简介：摘要电容型设备的绝缘故障不仅影响整个变电站的安全运行，还危及其它设备及人身安全，因此对电容型设备进行准确的故障诊断具有重要意义。本文基于支持向量机具有较好的处理小样本问题的优点，综合各种检测数据，通过支持向量机分类器对其进行分类，建立了基于支持向量机的电容型设备的故障诊断模型。故障实例的诊断结果验证了文中方法的正确性和有效性。

简介：摘要针对电站直接空冷凝汽器自身结构特点，归纳出包括风机停转、凝汽器结冰、热风回流等11种运行中可能出现的故障，在确定各种故障对应的征兆参数后，进一步改进了直接空冷凝汽器故障征兆集。在此基础上利用支持向量机对空冷凝汽器进行故障诊断。该算法利用支持向量机处理小样本分类问题具有误差小、推广性强、不存在局部最小值的特点，解决了神经网络在处理小样本问题上误差大，容易陷入极小点的问题。利用该算法对某空冷凝汽器故障进行诊断，结果表明该算法均能准确判断故障类型。

简介：通过对风机传动系统中齿轮故障进行模拟试验,构建结构风险最优的支持向量机（SVM）网络,对采集到的电磁速度信号进行快速傅里叶分解,选取高频段的频谱特性作为分量进行样本化学习,完成对齿轮故障样本的训练,使SVM具备分类功能.最后,采用SVM对齿轮箱试验台齿轮故障进行诊断分类识别,取得较好的效果,说明齿轮故障信号高频特性所包含故障信息在整个频谱中的有效性以及SVM作为一种故障诊断方法的实用性.

简介：随着国内用电设备增多，电气火灾的发生率也有所升高，故障电弧检测的研究成为当今热点。本文提出一种Hilbert—Huang变换与支持向量机相结合的方法，其中采用Hilbert-Huang变换对不同负载电流波形进行时域分解，从而提取各模态分量的特征值。然后采用支持向量机的自适应分类方法，通过学习不同负载下Hilbert-Huang变换得到的特征值，自适应地区分正常运行状态与故障电弧运行状态。本文以调光灯、电吹风高档、电吹风低档、电风扇和电水壶等5种类型的常用负载作为研究对象，验证算法的正确性。

简介：摘要本文基于小波包分解和支持向量机，提出了变压器差动保护中励磁涌流和内部故障电流鉴别的新方法。首先，采用离散小波变换来分解电流信号得到不同的频率分量，并计算这些频率分量的能量构成能量向量作为励磁涌流识别的特征参量。然后，将特征向量随机分为训练样本和测试样本。其中，将训练样本输入到支持向量机分类器中，得到能量特征参量与电流类型之间的映射关系，然后基于映射关系对测试样本进行分类，从而识别出电流的类型。为了研究该算法的准确性，利用matlab的simulink工具对励磁涌流和内部故障电流进行了波形仿真，作为实验的样本集。仿真结果表明，该方法能够准确地识别出变压器保护距离内的涌流和故障电流而且该方法相对与人工判断具有灵敏度高、可靠性高的优点，因此可以考虑将其应用到实际工程领域。

简介：传统的最小二乘支持向量机模型对训练样本的各个输入点同等看待,各输入向量的贡献度是相同,未对离群点加以考虑.在最小二乘支持向量机模型中引入隶属度的相关理论并建立模糊隶属度函数,对离群点和正常点赋予不同的贡献度,建立了模糊最小二乘支持向量机模型.最后,以美国PJM电力市场的边际电价预测为例,验证了本文模型的预测精度比传统的最小二乘向量机模型高50％左右,且复杂程度基本不变.

简介：为了提高风电功率预测精度，针对支持向量机（SVM）模型在风电功率预测中存在的参数选取问题，提出用人工鱼群算法（AFSA）寻找SVM模型的最优核函数参数和错误惩罚因子的优化方法。建立AFSA—SVM模型，结合聚类分析后的数值天气预报（NWP）数据对风电功率进行预测。经仿真实验并与BP、粒子群优化的支持向量机模型对比，AFSA-SVM优化模型在短期风电功率预测中有更好的预测效果。

简介：摘要支持向量机在电力短期负荷预测的应用越来越受到人们的重视，本文通过研究支持向量机在电力系统短期负荷预测中的应用，剖析预测环节的关键节点，提升了电力系统短期符合预测的精准性，为电力系统控制、运营提供数据支撑，推动预测技术的发展。

简介：针对支持向量机核函数参数和惩罚因子的不同取值会影响到柴油机故障分类正确率的问题,提出利用差分进化算法对支持向量机相关参数进行选择优化,并在实际中通过柴油机故障诊断实验证明了该方法能够获得较高的故障分类正确率,而且运行时间较短,即说明该方法具有一定的实用性。

简介：为了提高风力发电机叶片故障的识别率，利用支持向量机建立风力发电机叶片故障和特征参数之间的非线性关系。在蜂群算法中引入一种动态柯西因子，动态调节蜂群寻优过程中的搜索步长，提高蜂群算法的扰动能力，避免蜂群陷入局部搜索，采用这种动态柯西蜂群算法对支持向量机的参数寻优，建立动态柯西蜂群算法优化的支持向量机模型。采集南方某风场风力发电机叶片的四种工况下的特征数据训练此模型并进行故障诊断，诊断结果表明改进后的蜂群算法优化支持向量机模型能够提高风力发电机叶片的故障识别率，具有一定的工程参考意义。

