PSO-SVM信息融合在广域后备保护中的应用.pdfVIP

PSO-SVM信息融合在广域后备保护中的应用.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
ComputerEngineeringandApplications计算机工程与应用 PSO.SVM信息融合在广域后备保护中的应用 张 斌,焦元钊,董海鹰,盛 怡 ZHANG Bin,JIAO Yuanzhao,DONGHaiying,SHENGYi 兰州交通大学 自动化与电气工程学院,兰州 730070 SchoolofAutomationandElectricalEngineering,LanzhouJiaotongUniversity,Lanzhou730070,China ZHANG Bin,JIAO Yuanzhno,DONG Haiying,eta1.ApplicationofPSO-SVM informationfusioninwideareabackup protection.ComputerEngineeringandApplications,2013,49(2):165·169. Abstract:Informationfusionalgorithm basedonParticleSwarm Optimization—basedSupportVectorMachine(PSO—SVM)is proposedasfaultelementdiscriminantforwideareabackupprotection.Relatedinformationofmultiplenodesneedtobecollect— edbywide-areabackupprotectiontodeterminearegionalpowergridfaultelement.Inthispaper,threekindsofinofrmationof thelinefaultdirectionalcomponent,themeasurementelementofdistanceprotectionparagraphIIandthestatusofmainprotec· tionareselected.Thestateinformationmatrixfora11faultismadeasthetrainingsampletotrainPSO-SVM network,.thenthe stateinformationvectorofsomerandom failureisusedasthetestingsample,andalargenumberofexperimentsaremadeto simulatedifferentfaultidentificationresultswithinaccurateinformation.Theresultsofexperimentsshow thatwideareabackup protectionbasedonPSO--SVM hasgoodabilityoffault--toleranceandhighaccuracy. Keywords:particleSWarlYloptimization;support vectormachine;informationfusion;wide—areaback—upprotection;faultiden— tification 摘 要:提出了基于粒子群优化支持向量机 (PSO.SVM)的信息融合算法进行广域后备保护故障元件判别。广域后备保护 需要采集多个节点相关信息以判别电网某 区域的故障元件,选取 了线路故障方向元件 、线路距离II段元件和主保护动作状 态三类信息。利用确定故障下的状态信息矩阵作为PSO.SVM 的训练样本 ,再用随机故障时的元件状态信息矩阵作为测 试样本。通过大量实验模拟了多种信息不确定情况下的故障判别结果。实验结果表 明,基于PSO.SVM的保护算法具有 很好的容错和正判能力 关键词:粒子群优化;支持向量机 ;信息融合 ;广域后备保护;故障判别 文献标志码 :A 中图分类号 :TP391 doi:10.3778/j.issn.1002—8331.120902I8 作为保障电力系统安全稳定运行的第一道防线,继 电 主要是 由于保护元件发生误动,相继被切除后,造成豫西、 保护担负着迅速清除故障,确保系统快速恢复正常运行的 豫中多条线路严重过载,被后备保护切除后导致了事故的 任务。主保护失效是不可避免的,主保护失效时,故障的 发生。 清除依赖于后备保护。

文档评论(0)

docindoc + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档