科研之友
微信
新浪微博
Facebook
分享链接
摘要
HVDC已经被应用于输电配电网络。如何实现准确的电力故障检测是目前该领域的研究热点问题。针对这个难点,提出了一种基于核极端学习机(KELM)的HVDC故障检测方法。首先,采集到HVDC故障时段的电压数字信号;然后提出PSO-KELM模型来以提供快速而准确的故障识别,其中PSO实现了KELM参数优化,即隐层的神经元数目的全局优化。试验结果表明,所提出的PSO-KELM新方法能够有效识别系统不同故障,具有较好的工程应用前景。
- 单位
HVDC已经被应用于输电配电网络。如何实现准确的电力故障检测是目前该领域的研究热点问题。针对这个难点,提出了一种基于核极端学习机(KELM)的HVDC故障检测方法。首先,采集到HVDC故障时段的电压数字信号;然后提出PSO-KELM模型来以提供快速而准确的故障识别,其中PSO实现了KELM参数优化,即隐层的神经元数目的全局优化。试验结果表明,所提出的PSO-KELM新方法能够有效识别系统不同故障,具有较好的工程应用前景。
