一種快速準確診斷柔性直流輸電系統換流器故障的方法
【專利摘要】本發明涉及一種快速準確診斷柔性直流輸電系統換流器故障的方法。該方法通過在柔性直流輸電系統中對電壓源換流器的不同故障進行仿真，提取不同故障下的直流母線電壓波形，作為故障特征信號；并運用傅里葉變換將故障特征信號轉變到頻域，再而利用S變換的局部時頻分析能力和支持向量機的非線性系統故障分類能力，構造故障特征矩陣并利用遺傳優化算法優化分類算法，實現對電壓源換流器故障類型的準確分類。本發明方法與以往的故障診斷方法相比較，能夠更好地節約計算時間，保證更好的故障診斷率。
【專利說明】
一種快速準確診斷柔性直流輸電系統換流器故障的方法
技術領域
[0001] 本發明屬于高壓直流輸電研究領域，具體涉及一種快速準確診斷柔性直流輸電系 統換流器故障的方法。
【背景技術】
[0002] 與傳統直流輸電技術相比，柔性直流輸電技術(VSC-HVDC)具有不存在換相失敗風 險、輸出電壓電流諧波含量低、可實現有功無功快速解耦控制等諸多優點。應用架空線的 VSC-HVDC是實現能源優化配置和電網發展的客觀要求，但是將VSC-HVDC擴展到架空線輸電 場合會面臨故障多發并難以快速清除的問題。而電壓源換流器是柔性直流輸電系統最重要 的部件，其發生故障會影響到整個柔性直流輸電系統運行的可靠性和相關設備的安全。
[0003] 電壓源換流器故障包括IGBT開路、閥體短路、交流輸出端單相接地、交流輸出端兩 相短路、交流輸出端兩相短路接地、交流輸出端三相短路、直流母線單極接地短路。VSC-HVDC系統換流器故障時，其故障信號是時變非平穩信號，包含著豐富的故障信息，從而可以 對故障信號進行分析和特征提取，在對故障信號進行分類，判別換流器故障類型，繼而實現 控制保護的更好動作，保證應用架空線VSC-HVDC的安全穩定運行。
[0004] 在提取電力系統暫態非平穩信號特征方面S變換結合了短時傅里葉變換和連續小 波變換的優點，相比其他方法更具優勢。S變換是一種可逆的局部時頻分析方法，能夠實現 精確分頻，其思想是對短時傅立葉變換和連續小波變換的發展，非常適合于非平穩信號的 分析，可以根據不同頻率范圍下的信號幅值變化特點，分別提取信號的均值、標準差、偏度 等特征。
[0005] 支持向量機（support vector machines，SVM)是建立在統計學習理論VC維理論和 結構風險最小化原理基礎上的機器學習方法，對小樣本數據的模式識別具有出色的學習泛 化能力，適用于解決小樣本、非線性問題的系統故障分類。支持向量機是一個二值分類器， 即一次只能實現兩種類別的分類，不能直接用于多值分類，需要對數據樣本進行多值分類， 故需要構造多個二值分類支持向量機，實現對數據樣本的多值分類。

【發明內容】

[0006] 本發明的目的在于提供一種快速準確診斷柔性直流輸電系統換流器故障的方法， 該方法與以往的故障診斷方法相比較，能夠更好地節約計算時間，保證更好的故障診斷率。
[0007] 為實現上述目的，本發明的技術方案是：一種快速準確診斷柔性直流輸電系統換 流器故障的方法，包括如下步驟，
[0008] S1:選取直流母線電壓作為電壓源換流器不同故障類型下的故障特征信號；
[0009] S2:在柔性直流輸電系統中對電壓源換流器的不同故障進行仿真，提取不同故障 下的直流母線電壓波形，作為故障特征信號；并運用傅里葉變換將故障特征信號轉變到頻 域；
[0010] S3:利用S變換對故障特征信號等間隔進行分頻，得到故障特征信號各頻率分量所 包含的特征信息，選擇對各頻率下不同故障類型區分能力強的S變換時頻矩陣，進而構造改 進S變換，利用模值平方和以及歸一化模值平方和提取故障特征向量；
[0011] 所述改進S變換，即：將S變換時頻矩陣中的模值取平方值，加強不同故障特征的區 另IJ;另外，為了更好的對不同故障類型進行對比和分析，將S變換時頻矩陣中的模值取平方 值進行歸一化處理；
