障分类初始标签.构造支持向量回归机(support vector regression,SVR),优化获得测试样本的最终故障隶属度,再对FSVM的分类标签进行修正.研究采用主成分分析法对样本高保真的降维处理方法、在3维坐标系中显示降维后3维向量及其故障模糊分类结果.为了测试算法,做了784组仿真实验,实验结果表明:FSVM+SVR的输电线路模糊故障分类方法不受故障点、故障类型、过渡电阻影响,故障识别率达到99.4％.在训练集1/5故障数据中加入5 dB Gauss白噪声,故障识别率仍保持不变.研究表明基于模糊支持向量机的分类方法适用于线路故障分类.     

基于模糊逻辑的高压输电线路故障类型识别新方法

本文在对高压输电线路故障类型识别原理及实现方法进行总结分析的基础上,利用模糊集合理论适用于求解具有不确定信息或具有不确定线性划分关系问题的优势,提出了基于模糊逻辑具有分层结构的输电线路故障类型识别新方法.仿真结果表明,本文所提方法不仅能正确识别高压输电线路的故障类型,而且还不受输电线路系统模型结构的限制,具有较强的通用性和实用性.     

基于小波熵权和支持向量机的高压输电线路故障分类方法

高压输电线路故障类型的正确识别是进行故障定位和事故分析的前提。为此,作者提出一种分层的故障类型识别方法,首先根据线路故障时三相电流小波熵权分布曲线相互间距离的差异、距离之和进行故障的初步归类,构造表征不同故障类别的样本,然后采用支持向量机算法对样本进行训练,得到识别不同故障类型的最优分类面。仿真结果表明：该方法识别速度快,克服了常规线性分类方法的局限性,且故障识别精度不受系统运行方式、过渡电阻以及故障位置的影响,具有较强的通用性和实用性。     

基于多级支持向量机分类器的电力变压器故障识别

支持向量机是以统计学习理论为基础发展起来的新的通用学习方法．较好地解决了小样本、高维数、非线性等学习问题。提出了一种基于多级支持向量机分类器的电力变压器故障识别方法。该方法首先通过特殊数值处理过程,对色谱分析法检测到的特征气体含量进行数值预处理。提取出故障识别所需要的6个特征量。然后利用数值预处理后得到的数据样本分别对三级支持向量机进行训练和识别。并最后判断输出变压器所处的状态。测试结果表明,该方法具有三个优点：1)具有较强的鲁棒性。识别正确率极高;2)训练时间很短,实时性能好;3)不存在局部极小问题。     

基于模糊支持向量机的开关柜运行故障实时监测方法

常规的开关柜运行故障实时监测方法主要使用GSY20 测量传感器采集故障信号,易受局部放电作用影响,导致监测的异常幅值与实际异常幅值相差较大。因此,需要基于模糊支持向量机设计一种全新的开关柜运行故障实时监测方法。利用模糊支持向量机进行了故障实时监测分类,构建了开关柜运行故障实时监测中心,从而实现了开关柜运行故障实时监测。实验结果表明,所设计的监测方法监测的异常幅值与实际异常幅值接近,监测效果较好。     

支持向量机的低压故障电弧识别方法

故障电弧是引发电气火灾事故的主要原因之一。该文将支持向量机引入故障电弧研究领域,进行不同负荷情况下故障电弧识别检测。首先参照美国UL1699标准进行实验采集电流数据,然后利用支持向量机实现故障电弧训练、检测识别,并对训练、识别结果进行分析,实验证明本文的检测方法具备一定的泛化能力。     

基于模糊理论与支持向量机的变压器故障诊断方法

针对变压器结构的复杂性和故障机理的多样性,提出一种基于模糊理论和支持向量机的变压器故障诊断方法.该方法首先采用模糊理论对故障样本数据进行预处理,提取故障特征,再用支持向量机方法进行故障分类,通过采用一对多(1-a-r)的方法实现多目标分类,得出诊断结果.针对支持向量机参数不易确定的问题,采用多层动态自适应算法与k-折交叉验证方法结合对参数进行优化分析.故障诊断实例测试结果显示,该方法不仅克服了传统比值法中编码缺失、编码边界过于绝对的问题,诊断结果具有更高的准确率,而且也具有较好的适用性.     

多支持向量机模型的输电线路故障诊断方法

为提高电力线路故障诊断的准确性,充分利用广域监测系统的同步量测信息,提出一种基于电气量故障信息特征的多支持向量机模型诊断方法。首先,获取同步监测信息,利用对称分量法提取故障信息特征,建立特征集。其次,采用遗传算法优化支持向量机模型参数,构建诊断模型。最后,利用D-S证据理论融合方法对不同支持向量机模型的诊断结果进行融合,获得最终的故障诊断结果。实例验证结果表明,依据特征量进行故障诊断的准确率能较稳定的达到97%,具备提高诊断精度和降低结构复杂度的优势。另外,与传统方法相比,多支持向量机诊断模型能准确识别故障特征,且有效提升诊断准确率在4%以上,具有更高的准确性与有效性。     

基于模糊C均值支持向量机的直流电机故障模式识别

提出了一种基于模糊C-均值的永磁直流电机故障模式识别方法。首先通过模糊C-均值聚类算法对无类别标识的故障样本数据进行模糊划分,并根据模糊聚类的隶属度矩阵,判断定位每一样本数据的所属类,并定位样本数据中的野点,消除野点后,再利用基于支持向量机的模式识别方法对模糊划分后的数据进行训练。研究结果表明:该方法解决了永磁直流电机故障在线监测与诊断中缺少已知类别标签的训练样本问题,抑制了复杂环境中噪声,提高了含有大量噪声数据的永磁直流电机在线故障识别精度。     

