基于收敛性线性粒子群优化算法的1-SVM电力设备状态分析方法

作     者：林繁涛 卢达 段永贤 张建良 齐冬莲 LIN Fan-Tao;LU Da;DUAN Yong-Xian;ZHANG Jian-Liang;QI Dong-Lian

作者机构：中国电力科学研究院有限公司北京100192 浙江大学电气工程学院杭州310027 

基　　金：国家电网公司科技项目(5442JL170012) 国家自然科学基金资助项目(61503341) 浙江省公益技术研究社会发展项目(2016C33149) 浙江省实验室工作研究项目(YB201732) 

出 版 物：《黑龙江大学工程学报》 (Journal of Engineering of Heilongjiang University)

年 卷 期：2017年第8卷第4期

页      码：75-82页

摘      要：根据基于图像的机器学习方法在电力设备状态分析中的应用特点,设计了包括模型学习、设备粗定位及对齐分割在内的电力设备状态识别主要技术框架。针对利用图像对关键电力设备进行对齐分割的问题,配合图像模型中的主要特征提取方法,建立了基于收敛性线性粒子群优化算法的1-SVM电力设备状态精确对齐及分割方法。仿真实验验证了该方法在以隔离开关为对象的电力设备分析识别中能够获得较快的处理速度,同时具备较好的分类性能。

主 题 词：电力设备 状态分析 粒子群优化 1-SVM 

学科分类：080802[080802] 0808[工学-自动化类] 08[工学] 

D　O　I：10.13524/j.2095-008x.2017.04.059

馆 藏 号：203281642...