基于改进的杜鹃搜索算法优化支持向量机的10kV并联电容器组故障诊断和预警研究

发布时间：2022-07-09 16:10

　　为提高电力电容器组故障诊断的精度,针对支持向量机（Support Vector Machine,SVM）预测结果易受惩罚因子c和核函数参数g参数选择的影响,为避免杜鹃搜索算法陷入局部最优,将自适应步长和最优解高斯变异引入杜鹃搜索算法,提出一种改进的杜鹃搜索算法优化支持向量机的10kV并联电容器组故障诊断和识别模型,实现10kV并联电容器组故障的高精度诊断和识别。实验结果表明,与GA_SVM、PSO_SVM和CSA_SVM相比,提出的算法ICSA_SVM可以有效提高电容器组故障诊断的准确率,具有收敛速度快的优点,为电容器组的诊断和识别提供新的方法和途径。 

【文章页数】：5 页

【文章目录】：
1 引言
2 支持向量机
3 改进杜鹃搜索算法
    3.1 杜鹃搜索算法
    3.2 ICSA算法
4 基于ICSA＿SVM的故障诊断
    4.1 适应度函数
    4.2 算法步骤
5 实验仿真
    5.1 数据来源
    5.2 评价指标
    5.3 结果分析
6 结束语


【参考文献】：
期刊论文
[1]基于s变换及遗传优化支持向量机的电压源换流器故障诊断技术研究[J]. 唐志军,朱艳,邹焕雄,王渝红,胡松伶.  高压电器. 2017(11)
[2]基于神经网络预测的电弧炉供电系统动态无功混合补偿方法[J]. 王育飞,孙路,刘浩,薛花.  电力电容器与无功补偿. 2017(05)
[3]基于Hilbert-Huang变换与支持向量机的故障电弧检测研究[J]. 张湛,杨光,张峰.  电气工程学报. 2017(07)
[4]基于布谷鸟搜索算法和支持向量机的故障预测模型研究[J]. 樊泽凯,贾红丽.  军事运筹与系统工程. 2017(02)
[5]采用改进杜鹃搜索算法的主动配电网双层分布式风电规划方法[J]. 孙鹏,罗明武,孙朝霞,周鲲鹏,罗云月,刘天慈,汤海霞,王武林.  电网技术. 2016(09)
[6]基于粒子群优化支持向量机的电梯故障诊断[J]. 易士琳,万舟,李琨,潘奇.  计算技术与自动化. 2016(01)
[7]基于健康度分析与和声蚁群算法-支持向量机的故障预测模型[J]. 邱文昊,黄考利,金赛赛,连光耀.  计算机应用. 2015(11)
[8]整体改进的基于支持向量机的故障诊断方法[J]. 焦卫东,林树森.  仪器仪表学报. 2015(08)
[9]基于布谷鸟算法和支持向量机的变压器故障诊断[J]. 薛浩然,张珂珩,李斌,彭晨辉.  电力系统保护与控制. 2015(08)
[10]开关电源电容器的软故障特征参数提取与预测[J]. 郑剑,李中群,何怡刚,罗旗舞,于文新.  计算机测量与控制. 2014(02)



本文编号：3657417