电气自动化
電氣自動化
전기자동화
ELECTRICAL AUTOMATION
2011年
6期
67-70
,共4页
输电线路%故障选相%小波分解%小波能量熵%LS-SVM
輸電線路%故障選相%小波分解%小波能量熵%LS-SVM
수전선로%고장선상%소파분해%소파능량적%LS-SVM
提出了一种基于小波能量熵和最小二乘支持向量机( LS - SVM)的高压输电线路故障选相的新方法.首先对采集到的故障后三相电流信号进行合适的小波分解,得到特定时间窗口内的三相小波能量熵的累加值以及各相之间的比值.利用各相的小波能量熵累加值以及比值作为表征不同故障类别的特征向量,并输入到LS - SVM分类器.采用支持向量机算法对数据样本进行训练,找出样本内潜在的规律,最终完成整个输电线路的故障选相.仿真结果表明,该方法不受系统运行方式、过渡电阻、故障位置以及故障初始角因素的影响,能够有效地识别故障类型,具有较强的通用性和实用性.
提齣瞭一種基于小波能量熵和最小二乘支持嚮量機( LS - SVM)的高壓輸電線路故障選相的新方法.首先對採集到的故障後三相電流信號進行閤適的小波分解,得到特定時間窗口內的三相小波能量熵的纍加值以及各相之間的比值.利用各相的小波能量熵纍加值以及比值作為錶徵不同故障類彆的特徵嚮量,併輸入到LS - SVM分類器.採用支持嚮量機算法對數據樣本進行訓練,找齣樣本內潛在的規律,最終完成整箇輸電線路的故障選相.倣真結果錶明,該方法不受繫統運行方式、過渡電阻、故障位置以及故障初始角因素的影響,能夠有效地識彆故障類型,具有較彊的通用性和實用性.
제출료일충기우소파능량적화최소이승지지향량궤( LS - SVM)적고압수전선로고장선상적신방법.수선대채집도적고장후삼상전류신호진행합괄적소파분해,득도특정시간창구내적삼상소파능량적적루가치이급각상지간적비치.이용각상적소파능량적루가치이급비치작위표정불동고장유별적특정향량,병수입도LS - SVM분류기.채용지지향량궤산법대수거양본진행훈련,조출양본내잠재적규률,최종완성정개수전선로적고장선상.방진결과표명,해방법불수계통운행방식、과도전조、고장위치이급고장초시각인소적영향,능구유효지식별고장류형,구유교강적통용성화실용성.
