基于多核学习整合GIS局部放电多类特征的分类研究
宋人杰
杨爽
孟凡奇
1.东北电力大学电气工程学院,吉林吉林,1320122.东北电力大学电气工程学院,吉林吉林,1320123.东北电力大学电气工程学院,吉林吉林,132012
摘要：传统的单一核函数构成的支持向量机(Support Vector Machine,SVM)无法解决气体绝缘组合电器(Gas Insulated Switcher,GIS)所采集到的局部放电数据(Partial Discharge,PD)分布不规则、特征类别复杂和规模巨大等问题.针对这类问题,本文提出使用多个核的线性组合方式即简单多核学习方法(Simple Multiple Kernel Learning,SimpleMKL)对多类特征进行分类研究.通过赋予不同局部放电特征不同的核函数,以多个核函数的线性加权代替传统的单一核函数,利用梯度下降法不停迭代求解核函数的权值系数,最终达到整合局部放电多类特征并提高分类精度的目的.实验结果表明:该方法对局部放电多个特征空间具有普适性,分类精度高于单核SVM和融合SVM识别方法.
关键词：气体绝缘组合电器局部放电模式识别简单多核学习
分类号：TM595(电器)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 93-98,140 )
英文信息