《基于支持向量机的分类辨识方法及应用-马相东.pdf》由会员分享，可在线阅读，更多相关《基于支持向量机的分类辨识方法及应用-马相东.pdf（5页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、2016年5月第23卷5期控制工程Control Engineering of ChinaMav2016Vr0123No5文章编号：16717848(2016)05076805 DOI：1014107jcnkikzgc150703基于支持向量机的分类辨识方法及应用马相东1，卢占庆1，谭永彦2，王秀英3(1山东省冶金设计院股份有限公司，山东莱芜271104；2山东钢铁股份有限公司莱芜分公司，山东莱芜2711043青岛科技大学信息科学技术学院，山东青岛266061)摘要：针对钢铁企业传统高压线路行波检测器易出现误报警的问题，提出了采用支持向量机(SvM)的分类辨识方法，用于故障信号和扰动信号的辨识
2、。首先，从行波法定位装置数据库中提取报警时的信号特征，构造支持向量的输入向量，建立基于数据驱动的支持向量机模型：然后采用仿真策略确定支持向量机径向基函数中的参数。和惩罚系C的值，并分析了参数。及惩罚系数C的值对故障和扰动分类准确率的影响。将所提出的方法应用到菜钢高压线路行波检测器中，结果表明：采用支持向量机的分类辨识方法，可以使行波检测器检测的准确率接近90，大大提高了莱钢高压线路行波检测器故障检测的可靠性。关键词：行波法故障检测：支持向量机：故障信号：扰动信号；分类辨识中图分类号：TP29 文献标识码：AA Classification Method Based on Support Vec
3、tor Machine and Its ApplicationsMA Xiang-don91，LUZhanqin91，尉Yong-yan2，WANGXiu-ying(1ShandongProvinceMetallurgicalEngineeringCO，Ltd，Laiwu 271104，China；2Shandong Iron and Steel Group Laiwu Branch，Laiwu 271104，China：3School ofInformation and Technology,Qingdao University ofScience and Technology,Qingda
4、o 266061，China)Abstract：A classification method based on support vector machine(SVM)is proposed to distinguish disturbancefrom failure on traveling wave failure detection device for traditional highvoltage circuit in metal industryInitially recorded data for fault and disturbance are selected from d
5、atabaseand then input features and outputfeature are extractedwhich are used for data driven classification modelAfter that，the modeliS established，andits parameters，ie parameters of the radial basis function and the penalty factor C，are optimized by MATLABsimulation methodIn additionan analysis on
6、influence of selected model parameters to model classificationaccuracy is also carried outThe proposed method is applied to traveling wave detection device in Laiwu Iron&Steel Company,and the classification accuracy reaches 90which enhances the reliability of failure detectioncompared to the traditi
7、onal method and achieves the expected resultsKey words：SVM：failure；disturbance；classification1引 言高压输电线路是钢铁厂电力系统的命脉，担负着传输电能的重任。国内钢铁企业高压线路绝大多数为10kV和35kV等级的不接地系统，当发生单相接地故障时，系统仍可继续运行2 h，因此，及时发现故障点，修复线路，对钢铁企业生产顺利运行尤为重要。目前，我国高压配电线路故障定位装置主要采用故障录波装置和行波法定位装置。故障录波装置价格便宜，但定位精度差，受限于现场人员的专业知识和经验的影响【1J；行波法定位装置比故障
