电力系统保护与控制
電力繫統保護與控製
전력계통보호여공제
POWER SYSTM PROTECTION AND CONTROL
2013年
21期
26-32
,共7页
肖剑%周建中%李超顺%王常青%张孝远%肖汉
肖劍%週建中%李超順%王常青%張孝遠%肖漢
초검%주건중%리초순%왕상청%장효원%초한
混合蜂群算法%轴心轨迹识别%支持向量机%特征选择%参数优化
混閤蜂群算法%軸心軌跡識彆%支持嚮量機%特徵選擇%參數優化
혼합봉군산법%축심궤적식별%지지향량궤%특정선택%삼수우화
hybrid artificial bee colony%identification of shaft orbit%support vector machine%feature selection%parameter optimization
在水电机组轴心轨迹识别研究中,为解决传统支持向量机方法中特征参数无法自适应选择而导致分类性能不高、计算时间过长等问题,提出混合人工蜜蜂群算法特征参数同步优化支持向量机(HABC-SVM)的轴心轨迹识别方法。将人工蜜蜂群算法引入到支持向量机识别优化模型的求解中,对人工蜜蜂群从搜索策略、蜜源编码、更新策略等方面进行了改进。通过仿真试验获取水电机组的四类典型轴心轨迹样本,对轴心轨迹中提取的19种特征参数和支持向量机参数进行了同步优化,将改进HABC算法与PSO-SVM算法和GA-SVM算法进行了对比。研究结果表明HABC-SVM具有良好的自适应性和分类精度,可以同步获取支持向量机参数和特征子集的最优解,增强分类器的性能,提高轴心轨迹模式识别的准确率,对水电机组的故障诊断工程应用有一定的指导意义。
在水電機組軸心軌跡識彆研究中,為解決傳統支持嚮量機方法中特徵參數無法自適應選擇而導緻分類性能不高、計算時間過長等問題,提齣混閤人工蜜蜂群算法特徵參數同步優化支持嚮量機(HABC-SVM)的軸心軌跡識彆方法。將人工蜜蜂群算法引入到支持嚮量機識彆優化模型的求解中,對人工蜜蜂群從搜索策略、蜜源編碼、更新策略等方麵進行瞭改進。通過倣真試驗穫取水電機組的四類典型軸心軌跡樣本,對軸心軌跡中提取的19種特徵參數和支持嚮量機參數進行瞭同步優化,將改進HABC算法與PSO-SVM算法和GA-SVM算法進行瞭對比。研究結果錶明HABC-SVM具有良好的自適應性和分類精度,可以同步穫取支持嚮量機參數和特徵子集的最優解,增彊分類器的性能,提高軸心軌跡模式識彆的準確率,對水電機組的故障診斷工程應用有一定的指導意義。
재수전궤조축심궤적식별연구중,위해결전통지지향량궤방법중특정삼수무법자괄응선택이도치분류성능불고、계산시간과장등문제,제출혼합인공밀봉군산법특정삼수동보우화지지향량궤(HABC-SVM)적축심궤적식별방법。장인공밀봉군산법인입도지지향량궤식별우화모형적구해중,대인공밀봉군종수색책략、밀원편마、경신책략등방면진행료개진。통과방진시험획취수전궤조적사류전형축심궤적양본,대축심궤적중제취적19충특정삼수화지지향량궤삼수진행료동보우화,장개진HABC산법여PSO-SVM산법화GA-SVM산법진행료대비。연구결과표명HABC-SVM구유량호적자괄응성화분류정도,가이동보획취지지향량궤삼수화특정자집적최우해,증강분류기적성능,제고축심궤적모식식별적준학솔,대수전궤조적고장진단공정응용유일정적지도의의。
In the research of identification of shaft orbit of hydropower generating unit, the selection of feature parameter in traditional SVM system is not adaptive, which results in lower classification performance and long computation time. Aiming at the problems above, this paper proposes a novel method to identify the shaft orbit based on HABC-SVM. Artificial bee colony is introduced to the solution of SVM identification optimal model, and the search strategy, food source and update equation of artificial bee swarm are improved. Through the simulation experiment, four typical samples of shaft orbit of hydraulic turbines are obtained, the 19 kinds of feature parameters extracted from shaft orbit and parameters of SVM are optimized synchronously, and the improved HABC algorithm is compared with PSO-SVM algorithm and GA-SVM algorithm. The results show that HABC-SVM has good adaptability and classification accuracy, can acquire the optimal solutions of SVM parameters and feature subset synchronously, enhance the performance of classifier, and improve the precision of identification of shaft orbit, which has some guidance significance to fault diagnosis of hydropower generating unit.