简介：随着国内用电设备增多，电气火灾的发生率也有所升高，故障电弧检测的研究成为当今热点。本文提出一种Hilbert—Huang变换与支持向量机相结合的方法，其中采用Hilbert-Huang变换对不同负载电流波形进行时域分解，从而提取各模态分量的特征值。然后采用支持向量机的自适应分类方法，通过学习不同负载下Hilbert-Huang变换得到的特征值，自适应地区分正常运行状态与故障电弧运行状态。本文以调光灯、电吹风高档、电吹风低档、电风扇和电水壶等5种类型的常用负载作为研究对象，验证算法的正确性。

简介：为了提高风电功率预测精度，针对支持向量机（SVM）模型在风电功率预测中存在的参数选取问题，提出用人工鱼群算法（AFSA）寻找SVM模型的最优核函数参数和错误惩罚因子的优化方法。建立AFSA—SVM模型，结合聚类分析后的数值天气预报（NWP）数据对风电功率进行预测。经仿真实验并与BP、粒子群优化的支持向量机模型对比，AFSA-SVM优化模型在短期风电功率预测中有更好的预测效果。

简介：为了提高风力发电机叶片故障的识别率，利用支持向量机建立风力发电机叶片故障和特征参数之间的非线性关系。在蜂群算法中引入一种动态柯西因子，动态调节蜂群寻优过程中的搜索步长，提高蜂群算法的扰动能力，避免蜂群陷入局部搜索，采用这种动态柯西蜂群算法对支持向量机的参数寻优，建立动态柯西蜂群算法优化的支持向量机模型。采集南方某风场风力发电机叶片的四种工况下的特征数据训练此模型并进行故障诊断，诊断结果表明改进后的蜂群算法优化支持向量机模型能够提高风力发电机叶片的故障识别率，具有一定的工程参考意义。

简介：