8、录波装置的定位精度要高，因此，越来越多的高压配电系统采用行波法故障定位方法【6。1 6|。但由于扰动信号的存在，行波故障定位装置的定位精度和准确性受到了影响，所以，国内外学者对于高压输电线路如何去噪做了一些研究，文献1718采用小波变换方法滤除信号中的二次和三次谐波，使故障信息得到更有效地捕捉，从而提高了故障测距的精度和准确性。但此种方法只有当捕捉到的信号是故障信号收稿日期：20150702；修回日期：20150901基金项目：国家自然科学基金(61104004)；山东省自然科学基金(zR2014FL019)；青岛市科技计划(1314125jch)作者简介：马相东(1973一)，男，山东莱芜人
9、，本科，研究员，主要从事冶金行业电力系统规划设计和技术研发。(通讯作者：王秀英)g万方数据第5期 马相东等：基于支持向量机的分类辨识方法及应用 769才有效。由于钢铁企业存在着非线性大功率设备，当这些设备启、停及调速时产生的扰动信号与故障信号相近，也会引起行波故障定位装置的报警，称此现象为误报警。系统本身无法辨识报警是由故障信号还是扰动信号引起，故文献17一18所提出的方法不能直接应用到钢铁厂电力系统中，需要首先解决故障信号还是扰动信号的辨识问题。支持向量机是一种基于数据学习的建模工具，已经应用到分类和预测等领域，见文献19201。本文提出一种基于支持向量机故障和扰动信号分类辨识方法，应用到莱
10、钢高压线路行波故障定位装置中，以解决莱钢行波检测器误报率高的问题。2莱钢5#1 0kV高压线路行波法故障定位装置及存在的问题莱钢5#10kV配电线路于2012年3月建成运行，采用双端行波法故障定位装置，利用线路故障处产生的初始行波浪涌到达线路两端的时间的差值计算故障点到母线端和负荷端的距离。该系统运行状况良好，故障定位精度达10m以内。但存在误报率高的问题，误报警率超过60以上。造成误报警的原因是钢铁企业中存在非线性大功率设备，这些设备的启动、调速、停车产生的扰动信号，导致行波故障定位装置出现误报警现象。当现场出现报警时，主控室值班人员需要到报警地点现场确认是否是真正的故障，还是误报警，给值班
11、人员带来额外的工作量。为此，莱钢技术部提出了在输出端加入一个辨识器，辨识报警是扰动信号产生的，还是真正的故障报警。其系统的结构图，如图1所示。一_1负载瑞型三图l莱钢双端行波法定位装置Fig1 Double terminal travefing wave failure detectiondevice3基于支持向量机的故障和扰动识别建模基于支撑向量机的故障与扰动识别建模过程如下：首先，采集数据样本，即故障发生时电压信号和扰动时的信号。然后，对样本信号进行预处理，并根据预处理信息进行输入特征提取，建立训练模型的输入特征。其中，输入特征之间要保持最小的耦合，以减少模型计算的运算量。基于标准化的输入
12、输出特征训练分类模型，同时分析模型参数对精度的影响，选择最优的参数，从而得到分类模型。基本流程，如图2所示。训练l l输入 模型t 分类样本卜_叫 特征卜叫 参数卜_叫 模型采集 提取 选择 训练图2故障和扰动识别建模流程Fig2 Flow chart of fault and disturbance identification31样本采集的原则取的样本具有代表性。取的数据要尽量涵盖所有的运行工况，包括非线性设备启动、调速、停车扰动工况和单相接地工况，以保证训练样本的有效性：取的样本要涵盖一定的时间跨度，包含最近一年的扰动和故障样本，以保证样本的数量和时效性。32特征的提取基于现场工程师经验
13、，选择电压信号的均值、方差、有效值、幅值、过零点时间间隔、波形畸变持续时间作为输入特征，选取故障及扰动作为输出特征。设输入特征如下：均值值的计算是由所有的采样点累加然后除以总采样点数即：“=二Ui一 1 九甩i一1式中，n总样本数，为采样点的幅值；方差到的方差公式为：艿2=去，圣1(u，一i)2 (2)胛： 1 L二，有效值效值是在采样时间内的均方根值，即：“=艉,lZv一 (3)忙疗 (3)幅值是所有的采样点中的绝对值的最大值即：Umax=max(1U。I,IU2卜l卜|U I)(4)过零点的时间间隔即从信号的第一个采样点开始到信号过零点时的采样点数得到采样点数M再乘以采样时间即：乇=M+乙
