The invention relates to an improved Adaboost SVM model generation method for wind power converter fault diagnosis, which gives the weight of each training sample and updates the weight of each sample according to the classification error rate of the previous round. In the process of algorithm training, the weight of misclassified samples is increased and the weight of correctly classified samples is reduced. The strong classifier is finally obtained by iterating several times and combining several weighted weak classifiers. The improved Adaboost SVM model designed in this paper can solve the problem of performance degradation caused by different samples to a certain extent, and improve the generalization ability of classifier. It has a good effect in the application of converter fault diagnosis.
【技术实现步骤摘要】
适用于风电变流器故障诊断的改进型Adaboost-SVM模型生成方法
本专利技术涉及一种电力故障判断技术，特别涉及一种适用于风电变流器故障诊断的改进型Adaboost-SVM模型生成方法。
技术介绍
风力发电在电能领域发挥着极其重要的作用。变流器作为发电系统与电网之间的枢纽(文献1)，既能确保电能在随机风速下稳定也能满足电网要求。变流器通常长期处于恶劣的工作环境中，极易发生故障(文献2、3)。变流器的功率开关器件(InsulatedGateBipolarTransistor，IGBT)的短路和开路是变流器最常见的两类故障。当IGBT发生短路时，会在极短时限内流过很大的电流，烧坏与其串联的保护装置，最终表现为开路(文献4)。因此主要研究变流器功率开关元件IGBT的开路故障诊断。风电变流器在实际运行中，变流器的单只功率管元件开路和两只功率管同时开路故障最为常见，所以只考虑这两种功率管的开路故障，功率开关器件IGBT开路故障分为22类。基于权值限制的Adaboost-SVM故障诊断模型通过在提升过程中对易错样本的权值进行调整，并在每一次迭代过程中利用鸟群算法寻找基分类器...
【技术保护点】
1.一种适用于风电变流器故障诊断的改进型Adaboost‑SVM模型生成方法，其特征在于，具体包括如下步骤：1)输入风电变流器故障训练样本集D＝{(x1,y1),(x2,y2)…(xN,yN)}；xi表示第i个样本，yi表示第i个样本类别，i＝1,2,…,N；基分类器RBF‑SVM；迭代总次数T；2)对Adaboost‑SVM模型进行改进训练：步骤1)初始化每个样本的权值，每个样本权值相同：D1(i)＝1/N,i＝1,2…N (8)步骤2)进行迭代，迭代次数t＝1,2,…，T：2.1)根据训练样本集D中的样本的权值分布，从而得到训练每个基分类器的训练样本集dt；2.2)...
【技术特征摘要】
1.一种适用于风电变流器故障诊断的改进型Adaboost-SVM模型生成方法，其特征在于，具体包括如下步骤：1)输入风电变流器故障训练样本集D＝{(x1,y1),(x2,y2)…(xN,yN)}；xi表示第i个样本，yi表示第i个样本类别，i＝1,2,…,N；基分类器RBF-SVM；迭代总次数T；2)对Adaboost-SVM模型进行改进训练：步骤1)初始化每个样本的权值，每个样本权值相同：D1(i)＝1/N,i＝1,2…N(8)步骤2)进行迭代，迭代次数t＝1,2,…，T：2.1)根据训练样本集D中的样本的权值分布，从而得到训...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。