支持向量机的电力故障检测方法研究

作者：王振国; 贾飞; 余洋

来源：自动化仪表, 2021, 42(05): 84-88.

DOI：10.16086/j.cnki.issn1000-0380.2020090029

• 非平行超平面
• 双胞支持向量机
• 支持向量机
• 正则化
• 机器学习

为保证电力系统的安全运行,针对智能电网中故障检测模型准确率低、泛化能力差等问题,提出了一种基于机器学习的电力故障检测方法。中心双胞参数支持向量机在模式识别上具有优秀的分类能力。然而,中心双胞参数间隔支持向量机(CTPSVM)模型的解需要通过求解二次规划问题来获得,并不适合处理大规模学习问题。为解决上述问题,提出了一个新的最小二乘法中心双胞参数间隔支持向量机模型(LSCTPSVM)。在LSCTPSVM模型中,首先将CTPSVM模型的不等式约束松弛到等式约束,并引入最小二乘法损失函数来惩罚犯错样本。然后,为提高模型的泛化能力,额外的正则项被引入到LSCTPSVM模型中,进而保障了模型解的唯一性。相对于CTPSVM模型的解需要借助于二次规划的对偶问题来间接的求得,LSCTPSVM模型可直接使用简单而高效的线性方程组系统来获得其原始问题的最优解。最后,在公共数据集和电网遥感数据集上,通过大量的对比试验,验证了该方法的有效性。

• 单位
  内蒙古电力（集团）有限责任公司