[0012] S4:采用遺傳算法優化過的基于REF核函數的二叉樹多分類支持向量機對故障特 征向量進行分類:使用遺傳算法對基于REF核函數的二叉樹多分類支持向量機中的懲罰因 子參數C和核參g進行尋優，根據各頻率下利用模值平方和以及歸一化模值平方和提取的故 障特征向量，選取各級分類器的故障特征向量。
[0013] 在本發明一實施例中，所述步驟S3的具體實現過程如下，
[0014] 故障特征信號x(t)的一維連續S變換S(hf)定義為：
[0017] 式中：f為頻率;t為時間；j為虛數單位;τ為時移參數;w(i-t，f)是時間閾里可伸縮 和平移的高斯窗函數；
[0018] 故障信號提取中，需對S變換進行離散化處理，使f-n/NT且τ-iT，得到一維S變換 的離散表達式為：
[0020] 式中：i，m，n = 〇，l，2,……，N_1 ;T為采樣間隔;N為總采樣點；
[0021] 對采集到的Ν個離散信號點計1^]仏=0，1，2，一，^1)進行改進5變換，得到兩維復 時頻矩陣，列向量對應采樣時間點，行向量對應頻率值，對其求模得到模時頻矩陣，可得各 頻率分量的模值平方和Q 1:
[0023]式中：Si(k)表不S變換后50 X i Hz故障信號分量的第k個米樣點的模值;α表不模 值平方和增強的倍數；
[0024]將故障信號各頻率分量模值平方和&相加得到Q，再歸一化后，得到歸一化模值平 方和Ri:
[0026]在本發明一實施例中，所述步驟S4中，使用遺傳算法對基于REF核函數的二叉樹多 分類支持向量機中的懲罰因子參數C和核參g進行尋優的具體步驟如下，
[0027] (1)編碼:將C和g的取值范圍(：^(〇，1〇〇]^^[0，1000]分別用二進制編碼為染色 體并構成一個個體；
[0028] (2)生成初始群體:隨機生成20個初始個體組成的初始群體作為遺傳算法的初始 迭代點；
[0029] (3)適應度評估:將20個個體所對應的參數值C和g賦給支持向量機，用3折交叉驗 證求出每個個體對應的支持向量機的平均分類精度作為個體適應度；
[0030] (4)終止條件判斷:設定最大迭代次數為200,適應度為0.9即分類精確度為90% ; 若遺傳算法優化滿足終止條件則終止并輸出參數C和g及其對應的分類精確度;若不滿足則 進入步驟(5);
[0031] (5)遺傳進化:將三種遺傳算子即選擇算子、交叉算子和變異算子作用于種群，以 產生下一代種群，進化完成后，重復步驟(3)、步驟(4)、步驟(5)。
[0032] 相較于現有技術，本發明具有以下有益效果:本發明計及了不同故障下的故障特 征并通過改進的S變換得到不同頻率下的故障信息，得到反映不同故障的特征向量，利用遺 傳算法優化之后的支持向量機對故障進行多級分類;該診斷方法選取不同故障類型區分能 力強的改進變換值提取故障特征;采用二叉樹思想構造多分類支持向量機，各級分類器分 別選用對故障區分能力最強的特征值作為故障特征向量;利用遺傳優化算法優化支持向量 機參數，提高分類準確度;對應用架空線柔性直流輸電系統的換流器故障診斷而言，具有簡 單快速、易于實現、可靠性高的優點。
【附圖說明】
[0033]圖1為兩端VSC-HVDC系統拓撲結構。
[0034]圖2為VSC-HVDC系統電壓源換流器典型故障設置方式。
[0035]圖3為本發明采用的二叉樹多分類支持向量機結構圖。
[0036]圖4為本發明采用的遺傳算法優化支持向量機參數流程圖。
[0037]圖中，Fi為設置IGBT開路、F2為設置閥體短路、F3為設置交流輸出端單相接地、F4為 設置交流輸出端兩相短路、^為交流輸出端兩相接地短路、F6為設置交流輸出端三相短路、 F7為設置直流母線單極接地短路。
【具體實施方式】
[0038]下面結合附圖，對本發明的技術方案進行具體說明。
[0039] 本發明的一種快速準確診斷柔性直流輸電系統換流器故障的方法，包括如下步 驟，
[0040] S1:選取直流母線電壓作為電壓源換流器不同故障類型下的故障特征信號；
[0041] S2:在柔性直流輸電系統中對電壓源換流器的不同故障進行仿真，提取不同故障 下的直流母線電壓波形，作為故障特征信號；并運用傅里葉變換將故障特征信號轉變到頻 域；
