电力自动化设备
電力自動化設備
전력자동화설비
ELECTRIC POWER AUTOMATION EQUIPMENT
2010年
11期
48-52
,共5页
董秀成%陶加贵%王海滨%刘帆
董秀成%陶加貴%王海濱%劉帆
동수성%도가귀%왕해빈%류범
模糊支持向量机%增量算法%隶属度%自适应%油中溶解气体
模糊支持嚮量機%增量算法%隸屬度%自適應%油中溶解氣體
모호지지향량궤%증량산법%대속도%자괄응%유중용해기체
利用油中溶解气体对变压器进行故障有无以及故障类别判断时,为抑制冗余信息的干扰,提取与分类模式密切相关的特征作为每层诊断模型的输入;增量学习算法通过提取模型的支持向量和误判样本,逐步积累样本的空间分布知识,提高诊断模型的精度与训练速度,同时剔除对构建模型无贡献的样本以节约存储空间.为提升算法的收敛速度,采用参数自适应优化算法动态搜索模糊支持向量机的模型参数.最后,通过实例将该算法与普通的多分类支持向量机以及多分类模糊支持向量机相比,得出该算法具有相对较好的收敛性和诊断效果.
利用油中溶解氣體對變壓器進行故障有無以及故障類彆判斷時,為抑製冗餘信息的榦擾,提取與分類模式密切相關的特徵作為每層診斷模型的輸入;增量學習算法通過提取模型的支持嚮量和誤判樣本,逐步積纍樣本的空間分佈知識,提高診斷模型的精度與訓練速度,同時剔除對構建模型無貢獻的樣本以節約存儲空間.為提升算法的收斂速度,採用參數自適應優化算法動態搜索模糊支持嚮量機的模型參數.最後,通過實例將該算法與普通的多分類支持嚮量機以及多分類模糊支持嚮量機相比,得齣該算法具有相對較好的收斂性和診斷效果.
이용유중용해기체대변압기진행고장유무이급고장유별판단시,위억제용여신식적간우,제취여분류모식밀절상관적특정작위매층진단모형적수입;증량학습산법통과제취모형적지지향량화오판양본,축보적루양본적공간분포지식,제고진단모형적정도여훈련속도,동시척제대구건모형무공헌적양본이절약존저공간.위제승산법적수렴속도,채용삼수자괄응우화산법동태수색모호지지향량궤적모형삼수.최후,통과실례장해산법여보통적다분류지지향량궤이급다분류모호지지향량궤상비,득출해산법구유상대교호적수렴성화진단효과.
