基于PSO-LSSVM的牵引供电系统故障诊断研究.docx

基于PSO-LSSVM的牵引供电系统故障诊断研究
基于PSO-LSSVM的牵引供电系统故障诊断研究
摘要：
牵引供电系统是城市轨道交通运行的重要组成部分，其稳定和可靠运行对于城市交通的安全至关重要。然而，牵引供电系统的故障是不可避免的，因此研究牵引供电系统的故障诊断方法具有重要的意义。本文针对牵引供电系统的故障诊断问题，提出了一种基于粒子群优化（PSO）和LSSVM（LeastSquaresSupportVectorMachine）的故障诊断方法。
关键词：牵引供电系统，故障诊断，PSO，LSSVM
1.引言
牵引供电系统是城市轨道交通运行的重要组成部分，它提供电力供应给地铁、有轨电车等交通工具。牵引供电系统的故障会导致交通事故和服务中断，对城市交通系统的运行造成严重影响。因此，及时准确地诊断牵引供电系统的故障，对于保证城市交通的安全和顺畅运行具有重要意义。
2.相关工作
现有的牵引供电系统故障诊断方法包括基于模型的方法和基于数据驱动的方法。基于模型的方法主要使用系统的物理模型进行故障诊断，但这种方法需要大量的系统知识和参数，并且对于复杂的实际系统难以适用。基于数据驱动的方法是通过分析系统的运行数据进行故障诊断，由于不需要准确的系统模型，因此在实际应用中更为常见。
3.方法介绍
本文的故障诊断方法基于粒子群优化和LSSVM算法。首先，利用粒子群优化算法对LSSVM的超参数进行优化，以提高模型的准确性和鲁棒性。然后，利用优化后的LSSVM模型对牵引供电系统的故障进行诊断。最后，通过实际实验验证本文提出的方法的有效性和准确性。
4.实验结果分析
通过实际实验数据的分析，本文方法在牵引供电系统的故障诊断中取得了良好的效果。与传统的方法相比，本文方法具有更高的准确性和鲁棒性。同时，本文方法还可以实时监测系统的运行状态，并提供及时的报警和故障诊断。
5.结论
本文提出了一种基于粒子群优化和LSSVM的牵引供电系统故障诊断方法。该方法能够有效地诊断牵引供电系统的故障，并具有良好的准确性和鲁棒性。通过实际实验验证，证明了该方法的有效性和可行性。未来的研究可以进一步优化该方法，并应用于实际的牵引供电系统中。
参考文献：
[1]Cui,Y.,Yu,Y.,&Yang,Q.(2017).Faultdiagnosisofrailwaytractionpowersupplysystembasedonpatternclassification.InternationalJournalofPowerSupplyandEnergyConversionSystems,7(2),34-42.
[2]Zhang,X.,&Ding,W.(2019).Ahybridadaptiveneuro-fuzzyinferencesystemforfaultdiagnosisinurbanrailtransittractionpowersupplysystem.InternationalJournalofElectricalPower&EnergySystems,105,542-551.
[3]Liu,Z.,Wang,Q.,&Zhou,L.(2020).Faultdiagnosisofelectrictractionpowersupplysystembasedonsupportvectormachinewithtime-optimaldistancesimilarity.ElectricPowerSystemsResearch,189,106772.