基于灰关联和模糊支持向量机的变压器油中溶解气体浓度的预测

被引:28
作者
司马莉萍 [1 ]
舒乃秋 [1 ]
左婧 [2 ]
王波 [1 ]
彭辉 [1 ]
机构
[1] 武汉大学电气工程学院
[2] 广东电网公司佛山供电局
关键词
变压器; 油中溶解气体; 灰关联分析; 模糊支持向量机; 预测;
D O I
暂无
中图分类号
TM855 [绝缘的试验与检查];
学科分类号
摘要
提出一种基于灰关联分析和模糊支持向量机的电力变压器油中溶解气体浓度预测模型。该模型考虑了变压器油温、负荷对油中气体浓度的影响,先利用灰关联度分析各因素间的相关性,提取影响气体浓度的主要因素作为支持向量机回归建模的输入样本属性。再将模糊数学和支持向量机结合起来,引入模糊隶属函数,将样本按照时间由近及远赋予由大到小的权重,反映出近期数据对后续预测结果的影响大于早期数据。该模型提高了预测精度,克服了传统支持向量机和只考虑某种或全部气体预测方法的不足。通过实例分析,验证了模型的有效性和优越性。
引用
收藏
页码:41 / 46
页数:6
相关论文
共 14 条
[1]   基于灰色关联和改进SVM的钴离子浓度预测研究 [J].
晏密英 ;
桂卫华 ;
阳春华 .
仪器仪表学报, 2011, 32 (05) :961-967
[2]   基于贝叶斯证据框架下WLS-SVM的短期负荷预测 [J].
王林川 ;
白波 ;
于奉振 ;
袁明哲 .
电力系统保护与控制, 2011, 39 (07) :44-49
[3]   基于改进粒子群优化LS-SVM的变压器故障气体预测 [J].
沙立成 ;
宋珺 .
华北电力大学学报(自然科学版), 2011, 38 (01) :35-38
[4]   基于自适应双向加权最小二乘支持向量机的超短期负荷预测 [J].
王岗 ;
姜杰 ;
唐昆明 ;
张太勤 .
电力系统保护与控制, 2010, 38 (19) :142-146
[5]   基于改进遗传算法与LS-SVM的变压器故障气体预测方法 [J].
王罡 ;
杨海涛 ;
胡伟涛 ;
黄华平 ;
李宁远 .
高压电器, 2010, 46 (09) :11-14+18
[6]   自适应模糊支持向量机邻近增量算法在变压器故障诊断中的应用 [J].
刘同杰 ;
刘志刚 ;
韩志伟 .
电力系统保护与控制, 2010, 38 (17) :47-52
[7]   应用新型多方法组合预测模型估计变压器油中溶解气体浓度 [J].
杨廷方 ;
刘沛 ;
李浙 ;
曾祥君 .
中国电机工程学报, 2008, (31) :108-113
[8]   应用支持向量机的变压器故障组合预测 [J].
赵文清 ;
朱永利 ;
张小奇 .
中国电机工程学报, 2008, (25) :14-19
[9]   以最小二乘支持向量机作组合器的变压器油中溶解气体体积分数预测 [J].
肖燕彩 ;
陈秀海 ;
朱衡君 .
电力自动化设备, 2008, (07) :33-36
[10]   用SVRM预测变压器油中溶解气体量 [J].
费胜巍 ;
孙宇 .
高电压技术, 2007, (08) :81-84