基于参数优化的最小二乘支持向量机触电电流检测方法

针对如何从低压电网总泄漏电流中检测出生物体触电电流信号的难题,提出了一种基于网格搜索和交叉验证的最小二乘支持向量机的触电电流信号检测方法。首先在剩余电流动作保护装置触电物理试验系统平台上通过故障录波器获得生物体在3个典型时刻（电源电压最大时刻、电源电压过零时刻及电源电压任意时刻）发生触电过程的总泄漏电流和触电电流波形,并截取触电前1个周期和触电后3个周期共800个采样点的信号数据作为触电试验样本数据;然后将触电试验样本数据进行滤波预处理,预处理后的多个样本采样点的总泄漏电流组合成特征向量输入最小二乘支持向量机（least square-support vector machine,LS-SVM...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 30; no. 23; pp. 238 - 245
Main Author 韩晓慧 杜松怀 苏娟 关海鸥 邵利敏
Format Journal Article
LanguageChinese
Published 中国农业大学信息与电气工程学院,北京,100083%黑龙江八一农垦大学信息技术学院,大庆,163319 2014
Subjects
交叉验证
优化
信号检测
总泄漏电流
最小二乘支持向量机
电流
网格搜索
触电电流
电流
总泄漏电流
网格搜索
signal detection
electric shock currents
grid search
最小二乘支持向量机
触电电流
electric currents
optimization
least square-support vector machine
信号检测
cross validation
优化
交叉验证
total leakage currents
Online AccessGet full text

Cover

More Information
Summary:针对如何从低压电网总泄漏电流中检测出生物体触电电流信号的难题,提出了一种基于网格搜索和交叉验证的最小二乘支持向量机的触电电流信号检测方法。首先在剩余电流动作保护装置触电物理试验系统平台上通过故障录波器获得生物体在3个典型时刻（电源电压最大时刻、电源电压过零时刻及电源电压任意时刻）发生触电过程的总泄漏电流和触电电流波形,并截取触电前1个周期和触电后3个周期共800个采样点的信号数据作为触电试验样本数据;然后将触电试验样本数据进行滤波预处理,预处理后的多个样本采样点的总泄漏电流组合成特征向量输入最小二乘支持向量机（least square-support vector machine,LS-SVM）,相应样本采样点的触电电流作为其输出,并通过网格搜索与交叉验证相结合的方法来优化最小二乘支持向量机参数,利用输出最优参数组合对触电电流与总泄漏电流的关系进行训练,从而建立了触电电流的检测模型;最后利用该方法对10组测试样本数据进行了检测,检测结果为：当训练样本数据为20组时,检测均方误差为14.0040,当训练样本数据为40组时,检测均方误差为11.7469,当训练试验数据为65组时,检测均方误差为11.1849。与径向基（radial basis function,RBF）神经网络方法相比,最小二乘支持向量机方法比径向基神经网络方法检测均方误差分别低3.7272、1.9132、0.1556,从而可较准确地从总泄漏电流中检测出生物体触电电流信号,为开发新一代基于生物体触电电流分量而动作的自适应型剩余电流保护装置提供理论依据。
Bibliography:11-2047/S
Currently, residual current operated protective devices（RCDs） have a wide range of application in low voltage power grids and play an important role in preventing electric shock hazards and avoiding fire disasters caused by ground fault. But, the stocking current of the animals and human beings has no relationship with the setting value of action current from the protection devices, and the root mean square（RMS） value of residual current detected is considered the current value to determine if the protector acts or not. Theoretical analysis and operation experiences indicate that such criterion is unavailable in identifying the shocking current signals of the animals and human beings from the summation leakage current.Thus, in order to identify the electric shock signal from the summation leakage current automatically and accurately, intelligent information processing techniques are adopted and identification method based on least square-support vector machine（LS-SVM） with grid search and cross valid
ISSN:1002-6819
DOI:10.3969/j.issn.1002-6819.2014.23.030