14、k (5)式中，乙k是每2个采样点之间的时间差。一亏一一=1i二一；阖万方数据770 控制工程 第23卷波形畸变的持续时间指从信号开始发生畸变到信号恢复正常的时间，因为需要通过一个周期之后才能看到信号是否正常，因此波形畸变持续时间为：tf=Q木l一括一T (6)式中，丁信号的周期，Q是波形正常一个周期的采样点数。波形畸变时间超过5 s的统一写为5 s。这样我们依次得到了信号均值、方差、有效值、幅值、过零点时间间隔、波形畸变持续时间的6个特征，构成了6维列向量，表示为陋，62,“，“一t。，tI1。33支持向量机的分类建模对于样本集合(x，M)，f_1，N x，R”，Y，+1，一1)，若线性可分
15、，则所有的数据可以通过以下公式分开：J+6+1 for Y，=+1 (7)+6一1for Yf=一1、其中，表示列向量的内积，将公式(7)合并成如下不等式：Yf(+6)1 Vi=1， (8)对于支持向量机来说，就是要选择一个最优的超平面，求解下面凸二次规划的问题：引进拉格朗日函数：1 NL(to，b，以)=7一aiy。(+6)一1口：0厶 i=1(10)分别对和b求偏导，并让其等于0，可以将原来的凸二次规划转化成对偶问题：maxq一去aiaj彬，i=1 i=1 j=l8t口t0，f_1，-， (11)即Y。=0通常没有超平面将样本全分，存在少数样本被错分的情形，可以引入松弛变量孝，0，f=1，
16、于是，条件变成了M(+6)+毒f，目标函数变为：v，(，考)=12+c夤 (12)i=I式中，C是惩罚系数，是错分样本和分类间隔的一个折衷。惩罚系数的选取决定分类函数的适应性，本文将分析惩罚系数对建模精度的影响。对于实际中的复杂问题，简单的超平面达不到分类的目的，需要将样本空间通过映射函数函映射到更高维的空间，映射函数通常被叫作核函数。公式(11)中的内积计算被核函数替代，如公式(13)所示。K(xf，x)= (13)原来的样本映射为(9(xA咒)，z=1，N)，拉格朗日对偶问题同样可以表示成：_v 1 N Nmaxq一去aiaj删，K(xl，x)l-1 厶=1 j=18岔、掣出， (14)
17、、口，-少i=0在这篇文章中，核函数取高斯径向基函数：酶叫一p(-呼，f，J=1，N，iJ式中，盯为核函数参数，仃的选取是建模的关键，它决定了映射的高维空间。原对偶问题变为max口。一去aiaj删，g(xi,xj)一c每i=1 i=1 j=l i=1st a，0，i=1，N (16)N即Y。=0设a+是上式的解，则：=N口卯(x。) (17)i=1分类判别函数：厂(x)=+6=口，Y。K(x，x，)+6 (18)fl这样就得到分类函数，用于区分两类识别问题。通过上面的分析可知，惩罚系数和核函数参数的选取决定了模型的精度，因此，本文对2个参数如何选取将在第四部分做详细的介绍。4应用通过莱钢调度室
18、双端行波故障检测装置工控机数据库中存储的数据波形以及现场工作人员的记录，我们可以得到故障时和非线性设备启动、调速、停车时引起的双端行波故障检测装置的报警的信号波形。=21一山埘nmKy吐万方数据第5期 马相东等：基于支持向量机的分类辨识方法及应用41输入样本采集及特征的计算 取不同的O-数值得到训练结果，见表2。选取莱钢510kV配电线路双端行波定位装置数据库中1年内的数据作为输入样本，共300组，其中150组故障样本，150组扰动样本，扰动样本包含非线性设备启动、调速、停车三种情形，样本基本涵盖现场工程师已知的情形，保证样本范围的有效性。调用双端行波定位装置数据库中的报警信号，根据采集到的电
19、压信号由公式(16)计算得到特征均值、方差、有效值、幅值、过零点时间间隔、波形畸变持续时间6个特征组成的输入向量；双端故障行波检测定位装置的每一次报警，现场值班人员都进行过确认是永久性故障还是非线性大功率设备的使用引起的扰动，这样我们可以得到每一组输入向量对应的输出向量。为扰动信号时，记为一l；为故障信号时，记为1。从而得到已知输入和输出的数据训练样本，部分训练样本，见表1。表1支持向量机的部分训练样本里!垒：!璺堕旦!璺i旦i翌g堕璺!璺!璺坐卫!竺!墨Y坠序号均值方差有效值幅值黼鎏雾蒿萎皇42模型参数的确定选定高斯核函数以后，需要做的是模型参数的选择，包括高斯径向基函数的参数仃和惩罚系数C
20、的选择。从基于支撑向量机的建模过程可以看到，选定高斯核函数后，高斯径向基函数的参数O-和目标函数中的惩罚系数C对空间映射和模型的适应度至关重要。通过仿真，根据样本数据合理选择参数，使得特征空间中的风险上限最小。本文采用仿真技术对参数O-和C进行选取，整个仿真在MATLAB 2015A仿真环境下实现，设置不同的参数C和仃，比较不同的参数下的分类准确率。在仿真的过程中先将参数C的数值设为无穷，表2盯不同时的训练结果Tab2 Training results with different仃values将盯值固定为001，惩罚系数C取不同数值时的训练结果，见表3。表3惩罚系数C不同时的训练结果测试样本
