基于支持向量机的低压台区线损管理诊断模型

针对现有低压台区线损管理模式中的人员与技术短缺、能力参差不齐、效率不高等问题,在传统台区线损管理基础上,结合各大信息系统的应用与线损精细化工作的推进,通过支持向量机方法的应用,建立了台区线损率异常原因科学诊断模型,提供辅助分析工具。     

基于最小二乘支持向量机的传感器动态系统辨识方法

在介绍和比较标准支持向量机(SVM)和最小二乘支持向量机(LS-SVM)原理的基础上,提出了一种利用LS-SVM模型进行传感器动态系统辨识的方法,并给出了相应的过程和算法.与标准SVM模型比较,该方法优点是明显的:(1)用等式约束代替标准SVM算法中的不等式约束;(2)将求解二次规划问题转化为直接求解线性矩阵方程,使得在相同条件下,系统辨识速度提高1～2个数量级,辨识误差降低50%.因此,LS-SVM模型速度快,抗噪声干扰能力强,更适合传感器动态系统建模.     

基于过零偏移检测的分布式台区户变关系辨识研究

针对传统基于高速电力线载波通信技术的集中式台区户变关系辨识方法在不同的载波厂家设备混装时易出现辨识失败的问题,提出了一种基于分布式模式和双沿过零偏移检测的台区辨识方案。文中设计了由集中器经通信模块主节点向从节点下发台区特征,在从节点处进行特征比对并判断电能表计台区归属的分布式辨识模式。此外,针对不同高速电力线载波通信模块对特征信号沿过零检测算法的兼容性问题,设计了交流电信号双沿用户特征采集和辨识算法及相关通信协议支持。最后,通过对不同辨识模式的抄读性能以及抄读和辨识失败的实例进行分析,验证了所提方案的可行性。     

基于支持向量机的时间序列交叉负荷预报方法

针对电力系统负荷具有拟周期性、非线性、非平稳性和随机性等特点,提出一种支持向量机(support vector machines,SVM)预报模型,并研究它在电力系统短期负荷预报中的应用:通过相空间重构理论,挖掘时间序列数据横向和纵向隐周期性信息,给出了SVM横向和纵向预报样本的构造方法;利用SVM预报方法适应电力系统负荷的非线性;最后,利用SVM时间序列交叉预报方法降低随机因素对负荷预报的影响。算例结果表明,该方法能够揭示负荷的拟周期性、非线性和随机性,且仅采用时间序列交叉就可得到较高的预报精度,便于工程应用。     

基于支持向量机的电力系统不良数据在线检测辨识与修正

SVM是数据挖掘中一种具有优良模式识别性能的新方法,该方法具有学习速度快、全局最优和泛化能力强等优点。首先利用支持向量机回归(SVR)构建辨识遥测不良数据的模型,在状态估计前通过比较预测值与实测值之间的差值来一次性辨识遥测不良数据。接着将状态估计后得到的标准残差作为支持向量机分类(SVC)的输入,依靠拓扑错误的残差特性来分类辨识出拓扑错误。通过对IEEE-30母线的仿真分析证明了该方法的有效性,现行状态估计器的效率及合格率可以得到很好的提高。     

基于时间序列与支持向量机的风电场风速预测研究

介绍时间序列法与支持向量机用于风速预测的理论基础,通过Matlab软件,利用风电场采集得到的风速数据,建立时间序列法与支持向量机模型,对这2种方法在风电场风速预测中的应用进行了研究和比较。仿真结果表明,这两种方法都有效,但支持向量机风速预测精度更高,预测结果更好,具有一定的实用价值。     

基于支持向量回归的时间序列预测

该文简要介绍了时间序列预测的研究状况以及支持向量回归的基本原理,将支持向量回归用于对Box-Jenkins煤气炉时间序列的预测,并同其他前馈网络——BP神经网络、自适应特征空间扩张神经网络进行比较,仿真结果表明,BP神经网络和自适应特征空间扩张神经网络在预测性能上比较接近,而支持向量回归在预测性能方面明显优于这两种方法,为进行模型辨识与建模研究奠定基础.文章最后分析了支持向量回归优于BP神经网络和自适应特征空间扩张神经网络的机理.     

