基于振动信号识别的变电站入侵跟踪检测技术优化

打开文本图片集

摘 要：为提高变电站入侵跟踪检测准确率，提出一种基于光纤围栏振动信号识别的变电站入侵跟踪检测方法。通过采用总体平均经验模态分解（EEMD）提取光纤围栏振动信号特征向量，并利用遗传算法（GA）改进的支持向量机（SVM）对提取的光纤围栏振动信号特征向量进行分类识别，实现了变电站入侵跟踪检测。

相较于小波分解和EMD特征提取方法，所提EEMD方法提取的光纤围栏振动信号特征向量对后续分类识别更有效；相较于SVM算法、KNN（K-Nearest Neighbor）算法以及BERT（Bidirectional Encoder Representationsfrom Transformers）算法，所提的GA算法改进的SVM算法可更准确地分类识别变电站气体泄漏、敲击、行走振动信号地入侵检测，平均识别准确率89.84%，更适用于变电站入侵跟踪检测。（剩余6995字）