典型文献
基于SVM-PSO的电网设备早期故障分类方法
文献摘要：
电压暂降通常是电力系统因设备故障等原因导致永久性或早期故障的典型特征,早期故障可能会在首次发生后逐渐发展为永久性故障.提出了一种基于粒子群优化和支持向量机的早期故障分类方法.首先,利用基于Kullback-Leibler散度的检测机制来识别早期故障对应的电压波性数据,结合S变换等信号处理方法来进行特征提取.然后,采用邻域成分分析方法选择与Kullback-Leibler散度、S变换、香农熵及形状因子相关的7个不同特征,以满足对分类方法有效性的数值评估,再结合粒子群优化的支持向量机的方法提出了一种早期故障分类方法.最后,与反向传播神经网络、K最近邻这2种方法相比,平均分类精度分别提高了9.15％、13.7％,表明了所提方法在早期故障分类中的有效性,可作为输电网络中主要电力设备状态监测的有效工具.
文献关键词：
电压暂降;早期故障;粒子群优化;支持向量机;Kullback-Leibler散度
中图分类号：
作者姓名：
裴晓东;张文龙;刘海龙;路海阳;栗萧河;邹红波
作者机构：
内蒙古电力(集团)有限责任公司锡林郭勒超高压供电分公司,内蒙古自治区锡林郭勒盟锡林郭勒市026000;三峡大学电气与新能源学院,湖北宜昌 443000
文献出处：
引用格式：
[1]裴晓东;张文龙;刘海龙;路海阳;栗萧河;邹红波-.基于SVM-PSO的电网设备早期故障分类方法)[J].电网与清洁能源,2022(04):68-75
A类：
B类：
PSO,电网设备,早期故障,故障分类,分类方法,电压暂降,电力系统,设备故障,典型特征,永久性故障,粒子群优化,Kullback,Leibler,散度,检测机,信号处理,邻域,方法选择,香农熵,形状因子,数值评估,反向传播神经网络,最近邻,平均分,分类精度,输电网络,电力设备,设备状态监测
AB值：
0.298999
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。