21、数c的取值 支持蠹言机的训练时间(s)准确率()通过仿真可以得到，选择不同的参数，其训练精度都不同。在选择参数C和仃的时，当C值取无穷时，准确率会随仃的值改变而变化不同。当仃值取001时，训练结果的准确率明显最高。当固定盯值取0Ol时，C的取值大于100时，训练精度基本上都稳定在89333，但随着C值的增大，训练的复杂度逐渐增加。综合以上考虑，选择仃值取00l，C值取100。43工业实验选择合适的径向基函数参数和惩罚系数后，采用vC+编程实现基于支持向量机的行波检测改进算法，并将该模块植入双端行波法故障定位装置的上位机软件滤波的进程中，进行区分扰动和永久故障，取得了非常好的效果。通过上位机软件
22、升级后可以保证区分非线性大功率设备启动引起的报警和永久故障引起的报警的准确率达到接近90，大大降低了行波法故障定位装置的误报率，减少了现场值班人员的工作量。5结论本文针对莱钢行波法故障定位系统因存在非线性大功率设备启动、调速、停车时引起的扰动信号，产生误报警的问题，提出了采用支持向量机故障信号和扰动信号的分类辨识方法。工业验证表明了该方法的有效性，可以使行波法故障检测装置的报警误报率从60降到10。本文的方法也为一般的高压线的检测方法提供了借鉴作用。叭叭0叭叭叭叭nnmnnnnmmmc；nm3l652424，-58丘&一争i卜寸=1矗n孓乱王2i12，-i22Il蛇如6：会们邸加”5p五湛32
23、34击3346獬mm狲m掘跛m蛆哑m瓶跹9755894386538土ti1i禾it矗，23456789m坦B万方数据772 控制工程 第23卷参考文献(References)1】 葛耀中新型继电保护与故障测距原理与技术(第2版)M西安：西安交通大学出版社，2007Ge Y ZNew types of protective relaying and fault location theirtheory and techniquesMXian：Xian Jiao tong University Press，20072】 李强王银乐高压输电线路的故障测距方法J电力系统保护与控制2009，37(23)
24、：192197Li Q，Wang Y LFault location methods for high voltage powertransmission linesJPower System Protection and Control，2009，37(23)：192-1973 郭俊宏，谭伟璞，杨以涵等电力系统故障定位原理综述J】继电器，200634(3)：7681Guo J H，Tan W PYang Y H，etalSummary on fault locationprinciple in power systemJRelay,2006，34(3)：768 14】 马超然输电线路行波故障
25、定位技术发展及展望J】继电器，2007，35(24)：1 115Ma C RProspect and development of transmission line faultlocation using traveling waveJRelay,2007，35(24)：1 1155 宋国兵，蔡新雷，高淑萍，等高压直流输电线路故障定位研究综述J电力系统保护与控制，2012，40(5)：1 1一16Song G B，Cai Xi LGao S只etalSurvey of fault location researchfor HVDC transmission linesJPower Syste
26、m Protection andControl，2012，40(5)：1 1-166】 邓本飞天广高压直流输电线路保护系统综述J电力系统保护与控制，2008，36(19)：7174Deng B FHVDC line protection summary of TianGuang projectJPower System Protection and Control，2008，36(1 9)：7 174f71 李振强，鲁改风，吕艳萍基于小波变换的高压直流输电线路暂态电压行波保护J】电力系统保护与控制，2010，39(13)：40-45Li Z QLu G FLfi Y PA novel sche
27、me of HVDC transmission linevoltage traveling wave protection based on wavelet transformJPower System Protection and Control，2010，39(13)：40-458】 朱韬析，汲广天广直流输电系统线路行波保护介绍J电力系统保护与控制，2008，36(21)：8689Zhu T X，Ji GIntroduction of wave front protection in TianGuangHVDC transmission systemJPower System Protec
