电力变压器油中溶解气体异常数据识别与含量预测研究 被引量：1

1

作者 杜江 范志远 +2 位作者 范仲华 王庆凯 李佩贤 《电网技术》 北大核心 2025年第2期844-853,I0116,共11页

采用神经网络模型对油中溶解气体含量进行预测是目前评估电力变压器运行状态的重要方法,数据质量是影响神经网络模型预测精度的关键因素,然而,由于变压器复杂的运行环境,使得采集到的气体数据中不可避免地存在多种类型的异常数据,进而... 采用神经网络模型对油中溶解气体含量进行预测是目前评估电力变压器运行状态的重要方法,数据质量是影响神经网络模型预测精度的关键因素,然而,由于变压器复杂的运行环境,使得采集到的气体数据中不可避免地存在多种类型的异常数据,进而造成数据质量下降,严重影响模型的预测精度。此外,神经网络模型的参数是否匹配也是影响其预测性能的重要因素,然而,传统依据人工经验选择参数存在主观性、低效性和不可扩展性等缺点,也在一定程度上影响了模型的预测性能。为解决上述问题,该文通过对最近邻集成隔离法(isolation using nearest neighbor ensemble,iNNE)进行修正,提出了修正最近邻集成隔离法(modified isolation using nearest neighbor ensemble,MiNNE),利用MiNNE综合考虑局部度量与全局度量的特性实现气体异常数据的准确识别,有效提升数据质量。同时,对鹈鹕优化算法进行改进,提出了改进鹈鹕优化算法(improved pelican optimization algorithm,IPOA),并利用IPOA对影响神经网络模型预测精度的关键参数进行优化,有效克服了传统依据经验选参而导致模型预测精度低与传统POA易陷入局部最优的问题,提高了模型的预测性能。采用电力变压器实际运行数据对所提模型进行验证,结果表明,相较于其他模型,所提模型在7种特征气体预测中均取得了最佳的预测效果,充分证明了所提模型的优越性。 展开更多

关键词 电力变压器 油中溶解气体 异常数据识别 气体含量预测

在线阅读 下载PDF 职称材料

考虑耦合效应的页岩油井筒温压分布预测分析

2

作者 董康兴 郭书魁 +3 位作者 金中石 赵鑫瑞 陈永峰 郭壮 《石油机械》 北大核心 2025年第5期110-116,共7页

井筒温度和压力是页岩油井产量预测、动态分析及生产设计的重要参数。为此,基于现场监测数据,采用井筒压力模型、井筒传热学理论和漂移模型,提出了多场耦合作用下油气混合井筒的温压预测方法;采用牛顿迭代法对构建的耦合模型求解,结合... 井筒温度和压力是页岩油井产量预测、动态分析及生产设计的重要参数。为此,基于现场监测数据,采用井筒压力模型、井筒传热学理论和漂移模型,提出了多场耦合作用下油气混合井筒的温压预测方法;采用牛顿迭代法对构建的耦合模型求解,结合文献数据和大庆某页岩油井实测数据,开展了耦合性对比分析,验证了其可靠性;并基于该模型进一步分析了产气量、产液量和溶解气油比对温压的敏感性。研究结果表明:产液量和产气量的增大使温度升高,而溶解气油比的增大对温度影响不大;产液量的增大使压力增大,产气量的增大使压力先减小再增大,溶解气油比的增大使压力整体趋势减小。所提出方法的压力和温度预测结果与实测数据误差分别为1.39%和1.44%,可满足工程计算要求。所得结论可为页岩油井的开发提供指导。 展开更多