[0042] S3:利用S變換對故障特征信號等間隔進行分頻，得到故障特征信號各頻率分量所 包含的特征信息，選擇對各頻率下不同故障類型區分能力強的S變換時頻矩陣，進而構造改 進S變換，利用模值平方和以及歸一化模值平方和提取故障特征向量；
[0043]所述改進S變換，即：將S變換時頻矩陣中的模值取平方值，加強不同故障特征的區 另IJ;另外，為了更好的對不同故障類型進行對比和分析，將S變換時頻矩陣中的模值取平方 值進行歸一化處理；
[0044] S4:采用遺傳算法優化過的基于REF核函數的二叉樹多分類支持向量機對故障特 征向量進行分類:使用遺傳算法對基于REF核函數的二叉樹多分類支持向量機中的懲罰因 子參數C和核參g進行尋優，根據各頻率下利用模值平方和以及歸一化模值平方和提取的故 障特征向量，選取各級分類器的故障特征向量；
[0045] 在本發明一實施例中，所述步驟S3的具體實現過程如下，
[0046] 故障特征信號x(t)的一維連續S變換S(hf)定義為：
[0049] 式中：f為頻率;t為時間；j為虛數單位;τ為時移參數;w(i-t，f)是時間閾里可伸縮 和平移的高斯窗函數；
[0050] 故障信號提取中，需對S變換進行離散化處理，使f-n/NT且τ-iT，得到一維S變換 的離散表達式為：
[0052] 式中：i，m，n = 〇，l，2,……，N_1 ;T為采樣間隔;N為總采樣點；
[0053] 對采集到的Ν個離散信號點計1^]仏=0，1，2，一，^1)進行改進5變換，得到兩維復 時頻矩陣，列向量對應采樣時間點，行向量對應頻率值，對其求模得到模時頻矩陣，可得各 頻率分量的模值平方和Q 1:
[0055] 式中：si(k)表示S變換后50 Xi Hz故障信號分量的第k個采樣點的模值;α表示模 值平方和增強的倍數；
[0056] 將故障信號各頻率分量模值平方和&相加得到Q，再歸一化后，得到歸一化模值平 方和Ri :
[0058]在本發明一實施例中，所述步驟S4中，使用遺傳算法對基于REF核函數的二叉樹多 分類支持向量機中的懲罰因子參數C和核參g進行尋優的具體步驟如下，
[0059] (1)編碼:將C和g的取值范圍(：^(〇，1〇〇]^^[0，1000]分別用二進制編碼為染色 體并構成一個個體；
[0060] (2)生成初始群體:隨機生成20個初始個體組成的初始群體作為遺傳算法的初始 迭代點；
[0061] (3)適應度評估:將20個個體所對應的參數值C和g賦給支持向量機，用3折交叉驗 證求出每個個體對應的支持向量機的平均分類精度作為個體適應度；
[0062] (4)終止條件判斷:設定最大迭代次數為200,適應度為0.9即分類精確度為90% ; 若遺傳算法優化滿足終止條件則終止并輸出參數C和g及其對應的分類精確度;若不滿足則 進入步驟(5);
[0063] (5)遺傳進化:將三種遺傳算子即選擇算子、交叉算子和變異算子作用于種群，以 產生下一代種群，進化完成后，重復步驟(3)、步驟(4)、步驟(5)。
[0064]以下為本發明的具體實施過程。
[0065] 如圖1-4所示，本發明的目的是針對現有技術的不足而提供一種快速準確診斷柔 性直流輸電系統換流器故障（包括IGBT開路、閥體短路、交流輸出端單相接地、交流輸出端 兩相短路、交流輸出端兩相短路接地、交流輸出端三相短路、直流母線單極接地短路）的方 法，其特點是通過運用改進S變換的局部時頻分析能力和支持向量機的非線性系統故障分 類能力，構造改進的故障特征進行多級分類并利用遺傳優化算法優化分類算法，實現對電 壓源換流器故障類型的準確分類，該方法與以往的故障診斷方法相比較，能夠更好地節約 計算時間，保證更好的故障分類率，具體實現步驟如下：
[0066] (1)根據研究問題的需要，選取電壓源換流器不同故障類型特征信號。系統正常運 行時，直流電壓、輸送功率都工作在設定值；當輸送功率發生變化時，直流電壓維持在設定 值，直流電流發生變化。因此，為盡量減小傳輸功率的影響，選用直流母線電壓作為故障信 號。
[0067] (2)對電壓源換流器的各種故障在柔性直流輸電系統中進行仿真，提取各種故障 下的直流電壓波形，作為故障特征信號。
