作者：王昕; 曹文彬; 曹敏; 赵旭; 赵艳峰; 李翔...互感器故障诊断反正切变换主元分析法核极限学习机
摘要：针对当前互感器故障诊断算法的准确率不高的问题,提出基于主元分析法核极限学习机(principal components analysis-kernel extreme learning machine,PCA-KELM)和反正切变换(arctangent transform,AT)的互感器故障诊断方法。AT可以改变互感器故障的数据结构,重新调节电压电流等数据的相关比例;PCA提取数据特征,不仅可以减小其维数,还可以保留所需的识别信息;KELM算法能够利用其结构参数来逼近非线性函数,且无需设定网络隐含层节点。通过构建互感器诊断模型,并给出互感器测量参数,将KELM和PCA相互结合对数据进行仿真。将所提出的方法分别与支持向量机(support vector machine,SVM)和原始的ELM的性能进行比较。仿真结果表明:所提出的互感器故障诊断方法在诊断精度上均优于SVM和ELM,且诊断速度同ELM相当,较SVM有明显提升,故障诊断准确率达到98.53%,可为故障信息有限情况下的互感器故障诊断提供参考。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
