基于改进粒子群优化LS-SVM的变压器故障气体预测

被引:10
作者
沙立成 [1 ,2 ]
宋珺 [3 ]
机构
[1] 华北电力大学电气与电子工程学院
[2] 北京市电力公司调度通信中心
[3] 天津市东丽区军粮城发电有限公司
关键词
变压器; 改进粒子群算法; 最小二乘支持向量机; 参数优化; 油中气体浓度;
D O I
暂无
中图分类号
TM41 [电力变压器];
学科分类号
摘要
最小二乘支持向量机(LS-SVM)能较好的解决小样本、非线性数据特征的多分类问题,适用于电力变压器油色谱故障气体预测,但参数c与σ2的选取对预测结果影响较大,有必要对其进行优化选择。提出一种基于改进粒子群(MPSO)的参数寻优方法,并将其应用到变压器油中故障气体预测。改进粒子群算法在每次迭代中,将粒子群进行分类,不同类粒子采取不同加速因子,相比较经典粒子群算法,可以有效扩大粒子搜索区间,增强其局部搜索能力。最后进行了多组现场数据的实例分析,结果表明:基于MPSO进行参数优化后的LS-SVM预测准确率明显优于传统LS-SVM预测结果。
引用
收藏
页码:35 / 38
页数:4
相关论文
共 10 条
[1]   Novel grey model for the prediction of trend of dissolved gases in oil-filled power apparatus [J].
Wang, MH ;
Hung, CP .
ELECTRIC POWER SYSTEMS RESEARCH, 2003, 67 (01) :53-58
[2]   基于最小二乘支持向量机算法的测量数据时序异常检测方法 [J].
倪景峰 ;
刘丽华 ;
顾煜炯 .
华北电力大学学报(自然科学版), 2008, (03) :62-66
[3]   最小二乘支持向量机多分类法的变压器故障诊断 [J].
贾嵘 ;
徐其惠 ;
李辉 ;
刘伟 ;
杨可 .
高电压技术, 2007, (06) :110-113+132
[4]   Nguyen-Widrow法用于变压器油气分析故障诊断 [J].
徐志钮 ;
律方成 .
高电压技术, 2006, (08) :46-48
[5]   基于支持向量机及油中溶解气体分析的大型电力变压器故障诊断模型研究 [J].
董明 ;
孟源源 ;
徐长响 ;
严璋 .
中国电机工程学报, 2003, (07) :88-92
[6]   粒子群优化算法 [J].
李爱国 ;
覃征 ;
鲍复民 ;
贺升平 .
计算机工程与应用, 2002, (21) :1-3+17
[7]   应用灰色理论预测变压器等充油设备内的油中气体浓度 [J].
袁保奎 ;
郭基伟 ;
唐国庆 .
电力系统及其自动化学报, 2001, (03) :40-42
[8]   变压器故障的相关系数分析法 [J].
李天云 ;
应鸿 ;
王洪哲 .
变压器, 1996, (08) :37-39
[9]  
电气设备油中气体在线监测与故障诊断技术.[M].孙才新等著;.科学出版社.2003,
[10]  
人工智能基础.[M].邵军力等编著;.电子工业出版社.2000,