电网技术

2016, v.40;No.396(11) 3597-3603

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于多变量多尺度云样本熵和模糊支持向量机的开关柜故障分类
Fault Classification for Smart Switchgear Based on Multivariate Multiscale Cloud Sample Entropy and Fuzzy Support Vector Machine

辛业春;崔金栋;周川;王强钢;周念成;

摘要(Abstract):

利用智能开关柜多源监测数据识别其异常状态和故障类型,可实现配电设备高效精细的运维管理。为提取开关柜的故障特征,利用传感器监测开关柜电压、电流、温湿度和闪光信号等状态量,通过引入降半梯形云模型量化状态量时间序列的复合延迟向量间的相似度,由此软化多变量多尺度样本熵相似容限判据,进而获取包含多个时间尺度的开关柜多通道状态监测数据的多变量多尺度云样本熵(MMCSE)故障特征向量;依据分段半降正态云模型量化开关柜故障样本间关联关系的不确定性,综合样本空间的区域差异性和分散性计算样本隶属度,形成改进的模糊支持向量机(FSVM)特征分类方法,实现了开关柜不同故障类型的识别。根据现场实时监测数据,验证结果表明所提方法具有较高的分类正确性。

关键词(KeyWords): 智能开关柜;多变量多尺度云样本熵;模糊支持向量机;云模型;故障分类

Abstract:

Keywords:

基金项目(Foundation): 吉林省发改委产业发展计划扶持计划(JF2016400305);; 吉林杰出青年扶持项目(20150406);; 教育厅产业化项目扶持计划(2015103);; 吉林省产业创新专项资金项目(2016C074)~~

作者(Author): 辛业春;崔金栋;周川;王强钢;周念成;

Email:

DOI: 10.13335/j.1000-3673.pst.2016.11.047

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享