基于优化的LS-SVR的继电保护设备故障率预测模型

被引：10

作者：

邓旭阳 ^{[1
]}

陈志光 ^{[1
]}

林燕贞 ^{[2
]}

龚庆武 ^{[2
]}

机构：

[1] 广东电网有限责任公司电力调度控制中心

[2] 武汉大学电气工程学院

来源：

电网与清洁能源 | 2016年 / 32卷 / 03期

关键词：

继电保护设备; 故障率预测; LS-SVR; 标准粒子群算法; 高斯扰动标准粒子群算法; 学习因子;

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：

电力系统的互联运行对继电保护设备提出更高的要求,而继电保护设备的安全稳定运行与故障率息息相关。为了解决标准粒子群(SPSO)陷入局部最优的问题,加入高斯扰动操作,提出了高斯扰动的标准粒子群算法(GDSPSO),并在优化过程改变传统学习因子是定值的缺陷,引入学习因子随着迭代次数变化的表达式,提高算法的搜索能力,更好地优化最小二乘支持向量机(LS-SVR)的学习参数,建立预测模型,并作误差分析。最后以某一地区相同型号,相同运行环境的24台继电保护设备为例,说明GDSPSO相比较其他3种算法而言,寻优速度快,稳定性好,计算耗时短,利用GDSPSO优化得到的学习参数建立的预测模型,预测效果好,预测精度高。

引用

页码：25 / 33+39 +39

页数：10

共 21 条

[1]

基于支持向量机高压静电场闪络信号的模糊识别 [J].