关键词 页岩油井 漂移模型 温压耦合模型 井筒温压预测 产气量 产液量 溶解气油比

在线阅读 下载PDF 职称材料

基于加性模型的电力变压器油中溶解气体预测方法研究

3

作者 徐惠 罗传仙 张静 《电网与清洁能源》 北大核心 2025年第7期27-35,共9页

油中溶解气体分析(dissolved gas analysis,DGA)监测技术数据质量的管理、维护及保障体系不完善,导致目前油中溶解气体数据质量存在一定缺陷。提出一种适合油中溶解气体时序数据的趋势预测方法,通过对油中溶解气体在线监测时序数据的特... 油中溶解气体分析(dissolved gas analysis,DGA)监测技术数据质量的管理、维护及保障体系不完善,导致目前油中溶解气体数据质量存在一定缺陷。提出一种适合油中溶解气体时序数据的趋势预测方法,通过对油中溶解气体在线监测时序数据的特征进行深入分析,选择了泛化性能优越的统计模型,并借鉴加性模型的优点,对存在缺失值的油中溶解气体数据进行拟合,并对预测效果进行分析。同时,与XGBoos(textreme gradient boosting,XGBoost)模型预测效果进行对比,通过实例对比了两者在预测效果上的差异。 展开更多

关键词 油中溶解气体分析 数据质量 趋势预测 加性模型

在线阅读 下载PDF 职称材料

考虑时空耦合关系的电力变压器油中溶解气体多尺度融合预测方法

4

作者 张倩倩 李敏 +3 位作者 耿绍胜 王春鑫 谢军 谢庆 《绝缘材料》 北大核心 2025年第6期122-130,共9页

对油中溶解气体的时空耦合关系进行多尺度挖掘,有助于提高油中溶解气体预测精度,为变压器运维决策提供可靠理论依据。为此,提出一种考虑时空耦合信息的变压器油中溶解气体多尺度融合预测方法。首先,利用Res2Net对油中溶解气体数据进行... 对油中溶解气体的时空耦合关系进行多尺度挖掘,有助于提高油中溶解气体预测精度,为变压器运维决策提供可靠理论依据。为此,提出一种考虑时空耦合信息的变压器油中溶解气体多尺度融合预测方法。首先,利用Res2Net对油中溶解气体数据进行多尺度时间特征提取,捕捉特征气体不同频率的周期性时间特征信息。其次,通过计算互信息捕捉特征气体间隐性关系,以拓扑关系图的形式描述不同气体间关联性,并使用图卷积神经网络(GCN)提取空间信息特征。最后,将多尺度时间信息与空间信息进行融合拼接,采用时间卷积网路(TCN)对油中溶解气体进行预测,并使用某500 kV变压器油色谱在线监测数据对所提方法进行验证。结果表明:相比于传统预测方法,Res2NetGCN-TCN模型可有效提高油中溶解气体含量预测精度,平均预测精度可达98.68%。 展开更多

关键词 油中溶解气体预测 Res2Net 图卷积 时间卷积 时空信息融合

在线阅读 下载PDF 职称材料

基于相关变分模态分解和CNN-LSTM的变压器油中溶解气体体积分数预测 被引量：8

5

作者 范志远 杜江 《高电压技术》 EI CAS CSCD 北大核心 2024年第1期263-273,I0020,共12页

为解决变压器油中溶解气体实际监测数据中噪声信号对模型预测性能的影响以及单一长短期记忆神经网络(long short-term memory,LSTM)无法对数据间的深层特征进行有效提取的问题,提出了一种融合了相关变分模态分解(correlation variationa... 为解决变压器油中溶解气体实际监测数据中噪声信号对模型预测性能的影响以及单一长短期记忆神经网络(long short-term memory,LSTM)无法对数据间的深层特征进行有效提取的问题,提出了一种融合了相关变分模态分解(correlation variational mode decomposition,CVMD)、1维卷积神经网络(one dimensional convolutional neural network,1D-CNN)和LSTM的组合预测模型。首先,利用CVMD去除原始气体序列中的噪声信号,并将去噪序列分解为1组相对平稳的子序列分量;然后,针对各子序列分量分别构建CNN-LSTM预测模型,利用1D-CNN挖掘数据间的深层特征形成特征向量,并将其输入到LSTM中进行预测;最后,对各子序列预测结果叠加重构,得到最终的气体预测值。并通过4组对比实验对所提模型进行了全方位、多角度的验证。算例研究结果表明,所提模型单步和多步预测的平均绝对百分比误差分别为1.53%和2.09%。相较于现有模型,该文所提模型在单步和多步预测性能上均有明显提升,为变压器在线监测和故障预警提供了重要技术支撑。 展开更多

