周松，李川，李英娜

基于改进PSO-SVM的电能计量装置异常状态识别研究

周松，李川，李英娜

（昆明理工大学 信息工程与自动化学院，云南 昆明 650500）

电能计量装置出现异常状态后最终表现上传的数据异常，利用计量系统自动化数据进行分析，尽早识别装置异常有利于供电企业进行装置检修，提升运维能力。针对异常数据，人工使用判断规则对其进行诊断需要大量时间，计量装置出现问题后不能及时发现的问题，对已标记的异常数据进行研究，使用PSO-SVM模型对计量数据进行分析，判别装置状态异常。首先，针对粒子群算法易陷入局部最优的问题，将粒子移动的权重更新方式结合当前粒子的迭代次数和适应度值进行动态改变；其次，引入偏二叉树结构的支持向量机分类模型，并且树中每层的分类器使用改进后的粒子群算法寻找分类最佳超参数，增加分类准确率；最后，使用电能计量装置对改进的PSO-SVM模型进行验证，结果表明该方法能够较好地识别出异常数据。

电能计量装置；异常识别；自适应权重粒子群；二叉树SVM

0 引言

随着中国电力行业智能化的发展，可上传实时运行数据的智能电表被广泛应用，由智能电表和电压、电流互感器及其二次回路组成的电能计量装置作为供电企业与用户结算的仪表工具，其运行的稳定性和可靠性对保障供用电双方贸易的公平性有重要意义。计量装置中任何一个组成部件发生故障都会影响计量结果的准确性和可靠性[1-3]，由于装置本身故障和人为窃电故意破坏等原因，造成故障的多样性，装置计量异常。……