[发明专利]一种基于改进多分类支持向量机的配电网故障识别方法在审
| 申请号： | 201811175194.3 | 申请日： | 2018-10-10 |
| 公开（公告）号： | CN109241944A | 公开（公告）日： | 2019-01-18 |
| 发明（设计）人： | 洪翠;付宇泽;郭谋发;高伟 | 申请（专利权）人： | 福州大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08;G06Q10/00;G06Q50/06 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350108 福建省福*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 多分类支持向量机 重构信号 支持向量机模型 配电网故障 故障分类 特征向量 径向基核函数 母线零序电压 改进 低频分量 仿真波形 故障识别 欧式距离 三相电流 小波分解 支持向量 最优参数 均方根 准确率 构建 重构 主变 采集 | ||
1.一种基于改进多分类支持向量机的配电网故障识别方法，其特征在于：包括以下步骤：
步骤S1：采集故障后一周波的主变低压侧三相电流和母线零序电压仿真波形数据，作为输入信号；
步骤S2:对输入信号进行小波分解处理，并重构低频分量，得到重构信号；
步骤S3:采用求取均方根与欧式距离的方法，提取重构信号的特征向量；
步骤S4:构建多级支持向量模型，并基于径向基核函数寻找最优参数，得到训练后的多级支持向量机模型；
步骤S5:将重构信号的特征向量输入至训练后的多级支持向量机模型，得到故障分类。
2.根据权利要求1所述的一种基于改进多分类支持向量机的配电网故障识别方法，其特征在于：所述步骤S1具体为：
步骤S11:利用PSCAD/EMTDC仿真软件搭建10kV配电网模型;
步骤S12:通过该模型获取主变低压母线零序电压和主变低压侧三相电流的故障前后各一周波的仿真波形数据;
步骤S13:根据得到的仿真波形数据，提取故障后一周波的主变低压侧三相电流和母线零序电压仿真波形数据，作为输入信号。
3.根据权利要求1所述的一种基于改进多分类支持向量机的配电网故障识别方法，其特征在于：所述步骤S2具体为：
步骤S21:选取正则性良好的db4作为小波基函数，分解层数为2层；
步骤S22:根据小波基函数换对输入信号进行2层分解，并对第二层的小波系数进行重构，得到重构信号。
4.根据权利要求1所述的一种基于改进多分类支持向量机的配电网故障识别方法，其特征在于：所述步骤S3具体为：
步骤S31:利用重构信号的第二层近似分量分别求取三相电流与零序电压的均方根R及三相电流的相间欧氏距离d；
步骤S32:根据求取三相电流与零序电压的均方根R及三相电流的相间欧氏距离d，进行归一化处理后，得到重构信号的特征向量。
5.根据权利要求1所述的一种基于改进多分类支持向量机的配电网故障识别方法，其特征在于：所述多级支持向量模型为改进多分类SVM模型，该模型由10个SVM构成，记为SVM1-SVM10。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于福州大学，未经福州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811175194.3/1.html，转载请声明来源钻瓜专利网。
