自适应遗传算法优化支持向量机的过电压识别.docVIP

自适应遗传算法优化支持向量机的过电压识别 　　摘 要： 为了提高过电压识别的准确性，以及加快过电压的识别速度，提出一种自适应遗传算法优化支持向量机的过电压识别方法。首先针对单一特征信息难以获得过电压高识别率的问题，采用时域波形、波头、时频谱的组合特征作为过电压识别特征，然后采用过电压的训练样本对支持向量机进行学习，建立过电压识别的分类器，并引入自适应遗传算法对支持向量机参数进行优化，最后采用具体过电压识别实例进行性能仿真分析。结果表明，该方法的过电压平均识别率达到95%以上，远远超过了实际应用的85%要求，且识别结果要优于其他过电压识别方法。 　　关键词： 过电压识别； 支持向量机； 输电线路； 遗传算法 　　中图分类号： TN911?34； TM863 文献标识码： A 文章编号： 1004?373X（2016）19?0136?04 　　Abstract： In order to improve the overvoltage recognition accuracy and quicken the recognition speed， an overvoltage identification method with genetic algorithm optimizing support vector machine is proposed. Since the single feature information is difficult to obtain the high overvoltage recognition rate， the combined features of time domain waveform， wave head and time?frequency spectrum are taken as the recognition features of overvoltage respectively， and then the training samples of overvoltage are used to study the support vector machine. The classifier of overvoltage identification is established， and the adaptive genetic algorithm is introduced to optimize the parameters of support vector machine. The performance of an overvoltage recognition instance was performed for simulation analysis. The results show that the average overvoltage recognition rate of the proposed method can reach up to 95%， far exceeds the practical application requirements of 85%， and the recognition result is superior to other overvoltage identification methods. 　　Keywords： overvoltage identification； support vector machine； transmission line； genetic algorithm 　　0 引 言 　　雷电是一种无法预测的自然现象，会对输电线路产生干扰，引起输电线路故障，而仅对输电线路添加防雷保护难以保证输电线路的正常工作，过电压识别可以反映输电线路的工作状态，为电力系统管理人员提供有价值的参考意见，因此提高过电压的识别率具有重要的实际应用价值[1?2]。 　　针对过电压识别问题，学者们从理论、方法以及技术等方面进行深入的分析，提出了许多有效的过电压识别方法[3]。最初过电压识别通过专家系统进行，过电压由于类型多、产生原因复杂，专家系统识别率低，而且识别结果具有盲目性，难以应用于实际过电压识别[4]。 　　随着机器学习技术研究的不断深入，机器学习算法被学者们引入到了过电压识别的建模中，将过电压识别看作是一种多分类问题，根据特征对样本进行处理，建立过电压识别的分类器，以区别出各种类型的过电压，在过电压识别中应用最为广泛[5?7]。特征提取是过电压识别的基础，对后续过电压识别结果影响大，当前特征主要有：电流变化幅值、时域波形、暂态电流特征等[8?10]，单一特征只能描述过电