-
题名基于VMD样本熵和KELM的输电线路故障诊断
被引量：24
- 1
-
-
作者
谢国民
黄睿灵
丁会巧
-
机构
辽宁工程技术大学电气与控制工程学院
国家电网乌鲁木齐供电公司
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2019年第5期73-79,共7页
-
基金
国家自然科学基金(51307076)
辽宁省教育厅重点实验室基金项目(LJZS003)资助
-
文摘
针对输电线路短路故障危害大,故障识别率较低的情况,提出基于变分模态分解(VMD)样本熵与核极端学习机(KELM)相结合的输电线路故障诊断方法,提高输电线路故障诊断的正确率。首先,采用VMD对故障后的三相电压进行分解,得到一系列三相平稳的模态分量;其次分别计算每组各分量的样本熵值,作为输电线路故障提取特征,组成样本库;以提取的输电线路故障特征输入到核极端学习机进行训练,获取诊断模型,然后比较其与极限学习机(ELM)、支持向量机(SVM)和BP神经网络的诊断效果。仿真结果表明,VMD样本熵+KELM的输电线路故障诊断模型精度高于其他3种算法,且运算速率更快,噪声鲁棒性更好。
-
关键词
输电线路
故障诊断
变分模态分解
样本熵
核极端学习机
-
Keywords
transmission line
fault diagnosis
variational mode decomposition
sample entropy
kernel extreme learning machine
-
分类号
TM711
[电气工程—电力系统及自动化]
TN98
[电子电信—信息与通信工程]
-