关键词 油中溶解气体 相关变分模态分解 1维卷积神经网络 长短期记忆神经网络 气体体积分数预测

在线阅读 下载PDF 职称材料

基于OVMD-HWOA-KELM模型的变压器油中溶解气体体积分数预测方法 被引量：5

6

作者 谢明浩 张林鍹 +1 位作者 董小刚 许晋闻 《高电压技术》 EI CAS CSCD 北大核心 2024年第8期3793-3804,I0037,I0038,I0039,共15页

针对变压器油中溶解气体序列波动性、随机性较强难以精确预测的问题,提出一种基于最优变分模态分解(optimal variational mode decomposition,OVMD)、混合型鲸鱼优化算法(hybrid whale optimization algorithm,HWOA)和核极限学习机(kern... 针对变压器油中溶解气体序列波动性、随机性较强难以精确预测的问题,提出一种基于最优变分模态分解(optimal variational mode decomposition,OVMD)、混合型鲸鱼优化算法(hybrid whale optimization algorithm,HWOA)和核极限学习机(kernel extreme learning machine,KELM)的组合预测模型。首先,运用OVMD获取最优分解参数,并将原始序列分解为一系列相对平稳的分量;其次,通过在鲸鱼种群中融入混沌映射、非线性收敛参数、自适应权重因子和改进的算术优化算法提出HWOA算法,并利用测试函数验证HWOA算法的优越性;然后,对各分量分别构建KELM预测模型,使用HWOA优化KELM的关键参数。最后,将各分量的预测结果叠加重构,得到最终预测结果。案例分析表明,所提模型对变压器正常和异常案例预测的决定系数分别可达97.7%和93.46%,相较于现存方法,该模型具有更好的准确性和适应性,可为电力变压器运维管理提供有利技术支撑。 展开更多

关键词 油中溶解气体 最优变分模态分解 融合型鲸鱼优化算法 核极限学习机 变压器状态预测

在线阅读 下载PDF 职称材料

基于TVFEMD和多模型融合的变压器油中溶解气体体积分数预测方法 被引量：1

7

作者 曹正江 付文龙 +1 位作者 文斌 花雅文 《高压电器》 CAS CSCD 北大核心 2024年第8期156-166,共11页

油中溶解气体分析可以反映变压器的运行状态,对其体积分数精准预测可以为变压器早期故障判别和预警提供理论支撑。为此提出了一种基于时变滤波经验模态分解和多模型融合的变压器油中溶解气体体积分数预测方法。首先,通过时变滤波经验模... 油中溶解气体分析可以反映变压器的运行状态,对其体积分数精准预测可以为变压器早期故障判别和预警提供理论支撑。为此提出了一种基于时变滤波经验模态分解和多模型融合的变压器油中溶解气体体积分数预测方法。首先,通过时变滤波经验模态分解将气体体积分数序列分解为多个子序列,降低其非平稳性;其次,利用多模型融合策略,将4种不同单模型的预测结果进行融合重构,因单模型权重系数对预测结果有显著影响,利用改进黏菌算法对权重系数进行优化,以提高预测精度;最后,通过算例验证表明,相比于传统的预测模型,所提方法具有更高的预测精度,可以更好地预测油中气体体积分数的变化趋势。 展开更多

