自适应遗传算法优化支持向量机的过电压识别

为了提高过电压识别的准确性,以及加快过电压的识别速度,提出一种自适应遗传算法优化支持向量机的过电压识别方法。首先针对单一特征信息难以获得过电压高识别率的问题,采用时域波形、波头、时频谱的组合特征作为过电压识别特征,然后采用过电压的训练样本对支持向量机进行学习,建立过电压识别的分类器,并引入自适应遗传算法对支持向量机参数进行优化,最后采用具体过电压识别实例进行性能仿真分析。结果表明,该方法的过电压平均识别率达到95%以上,远远超过了实际应用的85%要求,且识别结果要优于其他过电压识别方法。

Overvoltage identification with adaptive genetic algorithm optimizing SVM