基于小波熵权和支持向量机的高压输电线路故障分类方法

被引:24
作者
杨健维
罗国敏
何正友
机构
[1] 西南交通大学电气工程学院
关键词
故障识别; 小波分析; 熵权; 支持向量机(SVM); 电力系统; 高压输电线路;
D O I
10.13335/j.1000-3673.pst.2007.23.004
中图分类号
TM755 [线路检修];
学科分类号
080802 ;
摘要
高压输电线路故障类型的正确识别是进行故障定位和事故分析的前提。为此,作者提出一种分层的故障类型识别方法,首先根据线路故障时三相电流小波熵权分布曲线相互间距离的差异、距离之和进行故障的初步归类,构造表征不同故障类别的样本,然后采用支持向量机算法对样本进行训练,得到识别不同故障类型的最优分类面。仿真结果表明:该方法识别速度快,克服了常规线性分类方法的局限性,且故障识别精度不受系统运行方式、过渡电阻以及故障位置的影响,具有较强的通用性和实用性。
引用
收藏
页码:22 / 26+32 +32
页数:6
相关论文
共 15 条
[1]   基于暂态电流小波熵权的输电线路故障选相方法 [J].
何正友 ;
陈小勤 ;
罗国敏 ;
钱清泉 .
电力系统自动化, 2006, (21) :39-43+85
[2]   基于小波能量熵和模糊逻辑的故障选相元件 [J].
张斌 ;
何正友 ;
钱清泉 .
电网技术, 2006, (15) :30-35
[3]   RBF核SVM及其应用研究 [J].
燕孝飞 ;
葛洪伟 ;
颜七笙 .
计算机工程与设计, 2006, (11) :1996-1997+2011
[4]   基于提升小波和神经网络的超高压电网故障类型识别 [J].
王忠民 ;
乐全明 ;
杨光亮 ;
郁惟镛 ;
张沛超 ;
章启明 ;
周岚 .
华东电力, 2006, (02) :29-33
[5]   多类支持向量机算法综述 [J].
黄勇 ;
郑春颖 ;
宋忠虎 .
计算技术与自动化, 2005, (04) :61-63
[6]   小波熵理论及其在电力系统故障检测中的应用研究 [J].
何正友 ;
蔡玉梅 ;
钱清泉 .
中国电机工程学报, 2005, (05) :40-45
[7]   基于模糊逻辑和支持向量机的高压输电线路故障分类器 [J].
姜惠兰 ;
崔虎宝 ;
刘飞 ;
张健 .
中国电力, 2005, (03) :13-17
[8]   基于熵的空中目标识别模型及应用 [J].
王安丽 ;
史志富 ;
张安 .
火力与指挥控制, 2005, (02) :110-112
[9]   支持向量机算法及应用 [J].
胡国胜 .
现代电子技术, 2005, (03) :106-109
[10]   PCA和SVM在火焰监测中的应用研究 [J].
白卫东 ;
严建华 ;
池涌 ;
王飞 ;
马增益 ;
林彬 ;
倪明江 ;
岑可法 .
中国电机工程学报, 2004, (02) :186-191