基于PSO优化最小二乘支持向量机的热工系统辨识

在用最小二乘支持向量机(LS-SVM)辨识大迟延对象时,正则化参数、核宽度以及模型类中的迟延时间多是根据经验估测的,而不同的参数值对最小二乘支持向量机辨识的精度就会不同.针对上述问题,采用粒子群优化(PSO)算法对热工辨识系统中的相关参数进行优化.对电厂一次风量数据和平均床温数据进行的仿真实验结果表明,在用LS-SVM对大迟延对象进行辨识时,通过PSO算法进一步确定其最佳参数及迟延时间,能够有效地提高辨识精度.     

基于时序-支持向量机的风电场发电功率预测

准确的风电场风电功率预测可以有效地减轻风电场对电力系统的不利影响,同时提高风电在电力市场中的竞争力。基于时间序列法和支持向量机法, 对风电功率预测进行研究,提出预测风电功率的时序-支持向量机预测方法。该方法用时间序列法建模,选取影响风电功率最大的参数作为支持向量机预测模型的输入变量;为提高预测精度,提出基于时间点运动轨迹演化的方法选取与预测时刻功率相似的样本作为模型的训练样本。实例验证结果表明,该方法有效地提高了风电功率预测精度。     

基于支持向量机的彩色序列图像复原模型更新算法

提出一种用于彩色序列图像复原的模型更新算法,计算退化图像序列各帧的图像质量,统计序列图像质量的方差,以方差差异作为判断准则,选择适当的模型进行复原。该算法扩展了基于支持向量机的彩色图像复原算法。仿真实验中,测试图像采用视频监控和智能交通领域常见的运动模糊进行退化处理。实验结果表明,该算法能有效标记出图像序列中质量发生显著变化的关键帧,复原效率得以提高,同时复原也更有针对性。     

基于支持向量机的无线电干扰预测算法

针对给定海拔高度、温湿度、风速风向等环境因素下的特高压直流线路无线电干扰分布无法仿真计算的问题,采用灰色关联度模型提取给定环境参数相似的现场测试样本数据,利用遗传算法优化惩罚系数和支持向量的核宽度,提出了特高压直流无线电干扰预测的最小二乘支持向量机法(lest squares support vector machine,LSSVM)。通过分析迭代步数与训练误差证明了灰色关联度的遗传LSSVM方法计算效率和计算精确度优于LSSVM方法和遗传LSSVM方法。对比本文预测方法的计算结果与实际测量值、同类算法计算结果表明:低海拔时0.5 MHz无线电干扰水平负极全压下平均偏差为10.1%,正极半压负极全压下平均偏差为6.75%,双极全压下平均偏差为4.64%;海拔1 900 m时,双极全压下0.5 MHz和10MHz无线电干扰水平平均偏差分别为4.63%和3.5%。     

One airport detection method based on support vector machine

This paper proposes a novel airport detection method, which integrates the texture features and shape features of the airport. Eight texture features, such as the mean of the region, the deviation of the region, the smoothness of the region, the skewness of a histogram, the uniformity of the region, the randomness of the region, the mean of the gradient image and the deviation of the gradient image, are used to represent the features of the region. In this method, first the long lines are detected and the regions where the lines locate are segmented. Second, support vector machine (SVM) based on Gaussian kernel is used as a classifier which discriminates the runway from other candidate regions. Experimental results show that the error rate of the proposed method is lower than those of conventional methods which detect airport only by the shape feature of runway. The detection accuracy of the proposed method is nearly ten times higher than that of Liu’s methods, and the method has favorable speed for a real-time system. __________ Translated from Journal of Xi’an Jiaotong University, 2006, 40(6): 709–713 [译自: 西安交通大学学报]     

基于多分类支持向量机的电压暂降源识别

S变换具有很好的时频分析能力,能精确提取突变信号的关键特征信息.在分析S变换原理基础上,提出一种基于多分类支持向量机的电压暂降源识别方法.用S变换对电压暂降信号进行时频分析,提取各类暂降特征;用多分类支持向量机对特征进行训练与识别.通过仿真算例验证,该方法能有效识别电压暂降源,可应用于电能质量监测系统.     