结合H-S变换和BSVM的高压输电线路故障识别

针对高压输电线路故障识别元件易受系统工况和一些不确定因素影响的问题,提出一种新的故障分类模型。此模型主要由3个二分类支持向量机分类器、1个零序分量判别器和1个逻辑判断器构成。对三相电流进行H-S变换得到模时频矩阵值,用于对支持向量机分类器的训练;对零序电流进行小波变换计算低频能量,用于零序分量判别器识别;最后逻辑判断器根据二者的输出遍历逻辑表做出判断。通过仿真实验,此模型在各种干扰和工况变化的情况下都能保持良好的性能。     

基于模糊逻辑的可控串补线路故障分类

提出一种基于模糊逻辑的可控串补线路故障分类方法。采集故障后半个周期的三相电流数据,选取db4小波作为小波基,使用离散小波变换(DWT)分解电流暂态信号,将小波分解系数划分为三个频带,计算每个频带的小波奇异熵,获得能反映不同故障的故障特征量。将特征量作为模糊逻辑的输入,构建模糊故障分类系统。在Matlab环境下建立电力系统模型,选择500 kV、300 km超高压输电线路进行故障仿真。仿真结果表明,不同的TCSC触发角下,该算法不受故障阻抗、故障初始角、故障类型、故障位置的影响,可以准确检测故障,完成故障分类。     

基于电压突变量的同塔双回直流输电线路故障选线方法

同塔双回直流线路极线间复杂的电磁耦合关系,增加了其故障极线识别的难度。基于平行四线系统解耦理论,对同塔双回直流线路电压量进行解耦分析,提取出相互独立的一个同向量与三个环流量电压。在此基础上详细分析了同塔双回直流输电线路在不同故障类型以及不同极线故障情况下的同向与环流电压突变量的极性和幅值大小特征,进而利用同向与环流电压突变量极性和幅值大小的差异及相互间的关联关系,提出了一种同塔双回直流输电线路故障选线方法。基于实际同塔双回直流输电系统的PSCAD/EMTDC大量仿真结果表明,该方法准确可靠,且不受过渡电阻影响。     

输电线路断线故障保护逻辑分析及附加判别方法

目前架空输电线路继电保护装置针对断线故障缺乏快速、准确的识别方法,导致断线故障判决、处理不及时,容易引起关联设备损坏及重大安全事故。针对断线故障后主保护和后备保护动作逻辑进行分析,阐释距离保护和零序电流保护拒动机理,并进一步提出输电线路断线故障的快速判别方法。该方法利用输电线路断线后线路两侧故障相的电压、电流变化特征构建附加断线保护判据,实现了对简单断线故障和断线再接地故障的快速识别和保护。最后,通过PSCAD输电网仿真分析和四川省某水电外送线路实例测试,验证了断线故障附加判别和保护方法的可行性和有效性。     

一种基于电流电压序分量的模糊选相元件

在对2种传统的序分量比相选相元件的动作特性进行深入分析的基础上,针对在特殊故障情况下(弱电源侧故障和转换性故障),电流序分量可能存在的误判问题,提出一种基于电流电压序分量的模糊选相元件。该元件应用模糊逻辑的思想,将ΔI.1/I.2和I.0/I.2电流序分量比相选相元件与ΔU.1/U.2和U.0/U.2电压序分量比相选相元件有机地融合在一起,充分发挥了电流序分量比相选相和电压序分量比相选相元件各自的优势。该元件在原理上创新性地通过故障相区的比较来实现故障选相,不需要配合其它的判别方法,也不需要用户进行整定计算。仿真结果表明,通过合理地设置选相判据的权重及动作阈值,该元件不但可对一般故障类型的故障相别做出准确判断,而且在特殊故障情况下,也能实现正确选相,选相结果不受过渡电阻和系统运行方式的影响,具有较强的鲁棒性。     

基于组合神经网络的输电线故障类型识别

准确的输电线路故障类型识别是实现故障测距的前提 ,文中在高压输电线路故障分析的基础上 ,构建了由Kohonen自组织特征映射神经网络模型和BP网络模型组合而成的类型识别网络模型 ,来实现输电线路的故障检测及故障类型识别。经理论分析和大量的EMTP仿真表明 :此网络模型较单一网络模型 ,所需训练样本少 ,学习时间短 ,并且在各种故障模式下 ,均能可靠、准确实现输电线路故障类型的识别 ,不受故障过渡电阻、故障初始角、系统运行方式、故障点位置等因素的影响     

基于多类支持向量机的变压器绝缘故障诊断

利用支持向量机进行故障诊断,提出了一种基于决策树的多类支持向量机,并在变压器绝缘故障诊断中检验了它的有效性。     

基于基频电气量的输电线路故障测距的滤波探讨

对于采用基频电气量进行输电线故障测距的方法,基频分量提取的精度与故障测距的精度有着直接的关系。本文总结了故障测距过程中遇到的问题及解决方法,通过对不同滤波器的性能的比较,发现故障测距中,滤波的作用非常大。测距结果表明,当电力系统中存在着大量的非周期分量和高次谐波时,只有当滤波的精度满足一定的要求后,故障测距的精度才能完全满足现场要求。     

输电线路雷击故障查找探讨

湖南省是一个雷电灾害多发地区,电力线路频繁发生雷击故障,严重影响电网稳定运行。通过对输电线路雷击故障的特点进行分析,探讨并提出有效及快速查找雷击故障的方法和防范雷击故障的措施,供参考。