亚星游戏官网-www.yaxin868.com

专利名称：预测变压器油中溶解气体浓度的方法
技术领域：
本发明涉及一种预测油中溶解气体浓度的方法，尤其涉及预测变压器油中溶解气体浓度的方法。
背景技术：
近些年来，很多种不同的方法被用于变压器油中溶解气体浓度的预测，包括灰色模型及其改进模型，人工神经网络和支持向量机(Support Vector Machine, SVM)等。人工神经网络被广泛的应用于数据的预测，但需要大量的数据，而相对久远的数据会影响气 体浓度预测的准确率，油中溶解气体浓度预测呈现小样本特点，因此人工神经网络并不适用于变压器油中溶解气体浓度的预测；灰色模型对于小样本问题可以得到更高的预测准确率，但其描述的是一个随时间按指数规律增长或减少的过程，而油中溶解气体浓度因为受到外部环境的影响有时并不符合这一规律，因此灰色模型在预测中也总会存在一定的偏差；支持向量机由于其在处理小样本问题上的优异表现，在预测问题中得到了广泛的应用，在油中溶解气体预测方面也表现出良好的性能，但由于其需要设定的参数过多，导致了算法的复杂性增加。

发明内容
本发明的目的就是为了解决上述问题，提供一种预测变压器油中溶解气体浓度的方法，它采用粒子群优化算法和相关向量机方法，基于leave-one-out方法构造适应度函数优化核参数的取值，具有平衡数据的可靠性和计算的复杂性的优点。为了实现上述目的，本发明采用如下技术方案一种预测变压器油中溶解气体浓度的方法，具体步骤为第一步对变压器油中溶解气体数据进行必要的处理，形成等时间间隔数据，A=[a1； a2,…，an]，an为气体浓度数据，η为自然数，则训练样本数据输入X和输出Y按以下方式进行构造
权利要求
1.一种预测变压器油中溶解气体浓度的方法，其特征是，具体步骤为 第一步对变压器油中溶解气体数据进行必要的处理，形成等时间间隔数据，A=[a1； a2,…，an]，an为气体浓度数据，η为自然数，则训练样本数据输入X和输出Y按以下方式进行构造
2.如权利要求I所述一种预测变压器油中溶解气体浓度的方法，其特征是，所述第二步中的具体步骤为 (O建立目标值与属性值之间的关系
3.如权利要求I所述一种预测变压器油中溶解气体浓度的方法，其特征是，所述第三步中的具体步骤为 (1)初始化一组粒子位置和速度； (2)计算粒子的适应值；采取leave-one-out方法设置适应度函数，若原训练集中有k组数据，leave-one-out按以下方式进行从中随机选取一个作为测试集，剩余的k_l组作为训练集，将预测结果与真实值比较，以上过程进行k次，k为大于I的自然数，将其平均绝对误差百分比作为适应值函数
4.如权利要求I所述一种预测变压器油中溶解气体浓度的方法，其特征是，所述快速相关向量机算法的具体步骤如下 (1)合理的初始化σ2 ； (2)初始化一个基函数Φ ，同时使
5.如权利要求I所述一种预测变压器油中溶解气体浓度的方法，其特征是，所述变压器为所有电压等级的油浸式变压器。
全文摘要
本发明公开了一种预测变压器油中溶解气体浓度的方法，具体步骤为第一步对变压器油中溶解气体数据进行必要的处理，形成等时间间隔数据，A=[a1,a2,…,an]，按照一定的方式对训练样本数据输入X和输出Y进行构造函数；第二步建立快速相关向量机模型；第三步采用粒子群优化算法和leave-one-out方法构造适应度函数优化核参数的取值对核函数进行优化；第四步将训练数据带入快速相关向量机模型，得到相关向量及其对应的权重。本发明引入相关向量机快速算法克服传统相关向量机计算速度慢的缺点，采用粒子群优化算法，并基于leave-one-out方法对核函数优化，较好地平衡数据的可靠性和计算的复杂性之间，得到准确的预测结果。
文档编号G01N33/28GK102778555SQ20121027708
公开日2012年11月14日 申请日期2012年8月6日 优先权日2012年8月6日
发明者李可军, 梁永亮, 牛林, 赵建国 申请人:国网技术学院