典型文献
基于EEMD能量矩与ISSA-SVM算法的GIS局部放电类型识别方法
文献摘要：
为有效识别气体绝缘开关组合电器(gas insulated switchgear,GIS)局部放电(partial discharge,PD)类型,进而保障设备安全稳定运行,提出了一种基于集合模态分解(ensemble empirical mode decomposition,EEMD)联合能量矩与改进麻雀群搜索算法优化支持向量机(improved sparrow search algorithm-support vector machines,ISSA-SVM)算法的 GIS 局部放电类型识别方法.首先搭建能产生4种局部放电类型效果的GIS局部放电实验平台,以获取4种局部放电信号,然后利用EEMD联合能量矩算法分别对4种局部放电信号进行模态分解与特征向量提取,最后利用经ISSA算法优化后的SVM算法对GIS局部放电类型进行识别.实验结果表明,所提方法可有效识别GIS不同局部放电类型,且较PSO-SVM与SSA-SVM算法识别精度分别提高了16.7％与8.5％,验证了所提GIS局部放电类型识别方法的有效性以及优越性.
文献关键词：
气体绝缘开关组合电器;局部放电;集合模态分解;改进麻雀群搜索算法优化支持向量机(ISSA-SVM)
中图分类号：
作者姓名：
王利福;刘屹江泽;王燚增
作者机构：
辽宁工程技术大学电气与控制工程学院 葫芦岛125105;国网冀北电力有限公司北京超高压公司 北京102488
文献出处：
引用格式：
[1]王利福;刘屹江泽;王燚增-.基于EEMD能量矩与ISSA-SVM算法的GIS局部放电类型识别方法)[J].电子测量与仪器学报,2022(05):204-212
A类：
气体绝缘开关组合电器
B类：
EEMD,能量矩,ISSA,类型识别,别气,gas,insulated,switchgear,partial,discharge,设备安全,安全稳定运行,集合模态分解,ensemble,empirical,mode,decomposition,麻雀,搜索算法,算法优化,优化支持向量机,improved,sparrow,search,algorithm,support,vector,machines,实验平台,局部放电信号,特征向量提取,PSO,算法识别,识别精度
AB值：
0.289899
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
