[发明专利]基于HPSO-TSVM的高压断路器故障诊断方法

说明书

本发明公开了基于HPSO‑TSVM的高压断路器故障诊断方法，具体按以下步骤实施：步骤1：选取典型数据样本，按照4:1的比例分为训练样本和测试样本；步骤2：提取经步骤1所得的训练样本的输入特征向量，采用改进的F‑Score特征选择算法进行特征选择，得到一个最佳的特征子集；步骤3：对经步骤2得到最佳的特征子集样本作为HPSO‑TSVM的训练样本进行训练；步骤4：利用步骤3建立好的高压断路器故障诊断模型对故障数据集中的测试样本进行分类，统计其分类准确率。本发明的高压断路器故障诊断方法，能够准确实现高压断路器故障诊断。

技术领域

本发明属于高压断路器故障在线监测技术领域，具体涉及一种基于HPSO-TSVM的高压断路器故障诊断方法。

背景技术

高压断路器是电力系统中的重要设备。高压断路器性能的可靠性直接关系到电力系统的可靠运行，而高压断路器的可靠性在很大程度上取决于其操动机构的可靠性，其中分合闸线圈是其操动机构的关键部件。合分闸线圈电流可提供高压断路器机械故障诊断所用的丰富信息；因此可通过提取分合闸线圈电流信号进行故障诊断。

现有的高压断路器故障诊断的方法有很多，常用的方法为神经网络和支持向量机(SVM)。虽然神经网络具有良好的抗噪声能力和自学习能力，但需要大量样本进行训练，而高压断路器由于其工作特性不能频繁运行。支持向量机虽然与其他机器学习方法相比具有更好的泛化性能，但很费时。孪生支持向量机(twin support vector machine，TSVM)理论上可达到传统SVM的4倍，并且其泛化性能优于传统SVM。但TSVM分类性能受核函数选择与参数选择影响较大，为了解决上述问题，本专利提出了一种基于HPSO-TSVM的高压断路器故障诊断方法，能在有效解决上述问题的同时，更加准确快速的对故障进行分类。

发明内容

本发明的目的是提供一种基于HPSO-TSVM的高压断路器故障诊断方法，能够准确实现高压断路器故障诊断。

本发明所采用的技术方案是，基于HPSO-TSVM的高压断路器故障诊断方法，具体按以下步骤实施：

步骤1：选取典型数据样本，按照4:1的比例分为训练样本和测试样本；

步骤2：提取经步骤1所得的训练样本的输入特征向量，采用改进的F-Score特征选择算法进行特征选择，得到一个最佳的特征子集；

步骤3：对经步骤2得到最佳的特征子集样本作为HPSO-TSVM的训练样本进行训练；

步骤4：利用步骤3建立好的高压断路器故障诊断模型对故障数据集中的测试样本进行分类，统计其分类准确率。

本发明的特点还在于，

步骤1的具体实施步骤为：

步骤1.1、选取高压断路器监测到的数据样本I₁,I₂,I₃,t₁,t₂,t₃,t₄,t₅作为高压断路器故障诊断模型的输入特征向量，其中，I代表电流，t代表时间；

步骤1.2、对经步骤1.1所得的数据样本按照4:1的比例分为训练样本与测试样本，训练样本用来构建高压断路器故障诊断模型，测试样本则用来测试模型的分类效果。

步骤2的具体实施步骤为：

步骤2.1，提取经步骤1所得的训练样本的输入特征向量，构建训练样本集X_k，k＝1,2,3,…,n；

步骤2.2，对经步骤2.1得到训练样本集X_k采用改进的F-Score特征选择算法进行特征选择，得到一个最佳的特征量子集。

步骤2.2中，改进的F-Score特征选择算法进行特征选择的具体步骤如下：