10.11857/j.issn.1674-5124.2018090094
基于PCA-KELM和AT的互感器故障诊断
针对当前互感器故障诊断算法的准确率不高的问题,提出基于主元分析法核极限学习机(principal components analysis-kernel extreme learning machine,PCA-KELM)和反正切变换(arctangent transform,AT)的互感器故障诊断方法.AT可以改变互感器故障的数据结构,重新调节电压电流等数据的相关比例;PCA提取数据特征,不仅可以减小其维数,还可以保留所需的识别信息;KELM算法能够利用其结构参数来逼近非线性函数,且无需设定网络隐含层节点.通过构建互感器诊断模型,并给出互感器测量参数,将KELM和PCA相互结合对数据进行仿真.将所提出的方法分别与支持向量机(support vector machine,SVM)和原始的ELM的性能进行比较.仿真结果表明:所提出的互感器故障诊断方法在诊断精度上均优于SVM和ELM,且诊断速度同ELM相当,较SVM有明显提升,故障诊断准确率达到98.53%,可为故障信息有限情况下的互感器故障诊断提供参考.
互感器、故障诊断、反正切变换、主元分析法、核极限学习机
45
TM472(变压器、变流器及电抗器)
云南电网公司重点项目YN2014-2-001
2019-12-31(万方平台首次上网日期,不代表论文的发表时间)
共7页
72-78