典型文献
基于改进量子遗传优化支持向量机的配电网故障分类
文献摘要：
针对传统方法在解决现代配电网故障分类时存在的求解速度慢、分类精度差的问题,提出一种结合量子遗传算法的支持向量机配电网故障分类方法.首先采集故障信号并进行S变换处理,将处理结果的均方根与均值作为特征量,以提高特征量辨识度;其次在量子遗传算法的种群更新策略中引入自适应动态旋转角,避免算法在早期陷入局部收敛,增加算法的调参精度.以IEEE33节点配电网模型为研究对象的实验结果表明,所提的特征量提取方法有效提高了支持向量机的故障分类精度,改进后的量子遗传算法通过为支持向量机寻到更优参数从而进一步提高了故障的判别精度和分类速度,验证了方法的有效性与准确性.
文献关键词：
故障分类;特征量提取;支持向量机;量子遗传算法;自适应动态旋转角
中图分类号：
作者姓名：
罗程浩;赵启承;魏云冰;李思成
作者机构：
上海工程技术大学 电子电气工程学院,上海 201620;国网浙江省电力有限公司 电力科学研究院,杭州 310014
文献出处：
引用格式：
[1]罗程浩;赵启承;魏云冰;李思成-.基于改进量子遗传优化支持向量机的配电网故障分类)[J].北京化工大学学报（自然科学版）,2022(06):110-118
A类：
自适应动态旋转角
B类：
遗传优化,优化支持向量机,配电网故障,故障分类,现代配电,速度慢,分类精度,量子遗传算法,分类方法,故障信号,变换处理,处理结果,辨识度,更新策略,局部收敛,加算,IEEE33,电网模型,特征量提取,过为,寻到
AB值：
0.2394
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
