[发明专利]一种计及雷击情况的基于PDT-SVM暂降源辨识方法

摘要

本发明公开了一种计及雷击情况的基于PDT‑SVM暂降源辨识方法，包括：1、样本特征向量计算，每个样本数据由包含5个特征值的列向量组成；2、调用粒子群聚类优化算法对每个节点处样本进行最优二分类划分，一直到只包含一种暂降类型数据为止；3、对于每个节点，以最优二分类样本数据作为二分类节点SVM分类器的训练数据，训练PDT‑SVM分类模型。经综合比较，本发明在特征提取能力上具有更高的优越性，在包含雷击在内的暂降类型识别能力上具有更高的准确性，应用价值和前景巨大。

主权项

1.一种计及雷击情况的基于PDT‑SVM暂降源辨识方法，其特征在于，包括如下步骤：步骤一，将雷击、电动机启动、变压器投切以及除雷击外普通短路故障四种类型的电压暂降的历史监测数据作为电压暂降训练样本，并建立每种类型的电压暂降训练样本的特征矩阵；步骤二，将步骤一得到的特征矩阵作为根节点，并在根节点处调用粒子群聚类算法进行最优二分类形成两个子节点；步骤三，判断每个子节点处的特征矩阵是否只对应了一种电压暂降类型，若是则转向步骤五，若不是则转向步骤四；步骤四，在该子节点处继续调用粒子群聚类算法进行最优二分类，再形成两个子节点，转向步骤二；步骤五，利用上述步骤得到的各父节点及其最优二分类结果对SVM分类器进行训练，得到PDT‑SVM分类模型；步骤六，利用步骤五得到的PDT‑SVM分类模型辨识暂降源类型。