基于最小二乘支持向量机的载流故障趋势预测

被引：5

作者：

张慧源 ^{[1
]}

顾宏杰 ^{[1
]}

许力 ^{[1
]}

许文才 ^{[2
]}

机构：

[1] 浙江大学电气工程学院

[2] 珠海赛迪生电气设备有限公司

来源：

电力系统保护与控制 | 2012年 / 40卷 / 10期

关键词：

支持向量机; 最小二乘法; 粒子群优化; 载流故障; 温度预测;

D O I：

暂无

中图分类号：

TM711 [网络分析、电力系统分析]; TP18 [人工智能理论];

学科分类号：

080802 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出基于最小二乘支持向量机(LS-SVM)的电力设备载流故障趋势的预测算法,并采用粒子群优化(PSO)算法对其参数进行优化。采用主元分析法(PCA)对各触点温度序列进行特征分析,在温度分布异常的情况下提取故障的早期特征;以此时刻为起点,采用PSO与最小二乘支持向量机相结合的方法,并结合实时更新的现场温度信息,对载流故障发展的短期趋势和长期趋势分别进行预测。基于实际运行数据的实验结果表明,将长期预测时间裕量大与短期预测精度高的优势相结合,可以对载流故障的发展趋势做出较为准确的预测。

引用

页码：19 / 23+29 +29

页数：6

共 6 条

[1] 粒子群优化的神经网络模型在短期负荷预测中的应用 [J].