基于小波奇异值和支持向量机的高压线路故障诊断

• 作者: 岳苓 廖志伟 高彩亮 黄少先
• 来源期刊: 电力系统保护与控制
• 学科: 工学
• 关键词: 小波分析 奇异值分解 小波奇异值 支持向量机
• 年，卷（期）: 2010,（6）
• 所属期刊栏目: 应用研究
• 页码范围: 35-39,51
• 页数: 6页
• 分类号: TM711
• 字数: 3871字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3415.2010.06.008

摘要

提出了基于小波奇异值(WSV)和支持向量机(SVM)的电力系统故障类型识别的新方法.利用WSV来量化故障特征,再与SVM结合进行故障类型识别.对故障线路三相电流信号进行小波包变换分解,获取故障信号的小波细节系数;利用相重构技术将小波细节系数向量形成系数矩阵,并对该矩阵作奇异值分解,获取小波奇异值;将小波奇异值向量输入到SVM分类器进行故障类型识别.仿真表明,对于不同的故障类型,其小波奇异值分布明显不同,而对于同一类型故障,其小波奇异值分布在不同的故障位置、过渡电阻的情况下仍保持很大的相似性.SVM具有训练样本少、训练时间短、识别率高等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄少先	华南理工大学电力学院	49	511	11.0	21.0
2	廖志伟	华南理工大学电力学院	39	740	14.0	26.0
3	高彩亮	华南理工大学电力学院	1	36	1.0	1.0
4	岳苓	华南理工大学电力学院	1	36	1.0	1.0