改进人工蜂群算法优化SVM的电能表故障诊断研究

简介

针对电能表故障频发,严重影响电网公司效益及用户日常生活的问题,准确对电能表故障类型进行诊断、及时修复故障电能表,对保证电力系统正常运行有十分重要的意义。提出一种基于改进人工蜂群算法优化支持向量机(CABC-SVM)参数的诊断方法;以Tent混沌搜索具有遍历性、随机性的优点增强蜂群算法的全局搜索能力;通过历史故障数据训练建立的CABC-SVM诊断模型。仿真结果验证CABC-SVM模型分类精度高达98.0%,相比于与传统ABC-SVM、PSO-SVM和GA-SVM有更少的收敛迭代次数。因此,CABC-SVM具有更高的分类精度和更少的运行时间,是一种高效的电能表故障诊断方法。