关键词 油中溶解气体体积分数预测 时变滤波经验模态分解 改进黏菌算法 多模型融合

在线阅读 下载PDF 职称材料

基于灰关联和模糊支持向量机的变压器油中溶解气体浓度的预测 被引量：28

8

作者 司马莉萍 舒乃秋 +2 位作者 左婧 王波 彭辉 《电力系统保护与控制》 EI CSCD 北大核心 2012年第19期41-46,共6页

提出一种基于灰关联分析和模糊支持向量机的电力变压器油中溶解气体浓度预测模型。该模型考虑了变压器油温、负荷对油中气体浓度的影响,先利用灰关联度分析各因素间的相关性,提取影响气体浓度的主要因素作为支持向量机回归建模的输入样... 提出一种基于灰关联分析和模糊支持向量机的电力变压器油中溶解气体浓度预测模型。该模型考虑了变压器油温、负荷对油中气体浓度的影响,先利用灰关联度分析各因素间的相关性,提取影响气体浓度的主要因素作为支持向量机回归建模的输入样本属性。再将模糊数学和支持向量机结合起来,引入模糊隶属函数,将样本按照时间由近及远赋予由大到小的权重,反映出近期数据对后续预测结果的影响大于早期数据。该模型提高了预测精度,克服了传统支持向量机和只考虑某种或全部气体预测方法的不足。通过实例分析,验证了模型的有效性和优越性。 展开更多

关键词 变压器 油中溶解气体 灰关联分析 模糊支持向量机 预测

在线阅读 下载PDF 职称材料

基于互信息变量选择的变压器油中溶解气体浓度预测 被引量：44

9

作者 唐勇波 桂卫华 +1 位作者 彭涛 欧阳伟 《仪器仪表学报》 EI CAS CSCD 北大核心 2013年第7期1492-1498,共7页

针对变压器油中溶解气体浓度预测中存在的输入变量选择结果受噪声影响的问题,提出了改进的互信息变量选择和支持向量回归机的油中溶解气体浓度预测方法。首先,对油中溶解气体各变量进行相空间重构,利用独立成分分析方法进行信噪分离;然... 针对变压器油中溶解气体浓度预测中存在的输入变量选择结果受噪声影响的问题,提出了改进的互信息变量选择和支持向量回归机的油中溶解气体浓度预测方法。首先,对油中溶解气体各变量进行相空间重构,利用独立成分分析方法进行信噪分离;然后,提出改进的标准化互信息方法进行输入变量选择,以降低噪声对互信息变量选择的影响;最后,采用支持向量回归机作为预测器对变压器油中溶解气体浓度进行预测。实验结果表明,改进的标准化互信息的输入变量选择结果吻合油劣化热动力学研究结果,具有较优的预测精度和泛化能力。 展开更多

关键词 油中溶解气体 预测 互信息 支持向量回归机 变量选择

在线阅读 下载PDF 职称材料

灰色理论–变分模态分解和NSGA-Ⅱ优化的支持向量机在变压器油中气体预测中的应用 被引量：37

10

作者 肖怀硕 李清泉 +2 位作者 施亚林 张同乔 张纪伟 《中国电机工程学报》 EI CSCD 北大核心 2017年第12期3643-3653,共11页

为了利用有限的历史数据准确地预测未来一段时间变压器油中的气体含量,该文将一种变分模态分解(variational mode decomposition,VMD)方法和优化的支持向量机(support vector machine,SVM)引入到预测模型中。首先,采用灰色模型(grey mod... 为了利用有限的历史数据准确地预测未来一段时间变压器油中的气体含量,该文将一种变分模态分解(variational mode decomposition,VMD)方法和优化的支持向量机(support vector machine,SVM)引入到预测模型中。首先,采用灰色模型(grey model,GM)对原始序列进行去趋势处理,然后对去趋势的序列进行VMD,得到了一组平稳的模态分量。再通过经改进的非支配排序遗传算法-II优化的SVM对各模态分量分别进行预测,最后重构获得了最终的预测结果。实验结果表明,该方法既在气体预测中具有较高精度,还能够反映气体变化趋势,并为电力系统其他领域的预测模型提供了新思路。 展开更多

