-
题名基于油中溶解气体分析的变压器故障预测
被引量：5
- 1
-
-
作者
陈铁
陈卫东
李咸善
陈忠
-
机构
三峡大学电气与新能源学院
三峡大学梯级水电站运行与控制湖北省重点实验室
宜昌电力勘测设计院有限公司
-
出处
《电子测量技术》
北大核心
2021年第22期25-31,共7页
-
基金
国家自然科学基金(51741907)
梯级水电站运行与控制湖北省重点实验室开放基金(2019KJX08)项目资助。
-
文摘
预测变压器潜伏性故障对评估其健康状态至关重要。提出一种新型变压器故障预测方法,首先以LSTM网络为载体搭建时间注意力机制预测框架,并采用IALO算法优化其参数;其次利用优化的模型预测变压器油中溶解气体;然后采用MPA算法优化的SVM模型对气体预测结果进行故障诊断;最后统计诊断结果并与实际运行状态对比验证模型。实验结果显示在第42~58天内运行状态异常次数最多为29次,未来两个月内运行异常几率为86.89%,其中中温过热故障占比最高为88.67%,与实际情况误差仅为2.46%和1.29%,预测结果与实际运行情况符合较高,证明了所提方法在准确预测变压器运行状态异常时间点和故障类型中的可行性。
-
关键词
变压器
故障预测
溶解气体分析
改进的蚁狮算法
长短时记忆网络
时间注意力机制
支持向量机
-
Keywords
transformer
fault prediction
dissolved gas analysis
improved antlion optimization
long short-term memory network
temporal attention mechanism
support vector machine
-
分类号
TM411
[电气工程—电器]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名光伏电站短期功率区间预测
被引量：2
- 2
-
-
作者
赵辉
赵智立
王红君
岳有军
-
机构
天津理工大学电气电子工程学院
天津农学院工程技术学院
-
出处
《电源技术》
CAS
北大核心
2021年第4期490-494,共5页
-
基金
天津市自然科学基金重点项目(08JCZDJC18600)
天津市教委重点基金项目(2006ZD32)。
-
文摘
为了解决因天气因素导致的光伏出力预测不确定性和随机性问题,更好地量化光伏出力预测偏差的波动范围。提出了基于自适应噪声的集合经验模态分解(CEEMDAN)-排列熵(PE)和改进的蚁狮算法(IALO)优化核极限学习机(KELM)的光伏发电功率区间预测模型。利用CEEMDAN将历史功率信号分解为多个模态函数(IMF)分量,然后,计算各IMF的熵值,相近的熵值重新组合新序列。借助采用IALO调整输出层权重的KELM网络建立预测模型,对各序列进行区间构造并根据区间预测偏差调整区间模型,再叠加区间预测结果。以实际数据为算例,将组合预测模型与IALO-KELM模型和粒子群算法-反向传播算法(PSO-BP)模型进行对比实验。结果表明,CEEMDAN-PEIALO-KELM模型的区间预测结果准确性和可靠性更高。
-
关键词
光伏功率预测
CEEMDAN
排列熵
核极限学习机
改进的蚁狮算法
区间预测
-
Keywords
photovoltaic power prediction
CEEMDAN
permutation entropy
kernel extreme learning machine
improved ant lion optimizer
interval prediction
-
分类号
TM615
[电气工程—电力系统及自动化]
-
-
题名基于IALO-SVR的锂电池健康状态预测
被引量：16
- 3
-
-
作者
李强龙
孙建瑞
赵坤
王凯
-
机构
青岛大学电气工程学院
山东广域科技
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2022年第1期204-211,共8页
-
基金
山东省自然科学基金(ZR2020QE212)
山东省自然科学基金重点项目(ZR2020KF020)
青岛大学2020年创新型教学实验室研究项目(CXSYYB202003)资助
-
文摘
健康状态(SOH)预测作为锂离子电池管理系统(BMS)的关键功能之一,对于保证电池安全可靠运行、降低电池系统维护成本具有重要意义。为了提高锂电池SOH预测精度,提出一种基于改进的蚁狮优化算法和支持向量回归(IALO-SVR)的SOH预测方法,首先从电池充电数据中提取与电池容量相关的特征因子并进行相关性分析,选取相关度高的3个作为模型特征输入,再导入样本数据,通过改进的蚁狮优化算法(IALO)对SVR模型的关键参数进行寻优,建立最终预测模型。在NASA公开数据集上与现有的遗传算法-支持向量回归(GA-SVR)和改进粒子群算法-支持向量回归(IPSO-SVR)进行对比实验,结果表明IALO-SVR方法拥有更高的预测精度与拟合度,预测误差基本保持在1%以内,验证了预测方法的可行性。
-
关键词
锂离子电池
健康状态
改进的蚁狮优化算法
支持向量回归
-
Keywords
lithium-ion battery
state of health
improved antlion optimization algorithm
support vector regression
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TM912
[电气工程—电力电子与电力传动]
-
