基于SVM的高压断路器故障诊断研究

李云

摘 要：本文取操动机构开断过程中电流波形的特征量，对比手动设置参数支持向量机（Support Vector Machine，SVM）与网格搜索法优化SVM的故障诊断结果，得到网格搜索法优化SVM的诊断结果准确率更高。并通过实验对比传统网格搜索法和改进网格搜索法，得到改进网格搜索法对比传统网格搜索法，能兼顾效率和准确率。

关键词：故障诊断;SVM;网格搜索法

1 导论

SVM是统计学习理论中实用且较新的部分，它是在1995年提出的，是一個较有发展前景的分类技术，在处理非线性、小样本和高维模式识别中，具有很多优势，由于高压断路器动作较少，要获取大量的动作样本很困难，所以选择SVM用于断路器故障诊断。

SVM思想是：输入空间经非线性变换到高维空间，再求最优分类面，这里的非线性变换是由内积函数（核函数）得到。

在SVM中，惩罚因子c和核函数g对SVM性能有决定性作用。核函数g反应的是样本转变到高维空间后的维数即复杂度，维数和复杂度成正比;惩罚因子c的主要功能是调整置信范围和经验风险的比例，使其处于最好的状态。

对这两个参数，现有较常用的优化SVM方法有：粒子群算法、遗传算法、网格搜索等[1]。本文探讨的优化方法是网格搜索法。

2 实验数据

SVM是二分类状态识别方法，在本文中，有六种状态，使用的分类思想是“一对其余”，即6种状态采用六级分类训练和识别。

用SVM对高压断路器操动线圈电流信号进行识别，诊断高压断路器是否正常。部分电流信号的样本数据如表1所示[2]。实验分两种方式，一种是手动设置SVM参数故障诊断，另一种是网格搜索法优化SVM。

3 手动设置SVM参数故障诊断

从上面对SVM的介绍中可知，参数惩罚因子c和核函数g对诊断结果有较大影响，当随机手动设置参数c和g时，断路器的诊断结果差距较大。随机设置二组参数值，测试故障诊断准确率。

（1）当c=0.8，g=63时，测试结果准确率为79.17%。

（2）当c=0.6，g=8时，测试结果准确率为91.67%。

从二组随机参数诊断结果可知，参数对诊断结果影响较大，且无明显规律可循，为提高诊断准确率，对SVM参数优化显得十分必要。

4 传统网格搜索法与改进网格搜索法优化SVM故障诊断

对于传统网格搜索法和改进网格搜索法的区别在于：改进网格搜索法[3]针对传统网络计算量大，运行时间长提出。改进网格搜索法节省时间且计算量少，它的思想是先以较大步长搜索全局，得到相对最优c和g，再在此c、g附近做一个较小步长的搜索，这样可使精度和计算量都能达到最好状态。

传统网格搜索法1：取步长为0.1的传统网格搜索法，训练时间长达73.96秒，准确率为96.67%;

传统网格搜索法2：取步长为0.8的传统网格搜索法，训练时间是1.177秒，准确率为93.33%;

改进网格搜索法：先取步长为0.8进行全局搜索，得到最优c和g，再在此c、g附近做一个步长为0.1的搜索。

对上面三个参数选择结果相关参数，做一个表格进行对比，如表2所示：

在表2中，第一组以0.1的步长进行全局搜索，准确度很高，但是运行时间较长;第二组以0.8的步长进行全局搜索，运行时间很短，但是准确度比第一组低3.329%;第三种情况是在第二组c、g的基础上，再在其附近做一个小范围的小步长搜索，准确度和第一组一样，但是运行时间比第一组少很多。

由此可得结论：改进网格搜索法能在保证准确率的基础上大大减少运行时间，明显优于传统网格。可推断，当样本足够多且复杂时，这种优势会表现的更加明显。

用改进网格搜索法优化的SVM，测试基于电流信号的高压断路器工作状态，检测其是否处于正常状态，若故障，是哪种故障。

用24组测试样本，共有六种状态，每种状态4组数据，测试结果如图2所示，其准确率达到95.83%。

由上述仿真结果可知，手动设置参数的SVM准确率最低，仅91.67%，传统网格搜索法还是改进网格搜索法优化后的SVM，其准确率均比手动设置SVM参数故障诊断准确率高。

5 小结

比较随机手动设置SVM参数的诊断准确率与网格搜索法优化后SVM参数的诊断准确率，后者比前者准确率高，且前者准确率随参数变化较大;再对比传统网格搜索法和改进网格搜索法，得到改进网格搜索法能在保证准确率的基础上较大限度的提高运行时间，减少计算量。

参考文献：

[1]徐晓明.SVM参数寻优及其分类中的应用[D].大连：大连海事大学，2014.

[2]白志艳.高压断路器故障诊断与状态监测研究[D].武汉：华中科技大学，2013.

[3]王健峰，张磊，陈国兴等.基于改进的网格搜索法的SVM参数优化[J].应用科技，2012，39（03）：29-31.