文档名：基于IIST与SVM的串联故障电弧诊断方法研究
摘要：针对S变换的时频分辨能力不足导致串联故障电弧特征难以准确提取的弊端,以中心频率测度为标准筛选低频和高频段的主要频率点,分别引入低频和高频段对应的高斯窗口系数,形成一种改进的不完全S变换(im-provementincompleteS-transform,IIST)时频分析方法.首先,依据标准搭建串联电弧故障试验采集平台,采集不同负载情况下的电流信号;其次,采用IIST对信号进行时频分析并提取低频和高频段的对应特征量,形成特征向量样本集;最后,在此基础上构建故障电弧诊断模型,对样本集进行分类识别.结果表明,该特征提取方法在支持向量机(supportvectormachine,SVM)中识别准确率达到98.29％,能有效地提取电流故障特征,通过增设对照实验,探究不同特征提取方法、不同核函数的SVM对诊断结果的影响,进一步验证了IIST与SVM故障诊断方法是有效的.
作者：江永鑫 陈丽安 Author：JIANGYongxin CHENLi'an
作者单位：厦门理工学院电气工程与自动化学院,福建厦门361024厦门理工学院电气工程与自动化学院,福建厦门361024;厦门市高端电力装备及智能控制重点实验室,福建厦门361024
刊名：电力科学与技术学报 ISTICPKU
Journal：JournalofElectricPowerScienceandTechnology
年，卷(期)：2023, 38(5)
分类号：TM501.2
关键词：串联故障电弧 改进的不完全S变换 时频分析 支持向量机 特征提取
Keywords：seriesfaultarc improvedincompleteS-transform time-frequencyanalysis supportvectormachine featureextraction
机标分类号：TP391.41TM561.1P631.4+1
在线出版日期：2024年1月31日
基金项目：福建省自然科学基金项目，福建省自然科学基金项目基于IIST与SVM的串联故障电弧诊断方法研究[
期刊论文] 电力科学与技术学报--2023, 38(5)江永鑫 陈丽安针对S变换的时频分辨能力不足导致串联故障电弧特征难以准确提取的弊端,以中心频率测度为标准筛选低频和高频段的主要频率点,分别引入低频和高频段对应的高斯窗口系数,形成一种改进的不完全S变换(im-provementincomple...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于IIST与SVM的串联故障电弧诊断方法研究 Research on arc diagnosis method of series faults based on IIST and SVM
基于IIST与SVM的串联故障电弧诊断方法研究.pdf
- 文件大小:
- 1.71 MB
- 下载次数:
- 60
-
高速下载
|
