| 粒子群优化算法和最小二乘支持向量机的
雷电过电压识别 |
| |
| 引用本文： | 董建达,孙志能,周开河,范良忠.粒子群优化算法和最小二乘支持向量机的
雷电过电压识别[J].电网与水力发电进展,2016,32(6):35-40. |
| |
| 作者姓名： | 董建达 孙志能 周开河 范良忠 |
| |
| 作者单位： | 国网浙江省电力公司 宁波供电公司， 浙江 宁波 315016；,国网浙江省电力公司 宁波供电公司， 浙江 宁波 315016；,国网浙江省电力公司 宁波供电公司， 浙江 宁波 315016；,浙江大学 宁波理工学院，
浙江 宁波 315100 |
| |
| 基金项目： | 基金项目：国家自然科学基金资助项目（31302231）；浙江省教育厅科研项目（Y201226043）；宁波市自然科学基金资助项目（2012A610110）。 |
| |
| 摘 要： | 摘要： 为了提高雷电过电压的识别率，满足雷电过电压识别的实时性，提出了粒子群优化算法和最小二乘支持向量机的雷电过电压识别模型。首先提取多种特征作为雷电过电压识别的输入向量，然后采用最小二乘支持向量机设计雷电过电压识别的分类器，采用粒子群优化算法确定最合理的分类器参数，最后通过实验分析其有效性和优越性。结果表明，PSO-LSSVM可以描述雷电过电压信号与特征间变化关系，提高了雷电过电压识别率，加快了雷电过电压识别速度，识别结果优于其他模型。
|
| 关 键 词： | 关键词： 雷电过电压 最小二乘支持向量机 特征提取 粒子群优化算法 |
Identification of Lightning Over-Voltage Based on Particle Swarm Optimizing Algorithm and Least Square Support Vector Machine |
| |
| Authors: | DONG Jiand SUN Zhineng ZHOU Kaihe and FAN Liangzhong |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《电网与水力发电进展》浏览原始摘要信息 |
|
点击此处可从《电网与水力发电进展》下载全文 |
