文献类型：期刊文章

作　　者：吴笑民[1] 曹卫华[1] 王典洪[2] 丁敏[1]

WU Xiaomin;CAO Weihua;WANG Dianhong;DING Min(School of Automation,China University of Geosciences,Wuhan 430074,China;School of Mechanical Engineering and Electronic Information,China University of Geosciences,Wuhan 430074,China)

机构地区：[1]中国地质大学(武汉)自动化学院,武汉430074 [2]中国地质大学(武汉)机械与电子信息学院,武汉430074

出　　处：《高电压技术》

基　　金：湖北省自然科学基金(2018CFB676);高等学校学科创新引智计划(B17040).

年　　份：2020

卷　　号：46

期　　号：3

起止页码：957-963

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：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。

关 键 词：电力系统  故障诊断 输电线路 多支持向量机  D-S证据理论 故障特征

分 类 号：TM75]