《表2 部分故障特征集:基于VMD样本熵和KELM的输电线路故障诊断》

《表2 部分故障特征集:基于VMD样本熵和KELM的输电线路故障诊断》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于VMD样本熵和KELM的输电线路故障诊断》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录

经过VMD分解后,计算每相电压每个分解分量的样本熵值,共得到12个样本熵值,将其作为输电线路故障诊断模型的输入特征量。对165组故障数据进行上述操作,得到一个165行12列的故障特征集,部分故障特征集如表2所示。从表2可知,对同类型故障而言,其故障相与非故障相的样本熵值变化较大,故障相的样本熵值远小于非故障的样本熵值,可以很好地判断出故障类型;然而,对于不同类型的故障来说,如AB两相短路与AB两相接地短路,其AB两相的样本熵值均小于C相,仅靠观察样本熵值的大小无法判断具体故障类型,因此,需要采用KELM模型来对输电线路的故障类型做进一步的分类。将110组训练数据输入到KELM模型中进行训练,得到训练好的KELM输电线路故障诊断模型,用55组测试数据测试KELM故障诊断模型的诊断效果。