基于改进粒子群优化算法优化SVM的断路器故障诊断OA
为了提高断路器故障诊断精度,提出通过改进粒子群优化IPSO(improved particle swarm optimization)算法对支持向量机SVM(support vector machine)相关参数进行优化,进而建立一种新的IPSO-SVM断路器故障诊断模型。其中,IPSO算法通过混沌映射、动态调整惯性系数和更新最优粒子策略等方法对粒子群优化PSO(particle swarm optimization)算法进行改进,提高了算法的收敛速度和精度。进一步地,结合几种典型的高压断路器故障类型和某种断路器的实际运行数据,构建IPSO-SVM故障诊断模型。最后,对比相同训练集下的其他断路器故障诊断模型,实验结果表明,IPSO-SVM模型具有更高的诊断精度,降低了人为干预程度,实现了对故障类型的有效识别,保障了分合闸线圈的可靠运行。
陈国平;高慧民;陈蒙蒙;荣灿灿;夏晨阳
国网宿州供电公司,宿州234000中国矿业大学电气工程学院,徐州221116中国矿业大学电气工程学院,徐州221116中国矿业大学电气工程学院,徐州221116中国矿业大学电气工程学院,徐州221116
信息技术与安全科学
支持向量机改进粒子群优化算法高压断路器故障诊断混沌映射
《电源学报》 2026 (8)
P.328-338,11
国网宿州供电公司科技资助项目(B312Q024000B)。
评论