基于多源信息和机器学习算法的电能表故障诊断研究

摘要

为提升电能表的自动化管理水平，设计了基于多源信息和机器学习算法的电能表故障诊断方法。首先采集电能表的检定数据、用电数据、运行电压等多源信息，利用一致性判断方法融合所采集的电能表多源信息，然后选取独立成分分析(Independent Component Correlation Algorithm,ICA)方法利用ICA变换处理电能表多源信息融合结果，提取多源信息中包含的电能表故障特征，最后提取的电能表故障特征作为支持向量机的输入，利用人工蜂群算法优化支持向量机，输出电能表故障诊断结果。实验结果表明，该方法可以有效诊断电能表的电池欠压、继电器损坏等不同类型故障，为电能表故障分析提供依据。

关键词

多源信息 / 机器学习 / 电能表 / 故障诊断 / 独立成分分析 / 支持向量机