简介:随着国内用电设备增多,电气火灾的发生率也有所升高,故障电弧检测的研究成为当今热点。本文提出一种Hilbert—Huang变换与支持向量机相结合的方法,其中采用Hilbert-Huang变换对不同负载电流波形进行时域分解,从而提取各模态分量的特征值。然后采用支持向量机的自适应分类方法,通过学习不同负载下Hilbert-Huang变换得到的特征值,自适应地区分正常运行状态与故障电弧运行状态。本文以调光灯、电吹风高档、电吹风低档、电风扇和电水壶等5种类型的常用负载作为研究对象,验证算法的正确性。
简介:摘要本文基于小波包分解和支持向量机,提出了变压器差动保护中励磁涌流和内部故障电流鉴别的新方法。首先,采用离散小波变换来分解电流信号得到不同的频率分量,并计算这些频率分量的能量构成能量向量作为励磁涌流识别的特征参量。然后,将特征向量随机分为训练样本和测试样本。其中,将训练样本输入到支持向量机分类器中,得到能量特征参量与电流类型之间的映射关系,然后基于映射关系对测试样本进行分类,从而识别出电流的类型。为了研究该算法的准确性,利用matlab的simulink工具对励磁涌流和内部故障电流进行了波形仿真,作为实验的样本集。仿真结果表明,该方法能够准确地识别出变压器保护距离内的涌流和故障电流而且该方法相对与人工判断具有灵敏度高、可靠性高的优点,因此可以考虑将其应用到实际工程领域。
简介:传统的最小二乘支持向量机模型对训练样本的各个输入点同等看待,各输入向量的贡献度是相同,未对离群点加以考虑.在最小二乘支持向量机模型中引入隶属度的相关理论并建立模糊隶属度函数,对离群点和正常点赋予不同的贡献度,建立了模糊最小二乘支持向量机模型.最后,以美国PJM电力市场的边际电价预测为例,验证了本文模型的预测精度比传统的最小二乘向量机模型高50%左右,且复杂程度基本不变.