基于改进支持向量机的智能电能表故障多分类方法

• Published in: 电测与仪表 Vol. 61; no. 7; pp. 218 - 224
• Main Authors: 陈文礼, 程瑛颖, 舒永生, 刘型志, 谢广成, 谢诚
• Format: Journal Article
• Language: Chinese
• Published: 国网重庆市电力公司营销服务中心,重庆 401123 15.07.2024
• Subjects: 支持向量机; smart meter; 智能电能表; multi-fault classification; support vector machine; 多故障分类; optimal classification surface set; cha-otic particle swarm optimization; 最优分类面集; 混沌粒子群算法
• ISSN: 1001-1390
• DOI: 10.19753/j.issn1001-1390.2024.07.031

TM933; 智能电能表故障多分类对于制定合理及时的智能电能表检修计划具有重要意义.针对智能电能表故障多分类问题,采用支持向量机构建多分类模型,所建立的模型提取智能电能表的输出电压、输出电流、输出功率、功率因数误差等数据作为分类依据构建多维空间,考虑包括误差超差、直流电流开路、直流电压短路、控制回路短线在内的智能电能表模式识别故障分类.通过所建立的模型依据有限的样本信息在复杂性和学习性之间寻求平衡,对智能电能表多维度运行信息在超平面之间进行最佳分类从而进行故障分类,通过引入一类对多类的最优分类平面集进行改进从而适用于多分类模型.采用混沌粒子群算法针对所建立的基于改进支持向量机的智能电能表故障多分类方法进行求解流程设计.再通过对某配电台区智能电能表故障分类问题采用所建立的模型进行仿真,验证了模型的合理性.