文中提出了一种基于改进支持向量机的变压器实时热点温度预测方法。该方法以变压器负载电流、环境温度和顶层油温为特征值,将变压器热点温度预警与预测相结合,目的在于实现基于近期历史运行数据的变压器实时热点温度预测。文中研究分析...文中提出了一种基于改进支持向量机的变压器实时热点温度预测方法。该方法以变压器负载电流、环境温度和顶层油温为特征值,将变压器热点温度预警与预测相结合,目的在于实现基于近期历史运行数据的变压器实时热点温度预测。文中研究分析了基于改进网格搜索、遗传算法及粒子群算法的支持向量机在变压器短期热点温度预测中的应用效果,结果表明,3种改进方法均可有效提升预测精度,但基于改进网格搜索算法的支持向量机预测效率最高。最后,以某35 k V油浸式变压器实时热点温度数据为样本集,文中所述方法可有效实现变压器短期热点温度预警预测,预测准确度高于90%。展开更多
文摘提出一种新的轴承故障特征提取方法——层次模糊熵(Hierarchical Fuzzy Entropy,HFE)。层次模糊熵包括层次分析和模糊熵计算。与多尺度模糊熵相比,层次模糊熵既分析信号的低频分量又分析信号的高频分量,因而能提取更全面、准确的故障信息。改进支持向量机(Improved support vector machine based binary tree,ISVMBT)相比其他多分类器具有识别率更高的优势,因此提出了一种基于层次模糊熵和改进支持向量机的轴承故障诊断方法。首先将HFE作为故障特征提取工具,然后将所得的特征向量输入到改进支持向量机进行模式识别。通过轴承故障诊断的工程应用,表明该方法可以有效提取轴承故障特征,实现轴承不同故障类型和故障程度的准确识别。
文摘文中提出了一种基于改进支持向量机的变压器实时热点温度预测方法。该方法以变压器负载电流、环境温度和顶层油温为特征值,将变压器热点温度预警与预测相结合,目的在于实现基于近期历史运行数据的变压器实时热点温度预测。文中研究分析了基于改进网格搜索、遗传算法及粒子群算法的支持向量机在变压器短期热点温度预测中的应用效果,结果表明,3种改进方法均可有效提升预测精度,但基于改进网格搜索算法的支持向量机预测效率最高。最后,以某35 k V油浸式变压器实时热点温度数据为样本集,文中所述方法可有效实现变压器短期热点温度预警预测,预测准确度高于90%。
