基于支持向量机的微机保护装置状态评估的研究

被引:13
作者
田有文
唐晓明
机构
[1] 沈阳农业大学信息与电气工程学院
关键词
微机保护装置; 状态评估; 支持向量机;
D O I
暂无
中图分类号
TM774 [继电保护装置];
学科分类号
摘要
为了给微机保护装置的状态检修或计划检修提供科学的决策依据,提出了一种基于支持向量机的微机保护装置状态评估的方法。首先采用运行工况、定检信息作为支持向量机的输入特征向量,然后通过核函数将输入特征向量映射到高维特征空间,用支持向量机的模式识别方法来识别微机保护装置状态。实验结果表明SVM对微机保护装置进行状态评估是可行、有效的,在小样本情况下有较高的评估正确率和较好的稳定性,径向基核函数的SVM分类方法应用于微机保护装置状态评估最理想。同样条件下比人工神经网络的评估正确率高,速度快。
引用
收藏
页码:66 / 69
页数:4
相关论文
共 7 条
[1]   支持向量机技术及其应用 [J].
陈继超 .
科技信息, 2007, (25) :490-491
[2]   基于B/S模式的综合状态评估系统的设计与实现 [J].
陆佳政 ;
张红先 ;
方针 ;
李波 .
湖南电力, 2006, (01) :6-7+10
[3]   RBF神经网络在电气设备状态评估中的应用 [J].
周炎涛 ;
向升 ;
吴正国 .
航空计算技术, 2005, (03) :1-4
[4]   电机状态监测结果的模糊逻辑方法评定 [J].
杨鸿儒 ;
曹俊 .
中国设备工程, 2005, (08) :40-42
[5]   制订《电气设备状态维修导则》的原则框架 [J].
刘有为 ;
李光范 ;
高克利 ;
杜彦明 ;
张勤 ;
牛晓民 ;
孙维本 .
电网技术, 2003, (06) :64-67+76
[6]  
模式识别[M]. 清华大学出版社[美]J.P.MarquesdeSa著, 2002
[7]   A tutorial on Support Vector Machines for pattern recognition [J].
Burges, CJC .
DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167