基于支持向量回归的VPMCD方法及其在局部放电模式识别中的应用

论文摘要

针对传统VPMCD方法在回归预测过程中存在的缺陷,采用支持向量回归代替原方法中的多项式回归模型,解决了原回归方法对高维小样本数据预测精度差的问题。在基于支持向量回归的VPMCD方法中,首先采集各个不同类型的放电样本,并提取特征向量构成样本集合;其次,通过支持向量回归对训练样本进行训练,建立各放电类型的变量预测模型;然后,利用这些模型对测试样本进行回归预测,得到各样本相应的预测平方和误差;最后,以预测误差平方和最小为依据,识别各放电样本的放电类型。相较于BP神经网络、SVM、传统VPMCD方法,SVR-VPMCD方法具有更好的分类效果。

论文目录

• 0 引言
• 1 基本原理
•   1.1 VPMCD方法
•   1.2 支持向量回归
• 2 基于支持向量回归的VPMCD方法
•   2.1 SVR-VPMCD方法训练过程
•   2.2 SVR-VPMCD方法分类过程
•   2.3 SVR-VPMCD方法在UCI标准数据中的应用
•   2.4 SVR-VPMCD方法在局部放电模式识别中的应用
• 3 局部放电样本识别及结果分析
•   3.1 局部放电样本的采集与特征提取
•   3.2 识别结果及分析
• 4 结论

文章来源

类型: 期刊论文

作者: 郑艳艳,朱永利,高佳程

关键词: 局部放电,模式识别,支持向量回归

来源: 华北电力大学学报(自然科学版) 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 华北电力大学新能源电力系统国家重点实验室

基金: 国家自然科学基金资助项目(51677072)

分类号: TM855

页码: 19-24+68

总页数: 7

文件大小: 251K

下载量: 166