基于优化的LS-SVR的继电保护设备故障率预测模型

• 作者: 林燕贞 邓旭阳 陈志光 龚庆武
• 来源期刊: 电网与清洁能源
• 学科: 工学
• 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
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 智能电网
• 页码范围: 25-33,39
• 页数: 10页
• 分类号: TM774
• 字数: 7508字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚庆武	武汉大学电气工程学院	106	1721	24.0	37.0
2	陈志光	广东电网有限责任公司电力调度控制中心	21	138	8.0	10.0
3	林燕贞	武汉大学电气工程学院	10	38	4.0	6.0
4	邓旭阳	广东电网有限责任公司电力调度控制中心	8	59	5.0	7.0