PSO-SVM信息融合在广域后备保护中的应用

提出了基于粒子群优化支持向量机(PSO-SVM)的信息融合算法进行广域后备保护故障元件判别。广域后备保护需要采集多个节点相关信息以判别电网某区域的故障元件,选取了线路故障方向元件、线路距离II段元件和主保护动作状态三类信息。利用确定故障下的状态信息矩阵作为PSO-SVM的训练样本,再用随机故障时的元件状态信息矩阵作为测试样本。通过大量实验模拟了多种信息不确定情况下的故障判别结果。实验结果表明,基于PSO-SVM的保护算法具有很好的容错和正判能力。

基于LSSVM的小电流接地故障融合选线

小电流接地系统单相接地故障选线是尚未解决的一大难题。传统的单一故障选线方法都有其各自的适用范围,故障选线准确率不高。在此基础上,提出利用最小二乘支持向量机(LSSVM)对多种选线方法进行信息融合。分别利用小波包变换和FFT算法,从零序电流中提取暂态能量分量、稳态基波分量和五次谐波分量,形成故障选线的特征分量。作为LSSVM的输入进行信息融合。从而实现故障选线。仿真结果表明:与标准的SVM相比,该方法学习速度更快、泛化能力更强,且不受接地电阻、故障初始角、故障距离等的影响。选线结果具有较高的精度。

基于小波包和LSSVM的小电流接地故障选线

分析了小电流接地系统单向接地故障选线的现状和基于暂态量的故障选线方法的优势,提出了基于小波包(WPT)和最小二乘支持向量机(LSSVM)相结合的故障选线方法.该方法首先利用小波包对各线路暂态零序电流信号进行多层分解,然后根据能量最大原则确定特征频带,选取特征频带内的能量特征值,最后将其输入到分类器LSSVM中,经训练得到最优故障选线模型.通过PSCAD/EMTDC搭建小电流接地系统单相接地故障仿真模型,经Matlab仿真实验证明,该方法不受故障地点、接地电阻和故障合闸角的影响,原理简单、可靠.