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

来源：

华北电力大学学报(自然科学版) | 2011年 / 38卷 / 01期

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

页码：35 / 38

页数：4

共 10 条

[1] Novel grey model for the prediction of trend of dissolved gases in oil-filled power apparatus [J].