典型文献
基于粒子群算法的高压输电线路故障预警方法
文献摘要：
为解决故障特征信息没有充分利用,导致预警准确率低的问题,基于粒子群算法设计了一种高压输电线路故障预警方法.从致灾因子的角度,对发生覆冰和雷击故障的因素进行分析,提取线路故障特征.提取的故障特征集合由多种状态组合而成,状态变化与选择的线路设备元件相关.对故障特征数据进行预处理,降低了采集数据的信息误差,提高了模型运算分析能力.基于粒子群算法构建故障预警模型,在速度计算中引入惯性权重,充分利用故障特征信息,扩大最优位置的搜索范围.将预测结果与历史故障状态进行对比,实现故障预警.测试结果表明,设计方法的误判率为13.17％,比基于卷积神经网络-相关向量机(Convolutional Neural Network-Relevance Vector Machine,CNN-RVM)、基于BP神经网络和基于随机森林算法的方法降低了3.96％、5.45％、5.17％;设计方法的预测准确率为93.25％,比基于CNN-RVM、基于BP神经网络和基于随机森林算法的方法提高了4.27％、6.78％、5.36％.
文献关键词：
粒子群算法;高压输电线路;线路故障;故障预警;预警方法
中图分类号：
作者姓名：
陈文栋
作者机构：
国网淄博供电公司,山东淄博255000
文献出处：
引用格式：
[1]陈文栋-.基于粒子群算法的高压输电线路故障预警方法)[J].通信电源技术,2022(07):39-43
A类：
B类：
粒子群算法,高压输电线路,输电线路故障,故障预警,预警方法,故障特征,特征信息,算法设计,致灾因子,覆冰,雷击故障,特征集合,组合而成,状态变化,线路设备,特征数据,采集数据,分析能力,预警模型,速度计算,惯性权重,最优位置,搜索范围,故障状态,误判率,比基,相关向量机,Convolutional,Neural,Network,Relevance,Vector,Machine,RVM,随机森林算法,预测准确率
AB值：
0.310881
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。
