基于PSO-SVM的智能变电站二次系统故障诊断方法

• 作者: 袁明哲 邹经鑫 汪艮 李雪恺 卫佳奇
• 来源期刊: 电力工程技术
• 关键词: 智能变电站 二次系统 故障诊断 专家数据库 主成分分析 支持向量机
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 智能电网技术|Smart Grid Technologies
• 页码范围: 172-176,190
• 页数: 6页
• 分类号: TM714
• 语种: 中文
• DOI: 10.12158/j.2096-3203.2020.06.025

摘要

为充分利用智能变电站的站端信息,帮助运维人员更加快速准确地定位智能变电站二次系统的故障,从而保证电力系统的安全稳定运行,文中提出一种基于多分类支持向量机(SVM)的智能变电站二次系统故障诊断方法,并采用粒子群优化(PSO)算法对参数进行自动寻优,根据智能变电站长期运行的历史状态数据和检修人员处理结果构建专家数据库.智能变电站二次系统的原始信号为大量{0,1}形式的状态量,采用开关量编码形式定义数据组,并使用主成分分析法对信号进行数据降维,最终构建了基于站端信息的智能变电站二次系统故障诊断模型.对比诊断模型与专家人工判断对实际故障的诊断结果,可知文中所提出的方法具有较好的准确性与适用性.