基于EMD分解和GWO-SVM的开关柜局放信号识别

作者：王辉东; 陈峰

来源：自动化博览, 2019, (12): 120-124.

• 经验模态分解
• 灰狼算法
• 支持向量机
• 分类识别
• 遗传算法
• 粒子群算法

高压开关柜发生局部放电时产生的超声波信号中存在着大量的信息,局部放电作为开关柜绝缘故障的重要征兆及表现方式,其类型的识别对于开关柜绝缘状态的评估具有重要的意义。为了准确地识别高压开关柜局部放电类型,采用经验模态分解(EMD)的方法对局放信号进行分解并提取能量信息,利用支持向量机(SVM)建立高压开关柜局部放电信号分类模型。实验结果验证了上述方法的有效性。为了解决SVM核函数g和非负惩罚因子C主观选取问题,运用灰狼算法(GWO)优化这两个参数。研究结果表明,与SVM、PSO-SVM和GA-SVM相比,GWOSVM可有效提高开关柜局放信号分类精度。