[0068] (3)運用傅里葉變換將故障特征信號轉變到頻域，從而利用S變換對故障信號等間 隔進行精確分頻，得到信號各頻率分量所包含的特征信息，選擇對各頻率下不同故障類型 區分能力強的S變換時頻矩陣。
[0069] (4)時頻矩陣中的模值可能差距較小或者特征反映不夠明顯，因此對S變換進行改 進，將S變換后的模值取平方值，并加上一定的倍數，加強各故障特征。為了更好地對各故障 類型進行對比和分析，再將模值平方進行歸一化。基于改進的S變換，利用模值平方和和歸 一化模值平方和提取特征向量。
[0070] (5)采用基于REF核函數的二叉樹多分類支持向量機對故障特征向量進行分類。各 級分類器分別選用對故障區分能力最強的特征值作為故障特征向量，避免累積誤差，提高 診斷結果的可靠性。根據不同頻率下基于模值平方和及歸一化模值平方和提取的特征向 量，選取各級分類器的故障特征向量。
[0071] (6)考慮到支持向量機中懲罰因子參數(C)和核參(g)選取對診斷效果影響較大， 而目前最佳參數選擇方法尚未形成定論，使用遺傳算法對這兩個參數進行尋優，實現電壓 源換流器故障類型的準確識別。
[0072] 故障特征信號x(t)的一維連續S變換S(hf)定義為：
[0075] 式中：f為頻率;t為時間；j為虛數單位;τ為時移參數;w(T_t，f)是時間閾里可伸縮 和平移的高斯窗函數；
[0076] 故障信號提取中，S變換由計算機來實現，所以對S變換進行離散化處理，使f-n/ NT且τ-iT，得到一維S變換的離散表達式為：
[0078] 式中：i，m，n = 〇，l，2,……，N_1 ;T為采樣間隔;N為總采樣點；
[0079] 對采集到的Ν個離散信號點計1^]仏=0，1，2，一，^1)進行改進5變換，得到兩維復 時頻矩陣，列向量對應采樣時間點，行向量對應頻率值，對其求模得到模時頻矩陣，可得各 頻率分量的模值平方和Q 1:
[0081]式中：Si(k)表不S變換后50 X i Hz故障信號分量的第k個米樣點的模值;α表不模 值平方和增強的倍數。
[0082]將故障信號各頻率分量模值平方和&相加得到Q，再歸一化后，得到歸一化模值平 方和Ri:
[0084]支持向量機是一個二值分類器，即一次只能實現兩種類別的分類，不能直接用于 多值分類。故需要構造多個二值分類支持向量機來實現，采用二叉樹思想構造多分類支持 向量機。
[0085] 根據所構造的特征向量，將7種故障類型分成兩個差別最大的子類，然后再用同種 方法將每個子類分別分成兩個次級子類，以此類推，直到所有故障類型都被識別出來為止。 由第一級支持向量機分類器到第四級分類器依次選用對故障類型區分能力最強特征向量 作為支持向量機的故障診斷特征向量，這樣可以盡量避免由高級別分類器診斷錯誤而帶來 的累積錯誤，提高診斷結果的可靠性。這種方法具有分類速度快、不存在分類盲區等優點。
[0086] 如圖4所示，利用遺傳算法優化支持向量機的C和g參數步驟如下：
[0087] 1)編碼。將C和g的取值范圍(：^(〇，1〇〇]^^[0，1000]分別用二進制編碼為染色體 并構成一個個體；
[0088] 2)生成初始群體。隨機生成20個初始個體組成的初始群體作為遺傳算法的初始迭 代點；
[0089] 3)適應度評估。將20個個體所對應的參數值C和g賦給支持向量機，用3折交叉驗證 求出每個個體對應的支持向量機的平均分類精度作為個體適應度；
[0090] 4)終止條件判斷。本文設定最大迭代次數為200,適應度為0.9即分類精確度為 90%。如果遺傳算法優化滿足終止條件則終止并輸出參數C和g及其對應的分類精確度;如 果不滿足則進入步驟(5);
[0091] 5)遺傳進化。將三種遺傳算子即選擇算子、交叉算子和變異算子作用于種群，以產 生下一代種群，進化完成后，重復步驟(3)、步驟(4)、步驟(5)。
[0092]以下為本發明的具體實施例。
[0093] 1、電壓源換流器故障概述
