基于支持向量机的微机保护装置状态评估研究

被引:13
作者
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
080802 [电力系统及其自动化];
摘要
提出了基于SVM构建适合微机保护装置状态评估的方法。目的是对微机保护装置进行准确的状态评估。通过状态评估,可以明确判断其状态的好坏,从而为微机保护装置的状态检修或安排计划检修提供科学的依据。评估结果表明小样本情况下有较高的评估正确率和较好的稳定性,同样条件下比BP神经网络的评估正确率高、速度快。另外,试验表明径向基核函数的SVM分类方法应用于微机保护装置状态评估最理想。
引用
收藏
页码:50 / 52
页数:3
相关论文
共 6 条
[1]
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
[2]
支持向量机分类器在医疗诊断中的应用研究 [J].
阎威武 ;
邵惠鹤 .
计算机仿真, 2003, (02) :69-70+63
[3]
基于支持向量机的手写体相似字识别 [J].
田盛丰 ;
黄厚宽 ;
李洪波 .
中文信息学报, 2000, (03) :37-41
[4]
Support vector machines for face recognition.[J].Guodong Guo;Stan Z. Li;Kap Luk Chan.Image and Vision Computing.2001, 9
[5]
A tutorial on Support Vector Machines for pattern recognition [J].
Burges, CJC .
DATA MINING AND KNOWLEDGE DISCOVERY, 1998, 2 (02) :121-167
[6]
模式识别.[M].边肇祺编著;.清华大学出版社.1988,