基于蚁狮算法优化支持向量机的电力通信网故障诊断

宋志强; 解利冬; 王鸣阳; 付丽娜; 雷全学; 崔利俊

doi:10.20033/j.1003-7241.(2025)08-0029-04

自动化技术与应用 ›› 2025, Vol. 44 ›› Issue (08) : 29 -32. DOI: 10.20033/j.1003-7241.(2025)08-0029-04

基于蚁狮算法优化支持向量机的电力通信网故障诊断

宋志强, 解利冬, 王鸣阳, 付丽娜, 雷全学, 崔利俊

作者信息 +

Author information +

文章历史 +

PDF

摘要

为了提高电力通信网故障诊断的准确性，以告警数据为输入量，以电力通信网故障类型为输出量，采用蚁狮算法对支持向量机进行参数寻优，建立基于蚁狮算法优化支持向量机的电力通信网故障诊断模型，采用电力通信网故障数据进行仿真分析，并与贝叶斯算法和卷积神经网络算法对比，结果表明，所提ALO-SVM电力通信网故障诊断正确率高达98%，高于其他两种算法，验证了所提方法的正确性和实用性。