28、tion and Control，2008，36(2 1)：86899 朱韬析，彭武天广直流输电系统线路高阻接地故障研究【J电力系统保护与控制，2009，37(23)：137140Zhu T X，Peng W Research on high impedance earth fault ofTianGuang HVDC transmission projectJPower System Protectionand Control，2009，37(23)：1 3714010【121314151617】18】【1920A Masaoki，O Schweitzer Edmund，A B Richar
29、dDevelopment andfield-data evaluation of single-end fault locator for twoterminalHVDC transmission linesII：algorithm and evaluationJIEEETransactions on Power Apparatus and Systems，1985，104(12)：35313537M B DeweS SankarJ ArrillagaThe application of satellite timereferences to HVDC fault locationJIEEE
30、Transactions on PowerDelivery，l 993，8(3)：1 2951 302Zhai Y CZhang H FThe fault location method for HVDCtransmission lineC1ET Conference Publications，Beijing，China，2006：490496Chen P，Xu B Y，Li JA traveling wave based fault locating systemfor HVDC transmission linesC2006 International Conference onPower
31、 System Technology(2006 POWERCON)，2006：l一4KP Murthy，J Amamath，S Kamakshiah，et a1Wavelet transformapproach for detection and location of faults in HVDC systemiC2008 IEEE Region 1 0 Colloquium and the Third ICIIS，Kharagpur，INDIA，December 8一10Chen P，XU B Y，LI J，et al Modem traveling wave based faultloc
32、ation techniques for HVDC transmission linesJTrans onTianjin Univ，2008，14(2)：139一143赵妍卉王少荣基于小波模极大值理论的HVDC输电线路行波故障定位方法的研究J继电器，2007，35(1)：13一17Zhao Y H，Wang S RResearch of HVDC transmission linetraveling-wave fault location method baSed on wavelet modulusmaxima theoryJRelay，2007，35(1)：l 3-l 7AbuElanie
33、n A E B，Salama M M A A WaveletANN technique forloacating switched capacitors in distribution systemsJIEEETranson Power Delivery2009，24(1)：400-409董新洲，葛耀中小波变换在行波故障检测中的应用J】继电器，199826(5)：14Ge X ZGe Y Z Application Of Wavelet Analysis To TravelingwaveFault DiagnosisJRelay1998，26(5)：1-4涂望明，宋执环，陈运涛，等基于小波变换
34、和LSSVM的雷达故障诊断J控制工程，2013，20(2)：309312Tu W M，Song Z H，Chen Y TetalRadar fault diagnosis based onwavelet transformation and LS-SVMJControl Engineering ofChina，2013，20(2)：309-312崔桂梅狲彤，张勇支持向量机在高炉铁水温度预测中的应用J控制工程，2013，20(5)：809812Cui G M，Sun T，Zhang Y Application of Support VectorMachine(SVM)in prediction of molten iron temperature in blastfurnaceJControl Engineering ofChina、2013，20(5)：809812万方数据