[0094]電壓源換流器作為柔直直流輸電系統當中最重要的部件，其發生故障會影響到整 個VSC-HVDC系統運行的可靠性和相關設備的安全，由于受過壓和過流條件的制約，電壓源 換流器發生故障的可能性較高，維護也較為困難。按故障類型，可分為IGBT開路故障、閥體 短路、交流輸出端單相接地、交流輸出端兩相短路、交流輸出端兩相接地短路、交流輸出端 三相短路、直流母線單極接地短路。
[0095] 2、電壓源換流器故障信號提取
[0096] 基于PSCAD/EMTDC軟件，搭建了三相兩電平VSC-HVDC兩端系統仿真模型，兩端之間 用直流電纜連接。額定功率為200MW，額定直流電壓為100kV。整流側采用定直流電壓/定交 流電壓控制方式，逆變側采用定有功功率/定交流電壓控制方式。兩端VSC-HVDC系統拓撲結 構如圖1所示，電壓源換流器不同故障類型的設置如圖2所示。
[0097]表1本文所考慮的不同運行方式
[0099] 3、改進S變換提取故障低頻段特征
[0100] 考慮不同運行方式下的故障特征，包括正常運行、降壓運行和降功率運行，各運行 方式如表1所示。采集不同運行方式下各類型故障時的直流母線電壓信號，一共得到150組 數據。故障信號主要分布在直流分量和工頻整數倍分量附近，對故障信號〇~650Hz的低頻 段以50Hz為分頻間隔對故障信號進行S變換。
[0101]求取各頻率分量模值平方和及歸一化模值平方和，α取為10000,并保留小數點后4 位數字。
[0102] 4、構造二叉樹多分類支持向量機進行分類
[0103]根據上述所構造的特征向量，構造二叉樹多分類支持向量機將7種故障分類：
[0104] Fi為設置IGBT開路、F2為設置閥體短路、F3為設置交流輸出端單相接地、F4為設置 交流輸出端兩相短路、^為交流輸出端兩相接地短路、F6為設置交流輸出端三相短路、F7為 設置直流母線單極接地短路。
[0105] 1)汗1、？7在辦上均接近于1，與其它類型故障有著明顯的差別。因此，將作 1^7}視作 同一種故障類型，將作2、內、?4、？5、？ 6}視作另一種故障類型，選取辦作為故障診斷特征向量， 構造第一級支持向量機分類器SVMi，實現第一級診斷。
[0106] 2奸1在以上的數值與F7差別非常大。選取Qo作為故障診斷特征向量，構造第二級支 持向量機SVM 21，實現Fi、F7故障診斷。
[0107] 3)F6在各個頻率上的S變換模值平方和幾乎都遠小于?2、？ 3、？4、？5，因此挑選^)、〇1、 Q2、Q3作為故障診斷特征向量，構造第二級支持向量機分類器SVM22，將F 6與{F2、F3、F4、F5m 分開。
[0108] 4)F2、F3和F4、F5在各頻率上S變換模值平方和的差別都很明顯，將{F 2、F3}和{F4、F5} 分別作為同一種故障類型，選取作為第三級支持向量機分類器SVM31的故障診斷特 征向量，將這兩種故障類型區分開。
[0109] 5)F2、F3這兩種故障信號只在直流分量和基頻分量的S變換模值平方和存在較大的 差別。選取R〇和Ri作為故障診斷特征向量，構造第四級支持向量機分類器SVM 41，實現F#PF3 的診斷。
[0110] 6)F4、F5兩種故障在咖、〇2上存在較大差別，選取以、〇 2作為故障診斷特征向量，構造 第四級支持向量機分類器SVM42，實現F4PF5兩類故障的診斷。
[0111] 具體多分類支持向量機結構框圖如圖3所示。
[0112] 5、遺傳算法優化各級支持向量機
[0113] 利用遺傳算法對各級支持向量機的C和g參數優化。
[0114] 6、故障診斷方法準確性驗證
[0115] 利用遺傳算法優化參數后的二叉樹多分類支持向量機進行故障診斷，得到分類結 果、診斷結果。
[0116] 結果顯示，用快速準確診斷柔性直流輸電系統換流器故障的方法對電壓源換流器 故障進行診斷，能夠得到可靠性好、準確度高的診斷結果。因此基于改進S變換結合遺傳優 化支持向量機的電壓源換流器故障診斷方法可以作為診斷柔性直流輸電系統換流器故障 類型的新方法。
[0117] 以上是本發明的較佳實施例，凡依本發明技術方案所作的改變，所產生的功能作 用未超出本發明技術方案的范圍時，均屬于本發明的保護范圍。
