用SVRM预测变压器油中溶解气体量

被引:4
作者
费胜巍
孙宇
机构
[1] 南京理工大学机械工程学院制造工程及自动化系
关键词
变压器油; 支持向量回归机; 时间序列; 预测; 溶解气体; 回归算法; 小样本;
D O I
10.13336/j.1003-6520.hve.2007.08.017
中图分类号
TM407 [维护、检修];
学科分类号
摘要
变压器油中溶解气体体积分数的预测对变压器故障的早期发现,确保电力系统安全运行有着重要意义。针对现有预测方法的不足,提出了基于支持向量回归机(SVRM)的变压器油中溶解气体体积分数的预测方法,在SVRM算法基础上建立了预测模型,其中结合网格法和留一交叉检验法寻求SVRM中最优的参数组合。变压器油中溶解气体体积分数预测分析的实例表明,在同为小样本训练数据的情况下,SVRM比灰色模型有着更为优越的预测效果。研究表明,SVRM模型更适合于变压器油中溶解气体体积分数的预测。
引用
收藏
页码:81 / 84
页数:4
相关论文
共 21 条
[1]   支持向量机及在电力系统中的应用 [J].
胡国胜 .
高电压技术, 2007, (04) :101-105
[2]   基于最小二乘支持向量机的系统边际电价预测 [J].
贾嵘 ;
蔡振华 ;
康睿 .
高电压技术, 2006, (11) :145-148
[3]   基于支持向量机混合模型的短期负荷预测方法 [J].
胡国胜 ;
任震 .
高电压技术, 2006, (04) :101-103
[4]   基于粗糙集属性约简算法和支持向量机的短期负荷预测 [J].
张庆宝 ;
程浩忠 ;
刘青山 ;
郑季伟 ;
倪东海 .
电网技术, 2006, (08) :56-59+70
[5]   变压器油气分析故障的免疫算法诊断模型 [J].
余杰 ;
周浩 .
高电压技术, 2006, (03) :49-50+64
[6]   关于支持向量回归机的模型选择 [J].
苏高利 ;
邓芳萍 .
科技通报, 2006, (02) :154-158
[7]   基于SVM的注水机组状态预示技术研究 [J].
王红军 ;
张建民 ;
徐小力 .
石油机械, 2006, (02) :39-42+79
[8]   4号高压厂用变压器油色谱异常分析及处理 [J].
钱金忠 .
变压器, 2005, (12) :27-28
[9]   气相色谱在油浸变压器故障分析中的应用 [J].
朱世英 ;
周爱东 ;
陈志国 ;
李宏宇 ;
李长海 .
变压器, 2005, (11) :46-48
[10]   激励函数可调的混沌神经网络短路负荷预测 [J].
张晓星 ;
程其云 ;
周湶 ;
刘凡 ;
孙才新 .
高电压技术, 2005, (07) :51-54