简介：摘要电力系统短期负荷预测是电力系统安全和经济运行的重要基础，最小二乘支持向量机（LeastSquareSupportVectorMachine,LSSVM）是目前常用的短期负荷预测工具。本文利用和声搜索算法(harmonysearchalgorithm,HSA)改进了最小二乘支持向量机算法，并提出了HSA-LSSVM负荷预测模型，算例仿真验证了本文模型无论在短期负荷预测精度还是速度方面，都较之基于网格搜索的LSSVM预测模型获得了显著的提高。

简介：摘要：汽轮机是核电厂重要设备，其振动为安全可靠运行的重要参数，而振动本身的复杂性也使其状态监测与故障诊断技术越发重要。诊断技术也开始向着智能的方向发展，而支持向量机为解决小样本的故障分类问题提供了有效手段。本文结合汽轮机常见的振动故障，使用支持向量机方法对故障进行分类和预测，为实现更好的汽轮机故障诊断方法提供了依据，包括数据预处理、故障特征提取、故障分类、故障建模与预测及系统的构建等方面。将支持向量机应用到核电厂汽轮机故障诊断领域，能够有效地提高故障诊断的准确率，对提高经济效益和社会效益都具有十分重要的意义。

简介：摘要基于Matlabsimulink的网络仿真根据三相异步电动机的接地短路的外部故障，提出了一种基于支持向量机的故障诊断方法,利用FFT分析,将振动信号的频谱分析作为支持向量机的训练样本。对所采集异步电动机的定子转矩电流进行数据预处理与特征提取、归一化后，把这些特征参数作为支持向量机的输入，经过学习训练，以判断系统状态，识别系统的故障。仿真和测试结果表明了该方法的有效性和正确性。

简介：摘要提出了一种基于小波能量特征向量和粒子群优化支持向量机的变压器励磁涌流识别新方法。首先，通过计算电流波形分解后的各子频段能量构建了励磁涌流识别的能量特征向量。然后，基于支持向量机构建了电流分类模型，并采用收敛速度较快的粒子群算法对分类模型进行了参数优化。为了验证本文方法的有效性，采用simulink工具对励磁涌流和其中内部故障电流进行了波形仿真，作为算例的数据集。试验结果表明，本文方法能够准确识别出励磁涌流和内部故障电流。

简介：提出了基于核主元分析（KPCA）和支持向量机（SVM）相结合的齿轮箱齿轮故障识别方法。采用振动信号初始特征空间的内积核函数,将初始特征空间中的非线性问题转换成高维特征空间中的线性问题。通过主元分析对映射到高维空间中的数据信息进行处理,得到初始特征的非线性主元,实现对高维特征参数进行降维。再结合SVM良好的分类能力,结果表明,KPCA和SVM相结合的分类性能在齿轮箱故障诊断方面有更好的效果。

简介：为了预测水泵的运行状态,提高水泵运行的安全性和经济性,以轴承温度和轴端振动为研究对象,运用支持向量自回归方法,建立了水泵的温度和振动2个预测模型,对水泵的温度和振动的了展状况进行了预测。计算结果表明：采用该种预测模型对水泵的运行状态进行预测,具有精度高、速度快、易于建模的特点,应用该方法建立的预测模型能够很好地预测水泵的温度参数和振动参数,提高水泵的运行效率。该预测方法可以推广到对水泵的流量、进口水压力、出口水压力等其他运行状态参数的预测。

简介：摘要对于某些算法不收敛的缺陷和使变压器故障检测能够平稳运行的良好方法，就是贝叶斯网络变压器故障诊断的方法。对于贝叶斯网络在实际中缺少依据，在反射全面样本范围内平滑因子α根据常数取值的问题，有多分类的相关向量机的变压器故障诊断方法得到了提出，所以，下文中笔者将就多分类相关向量机的变压器故障诊断做出探究与分析。

简介：摘要目前很多电厂都在积极建设PMU站点用于电网的稳定控制系统，基于广域同步相量测量的暂态稳定预决策应用于安全稳控系统在系统发生故障后利用功角测量系统测得的各发电机转子角度来预测系统的未来行为。在预测出系统失稳的情况下，按预定的方案对系统进行解列控制。在未来研究开发相应的暂态稳定预测软件，可实现系统故障时对系统稳定裕度进行预测的功能。

简介：摘要本文针对双母双分段接线方式下测向量方法进行了分析。首先，对CT极性的准确定义进行了讨论，并明确了文本中使用的极性定义；并对线路、母联和分段的CT二次线圈极性进行了讨论，对不同极性下测向量的结果进行了分析。最后，给出了实际工作中测向量结果作为例证，为工程实际中测向量工作提供了依据和参考。

简介：摘要通过对智能变电站SV采样传输路径以及对保护装置采样的影响，提出了三种可行的向量测试方法，并通过现场工作对三种测试方法进行了验证，证明测试结果一致。