基于VMD样本熵和KELM的输电线路故障诊断

作     者：谢国民 黄睿灵 丁会巧 Xie Guomin;Huang Ruiling;Ding Huiqiao

作者机构：辽宁工程技术大学电气与控制工程学院葫芦岛125105 国家电网乌鲁木齐供电公司乌鲁木齐830011 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2019年第31卷第5期

页      面：73-79页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 

基　　金：国家自然科学基金(51307076) 辽宁省教育厅重点实验室基金项目(LJZS003)资助 

主　　题：输电线路 故障诊断 变分模态分解 样本熵 核极端学习机 

摘      要：针对输电线路短路故障危害大,故障识别率较低的情况,提出基于变分模态分解(VMD)样本熵与核极端学习机(KELM)相结合的输电线路故障诊断方法,提高输电线路故障诊断的正确率。首先,采用VMD对故障后的三相电压进行分解,得到一系列三相平稳的模态分量;其次分别计算每组各分量的样本熵值,作为输电线路故障提取特征,组成样本库;以提取的输电线路故障特征输入到核极端学习机进行训练,获取诊断模型,然后比较其与极限学习机(ELM)、支持向量机(SVM)和BP神经网络的诊断效果。仿真结果表明,VMD样本熵+KELM的输电线路故障诊断模型精度高于其他3种算法,且运算速率更快,噪声鲁棒性更好。