基于样本数据处理和ADABOOST的小电流接地故障选线

被引:40
作者
陈奎
韦晓广
陈景波
牛俊萍
机构
[1] 中国矿业大学信息与电气工程学院
关键词
小电流接地故障; 样本数据; 经验模态分解; 故障测度; 信息增益度; 主成分分析法; SMOTE; ADABOOST;
D O I
10.13334/j.0258-8013.pcsee.2014.34.026
中图分类号
TM862 [过电压保护装置];
学科分类号
080803 ;
摘要
针对零序暂态分量的特点以及现有的信息融合技术在小电流接地故障选线中具有样本数据不均衡、维数灾难和经验风险高的缺陷,分析选线样本的特性,提出基于样本数据处理和ADABOOST法的小电流接地故障选线的新方法。首先,通过经验模态分解和快速傅里叶变换对零序信号进行故障特征提取,然后利用故障特征建立线路故障测度和利用信息增益度建立方法故障测度,进一步通过主成分分析法对故障特征样本进行降维处理以及利用SMOTE采样法处理样本的不均衡性,最后将处理后的数据运用ADABOOST进行综合选线。通过系统模型仿真,验证了主成分分析法和SMOTE采样法对样本数据处理的合理性以及利用ADABOOST选线的有效性,结果表明所提方法应用于选线具有较高的准确率和灵敏度。
引用
收藏
页码:6228 / 6237
页数:10
相关论文
共 18 条
[1]   核函数的选择研究综述 [J].
汪廷华 ;
陈峻婷 .
计算机工程与设计, 2012, 33 (03) :1181-1186
[2]   EEMD在电能质量扰动检测中的应用 [J].
张杨 ;
刘志刚 .
电力自动化设备, 2011, 31 (12) :86-91
[3]   多分类问题代价敏感AdaBoost算法 [J].
付忠良 .
自动化学报, 2011, 37 (08) :973-983
[4]   基于主成分分析法的输电网规划方案综合决策 [J].
聂宏展 ;
聂耸 ;
乔怡 ;
吕盼 .
电网技术, 2010, 34 (06) :134-138
[5]   基于量子神经网络和证据融合的小电流接地选线方法 [J].
张海平 ;
何正友 ;
张钧 .
电工技术学报, 2009, 24 (12) :171-178
[6]   SMOTE和Biased-SVM相结合的不平衡数据分类方法 [J].
王和勇 ;
樊泓坤 ;
姚正安 .
计算机科学, 2008, (05) :174-176
[7]   决策树算法的研究与改进 [J].
冯少荣 .
厦门大学学报(自然科学版), 2007, (04) :496-500
[8]   一种改进的AdaBoost算法——AD AdaBoost [J].
李闯 ;
丁晓青 ;
吴佑寿 .
计算机学报, 2007, (01) :103-109
[9]   EMD新算法及其应用 [J].
刘霖雯 ;
刘超 ;
江成顺 .
系统仿真学报, 2007, (02) :446-447+464
[10]   基于神经网络的中性点经消弧线圈接地系统故障选线方法 [J].
庞清乐 ;
孙同景 ;
穆健 ;
秦伟刚 .
电网技术, 2005, (24) :78-81