基于模糊支持向量机方法的短期负荷预测

考虑气象因素对负荷的影响,提出了一种模糊支持向量机SVM(Support Vector Machine)的短期负荷预测方法。首先选取预测日前4星期中差异评价函数小于给定经验值的已知日作为相似日学习样本．然后利用隶属度函数对影响负荷特征因素向量的分量进行模糊处理,得到SVM的训练样本集．拟合负荷和影响因素之间的非线性关系。对24点每点建立一个SVM预测模型,采用改进的序列极小优化算法实现对SVM的快速训练。算例数据包括每天的气象数据和24点负荷数据．以最大相对误差和平均误差评价预测结果,表明所提方法简便快速且实用有效。     

基于支持向量机的随钻测量

针对目前随钻测量的需要,提出了一种基于支持向量机预测的随钻测量方法.与传统随钻测量方法相比该方法能够预测提示井下钻头需要待钻进的地理方位位置,为司钻人员下一步的施工钻进提供方位信息.通过现场试验数据测试,结果表明,该方法能够预测提示井下定向钻进过程中的定向方位信息,大幅度节省钻进施工时间.     

一种基于支持向量机的矢量控制方法及应用

针对三角函数运算限制永磁同步电机矢量控制在微控制器中应用灵活性的问题,提出一种新的基于支持向量机的矢量控制方法.利用多项式核支持向量机离线训练三角函数,以训练得到的权向量和阈值进行三角函数的函数逼近,通过加法、减法和乘法实现矢量控制所需三角函数运算,解决微控制器不能直接进行三角函数计算的问题.将该方法应用于基于微控制器的永磁同步电机调速系统中,不同负载和不同转速的实验结果表明该方法具有较小的转速脉动.     

基于支持向量机铅酸蓄电池的分类研究

铅酸蓄电池是目前广泛使用的一种二次电池。在胶体电解质铅酸蓄电池的生产中,灌注的胶体电解质量不够的铅酸蓄电池必须在化成结束后重新补充胶体电解质。一般而言,判断铅酸蓄电池是否需要补充电解质是依据其化成后的电池容量和电解液体积。很明显这是一种耗时且不利于胶体电解质铅酸蓄电池配组的方法。文章提出了一种基于支持向量机的铅酸蓄电池补胶分类的方法,通过铅酸蓄电池化成过程中间步骤四个时间点的测试电压判断铅酸蓄电池是否需要补充胶体电解质。研究结果表明,该方法优于基于学习向量量化神经网络的分类方法,可以有效地缩短胶体电解质铅酸蓄电池生产时间。     

小波支持向量机与相空间重构结合的短期负荷预测研究

提出了基于小波支持向量机(WSVM)与相空间重构(PSRT)相结合的电力系统短期负荷预测(STLF)模型.使用小波核函数(WKF)构建相应的WSVM,并且用云遗传算法(CGA)对相关参数进行优化.在分析负荷时间序列的混沌特性基础上,对序列进行了PSRT,将相空间中的向量点作为WSVM的输入.该方法不考虑气象和节假日等条件,只使用历史负荷数据.仿真结果表明,新算法有较好的精确度和有效性,具有一定的实用价值.     

小波支持向量机与相空间重构结合的短期负荷预测研究

提出了基于小波支持向量机（WSVM）与相空间重构（PSRT）相结合的电力系统短期负荷预测（STLF）模型。使用小波核函数（WKF）构建相应的WSVM,并且用云遗传算法（CGA）对相关参数进行优化。在分析负荷时间序列的混沌特性基础上,对序列进行了PSRT,将相空间中的向量点作为WSVM的输入。该方法不考虑气象和节假日等条件,只使用历史负荷数据。仿真结果表明,新算法有较好的精确度和有效性,具有一定的实用价值。     

一种基于支持向量机的三维物体识别方法

提出从三维物体的二维图像中提取仿射不变傅氏描述子、色彩矩及纹理特征,组成一个25维的特征向量,送入支持向量机训练并用于三维物体识别。算法利用了仿射不变傅氏描述子在物体发生仿射形变时具有不变性,利用色彩矩和纹理特征区分形状相似但有不同颜色及纹理的物体,并引入支持向量机作为分类器。基于三维物体图像数据库COIL-100测试了算法的识别性能。当每个物体训练样本图像数量为36个（视角间隔10°）时达到了100％的识别率,进一步减少训练视角数量也达到较满意的识别性能。