【主權項】
1. 一種快速準確診斷柔性直流輸電系統換流器故障的方法，其特征在于:包括如下步 驟， S1:選取直流母線電壓作為電壓源換流器不同故障類型下的故障特征信號； S2:在柔性直流輸電系統中對電壓源換流器的不同故障進行仿真，提取不同故障下的 直流母線電壓波形，作為故障特征信號;并運用傅里葉變換將故障特征信號轉變到頻域； S3:利用S變換對故障特征信號等間隔進行分頻，得到故障特征信號各頻率分量所包含 的特征信息，選擇對各頻率下不同故障類型區分能力強的S變換時頻矩陣，進而構造改進S 變換，利用模值平方和W及歸一化模值平方和提取故障特征向量； 所述改進S變換，即：將S變換時頻矩陣中的模值取平方值，加強不同故障特征的區別； 另外，為了更好的對不同故障類型進行對比和分析，將S變換時頻矩陣中的模值取平方值進 行歸一化處理； S4:采用遺傳算法優化過的基于REF核函數的二叉樹多分類支持向量機對故障特征向 量進行分類:使用遺傳算法對基于REF核函數的二叉樹多分類支持向量機中的懲罰因子參 數C和核參g進行尋優，根據各頻率下利用模值平方和W及歸一化模值平方和提取的故障特 征向量，選取各級分類器的故障特征向量。2. 根據權利要求1所述的一種快速準確診斷柔性直流輸電系統換流器故障的方法，其 特征在于:所述步驟S3的具體實現過程如下， 故障特征信號x(t)的一維連續S變換S(T，f)定義為：式中：f為頻率;t為時間；j為虛數單位;τ為時移參數;w(T-t，f)是時間闊里可伸縮和平 移的高斯窗函數； 故障信號提取中，需對S變換進行離散化處理，使f^n/NT且T^iT，得到一維S變換的離 散表達式為：式中：i，m，n = 0，l，2,……，N-1 ;Τ為采樣間隔;N為總采樣點； 對采集到的Ν個離散信號點x[ktKk = 0，l，2，…，N-l)進行改進S變換，得到兩維復時頻 矩陣，列向量對應采樣時間點，行向量對應頻率值，對其求模得到模時頻矩陣，可得各頻率 分量的模值平方和化：式中：Si化)表示S變換后50Xi化故障信號分量的第k個采樣點的模值;α表示模值平方 和增強的倍數； 將故障信號各頻率分量模值平方和化相加得到Q，再歸一化后，得到歸一化模值平方和 Ri： A',=竺。 Ο3.根據權利要求1所述的一種快速準確診斷柔性直流輸電系統換流器故障的方法，其 特征在于:所述步驟S4中，使用遺傳算法對基于REF核函數的二叉樹多分類支持向量機中的 懲罰因子參數C和核參g進行尋優的具體步驟如下， (1) 編碼:將C和g的取值范圍ce (0,100]、ge [0,1000]分別用二進制編碼為染色體并 構成一個個體； (2) 生成初始群體:隨機生成20個初始個體組成的初始群體作為遺傳算法的初始迭代 點' ； (3) 適應度評估:將20個個體所對應的參數值C和g賦給支持向量機，用3折交叉驗證求 出每個個體對應的支持向量機的平均分類精度作為個體適應度； (4) 終止條件判斷：設定最大迭代次數為200，適應度為0.9即分類精確度為90 % ;若遺 傳算法優化滿足終止條件則終止并輸出參數C和g及其對應的分類精確度;若不滿足則進入 步驟(5); (5) 遺傳進化:將Ξ種遺傳算子即選擇算子、交叉算子和變異算子作用于種群，W產生 下一代種群，進化完成后，重復步驟(3)、步驟(4)、步驟(5)。
【文檔編號】G01R31/02GK106093678SQ201610420408
【公開日】2016年11月9日
【申請日】2016年6月15日 公開號201610420408.3, CN 106093678 A, CN 106093678A, CN 201610420408, CN-A-106093678, CN106093678 A, CN106093678A, CN201610420408, CN201610420408.3
【發明人】江偉, 王渝紅, 陳金祥, 黃道姍, 朱艷, 胡松伶
【申請人】國網福建省電力有限公司, 國家電網公司, 國網福建省電力有限公司電力科學研究院, 四川大學