为了提高网络故障诊断模型的建立和诊断速度, 提出一种双重支持向量机(Dual-SVM) 算法. 通过两次SVM 训练确定诊断模型: 第1 次SVM训练通过两类样本的类中心和样本点在类中心连线方向上的投影分布情况直接确 定近似最优分类面; 第2 次SVM训练根据第1 次的训练结果选择边界样本点并计算其模糊隶属度, 通过模糊SVM 获得诊断模型. 在DARPA数据集上的实验表明, Dual-SVM 相较SVM能够获得更快的训练速度和更加简单的故障 诊断模型.

输电线路绝缘故障时常发生，严重影响电力正常供应，造成巨大的经济损失。在此背景下，为在故障发生后更快检测出故障，针对模糊理论、灰色聚类、神经网络三种算法造成系统延迟时间长的问题，设计一种基于组合决策树的输电线路绝缘故障检测系统。该系统最大特点在于将组合决策树替代模糊理论、灰色聚类、神经网络三种算法，应用在输电线路绝缘故障检测系统当中。组合决策树在保证检测准确性的前提下，运算更为简便，占用系统更少内存，加快系统运行速度，使得系统检测的延迟时间短，达到了本次系统研究的预期目标。