[發明專利]基于粒子群算法優化支持向量機的配電網故障選線方法在審
| 申請號： | 202310512915.X | 申請日： | 2023-05-09 |
| 公開（公告）號： | CN116466189A | 公開（公告）日： | 2023-07-21 |
| 發明（設計）人： | 毛王清;李鴻楊;張青;趙航宇;葛蕾;萬新強 | 申請（專利權）人： | 國網江蘇省電力有限公司宿遷供電分公司 |
| 主分類號： | G01R31/08 | 分類號： | G01R31/08 |
| 代理公司： | 南京品智知識產權代理事務所(普通合伙) 32310 | 代理人： | 奚曉寧 |
| 地址： | 223800 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 粒子 算法 優化 支持 向量 配電網 故障 方法 | ||
1.一種基于粒子群算法優化支持向量機的配電網故障選線方法，其特征在于，該方法包括以下步驟：
步驟一、獲取配電網中各條線路的暫態零序電流；
步驟二、對各條線路的暫態零序電流信號進行傅里葉變換，得到各條線路的暫態零序電流頻域信號；
步驟三、將各條線路的暫態零序電流頻域信號輸入預先訓練好的粒子群算法優化支持向量機模型中，輸出基于粒子群算法優化支持向量機模型的配電網故障選線結果；所述粒子群算法優化支持向量機模型中，通過粒子群算法優化支持向量機模型中的懲罰參數和核參數；
步驟四、判斷步驟三選出的故障線路的暫態零序電流的包絡線斜率是否與非故障線路的暫態零序電流的包絡線斜率正負相反，當步驟三選出的故障線路的包絡線斜率與非故障線路的包絡線斜率正負相反時，將步驟三選出的故障線路確定為故障線路，故障選線結束；否則，返回執行步驟一。
2.按照權利要求1所述的基于粒子群算法優化支持向量機的配電網故障選線方法，其特征在于：所述各條線路的暫態零序電流I為各線路三相電流瞬時值的平均值，用公式表示為I＝(Ia+Ib+Ic)/3，其中，Ia為線路的A相電流瞬時值，Ib為線路的B相電流瞬時值，Ic為線路的C相電流瞬時值。
3.按照權利要求1所述的基于粒子群算法優化支持向量機的配電網故障選線方法，其特征在于：步驟三中，所述粒子群算法優化支持向量機模型的訓練過程為：
步驟S1、建立配電網故障仿真工況，設置電網電壓、節點負荷、線路故障位置、過渡電阻及故障相角取值范圍，生成覆蓋上述參數范圍的故障場景集合，采集所有場景下的各線路的暫態零序電流，形成粒子群算法優化支持向量機模型的訓練數據集；
步驟S2、對訓練數據集中的各線路的暫態零序電流信號進行傅里葉變換，得到各線路的暫態零序電流頻域信號；
步驟S3、初始化粒子群的位置和速度，將粒子群中每個粒子的位置表示為支持向量機模型中的懲罰參數和核參數的集合；
步驟S4、初始化粒子群的位置矩陣X；
步驟S5、對粒子群的位置矩陣X進行更新；
步驟S6、采用適應度函數計算每個粒子的適應度值；
步驟S7、對于每個粒子，比較它的適應度值和它的當前最優位置的適應度值，當適應度值更好時就更新；
步驟S8、對于每個粒子，比較它的適應度值和粒子群全局最優位置的適應度值，當適應度值更好時就更新；
步驟S9、當達到最大迭代次數時結束迭代，否則返回步驟S3繼續迭代執行，將結束迭代后的粒子群全局最優位置的解確定為支持向量機模型中的懲罰參數和核參數；
步驟S10、采用訓練數據集訓練粒子群算法優化支持向量機模型，得到訓練好的粒子群算法優化支持向量機模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于國網江蘇省電力有限公司宿遷供電分公司，未經國網江蘇省電力有限公司宿遷供電分公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202310512915.X/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種腸鏡前腸道清潔裝置及方法
- 下一篇：一種纖維纏繞機
