期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于支持向量机增量学习算法的高压电网短路故障位置自动识别
被引量：
6
1
作者
王洪林
董春林
+3 位作者
董俊
李维
高黎明
郭俊
《电气自动化》
2022年第4期34-36,共3页
高压电网环境下,因社会用电量过大易造成严重的短路故障现象。为此,提出基于支持向量机(support vector machine,SVM)增量学习算法的高压电网短路故障位置自动识别方法。按照故障训练特征的确定结果,基于SVM增量学习算法提取线性电网中...
高压电网环境下,因社会用电量过大易造成严重的短路故障现象。为此,提出基于支持向量机(support vector machine,SVM)增量学习算法的高压电网短路故障位置自动识别方法。按照故障训练特征的确定结果,基于SVM增量学习算法提取线性电网中的不可分边界支持向量,进而处理电网结构中的最小化风险,完成电网故障识别环境搭建。配置高压电网的相量量测单元系数,通过确定故障识别元件,校验短路故障发生的位置,实现高压电网短路故障位置的自动识别。试验结果表明:在传输电量增加的情况下,短路故障电量冗余度极值仅能达到40%;故障位置识别精确性保持在94%。设计方法能够有效实现高压电网短路故障位置自动识别,具有较为优越的性能和一定的应用价值。
展开更多
关键词
增量学习算法
高压电网
短路故障
位置识别
训练特征
支持向量
最小化风险
相量量测单元系数
下载PDF
职称材料
题名
基于支持向量机增量学习算法的高压电网短路故障位置自动识别
被引量：
6
1
作者
王洪林
董春林
董俊
李维
高黎明
郭俊
机构
云南电网有限责任公司电力科学研究院
山东科汇电力自动化股份有限公司
昆明理工大学电力工程学院
云南电网有限责任公司玉溪江川供电局
云南电网有限责任公司昆明富民供电局
出处
《电气自动化》
2022年第4期34-36,共3页
文摘
高压电网环境下,因社会用电量过大易造成严重的短路故障现象。为此,提出基于支持向量机(support vector machine,SVM)增量学习算法的高压电网短路故障位置自动识别方法。按照故障训练特征的确定结果,基于SVM增量学习算法提取线性电网中的不可分边界支持向量,进而处理电网结构中的最小化风险,完成电网故障识别环境搭建。配置高压电网的相量量测单元系数,通过确定故障识别元件,校验短路故障发生的位置,实现高压电网短路故障位置的自动识别。试验结果表明:在传输电量增加的情况下,短路故障电量冗余度极值仅能达到40%;故障位置识别精确性保持在94%。设计方法能够有效实现高压电网短路故障位置自动识别,具有较为优越的性能和一定的应用价值。
关键词
增量学习算法
高压电网
短路故障
位置识别
训练特征
支持向量
最小化风险
相量量测单元系数
Keywords
incremental
learning
algorithm
high voltage
(
hv
)
power grid
short
circuit
fault
location
identification
training
characteristics
support
vector
minimized
risk
phasor
measurement
unit(PMU)coefficient
分类号
TM76 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于支持向量机增量学习算法的高压电网短路故障位置自动识别
王洪林
董春林
董俊
李维
高黎明
郭俊
《电气自动化》
2022
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