关键词 灰色理论 变分模态分解 支持向量机 油中溶解气体 预测

在线阅读 下载PDF 职称材料

应用新型多方法组合预测模型估计变压器油中溶解气体浓度 被引量：41

11

作者 杨廷方 刘沛 +1 位作者 李浙 曾祥君 《中国电机工程学报》 EI CSCD 北大核心 2008年第31期108-113,共6页

为提高变压器故障的预测能力,提出了采用最优加权组合预测模型,将灰色理论、BP神经网络、遗传算法和卡尔曼预测算法这4种单项预测算法综合起来,对油中溶解气体的浓度及发展趋势进行精确预测。首先对根据各种单项预测方法的误差,按照预... 为提高变压器故障的预测能力,提出了采用最优加权组合预测模型,将灰色理论、BP神经网络、遗传算法和卡尔曼预测算法这4种单项预测算法综合起来,对油中溶解气体的浓度及发展趋势进行精确预测。首先对根据各种单项预测方法的误差,按照预测误差平方和最小的原则计算各自的权系数,然后加权建立综合组合预测模型,并最终求解出变压器油中溶解气体的浓度。组合预测法能很好地综合各种单项预测方法的优势,更大限度地作出正确的预测。预测实例分析也证明了组合预测方法的可靠性和有效性。该方法不仅可以有效降低单项预测算法的预测误差,提高预测模型的预报能力,同时还为电力系统中其它领域的预测提供了新的思路。 展开更多

关键词 灰色理论 BP神经网络 遗传算法 卡尔曼预测 油中溶解气体 浓度预测

在线阅读 下载PDF 职称材料

基于油色谱分析的变压器故障在线预测方法 被引量：13

12

作者 王有元 廖瑞金 +1 位作者 陈伟根 杜林 《重庆大学学报（自然科学版）》 EI CAS CSCD 北大核心 2005年第7期34-37,共4页

电力变压器是电力系统中的关键设备之一,变压器故障可能会造成长时间的供电中断.因此,尽早发现变压器故障具有重要的意义.介绍了能够在线监测变压器油中H2,CO,CH4,C2H4,C2H2,C2H6等6种气体在线监测装置的基本结构.根据油中各溶解气体的... 电力变压器是电力系统中的关键设备之一,变压器故障可能会造成长时间的供电中断.因此,尽早发现变压器故障具有重要的意义.介绍了能够在线监测变压器油中H2,CO,CH4,C2H4,C2H2,C2H6等6种气体在线监测装置的基本结构.根据油中各溶解气体的在线监测数据,采用灰色预测技术建立了灰色预测模型,并利用BPNN进行变压器的故障预测.该方法能够有效地预测未来时刻变压器油中溶解气体的浓度、诊断变压器在未来时刻的绝缘状况.现场运行结果表明,该方法能够满足工程实际的需要. 展开更多

关键词 故障预测 在线监测 BP神经网络 油中溶解气体

在线阅读 下载PDF 职称材料

基于经验模态分解和长短期记忆神经网络的变压器油中溶解气体浓度预测方法 被引量：75

13

作者 刘云鹏 许自强 +2 位作者 董王英 李哲 高树国 《中国电机工程学报》 EI CSCD 北大核心 2019年第13期3998-4007,共10页

对油中溶解气体浓度进行有效预测,可为电力变压器故障诊断及预警提供重要依据。提出一种基于经验模态分解与长短期记忆神经网络的变压器油中溶解气体浓度预测方法。首先,运用经验模态分解将气体浓度序列分解为一组相对平稳的子序列分量... 对油中溶解气体浓度进行有效预测,可为电力变压器故障诊断及预警提供重要依据。提出一种基于经验模态分解与长短期记忆神经网络的变压器油中溶解气体浓度预测方法。首先,运用经验模态分解将气体浓度序列分解为一组相对平稳的子序列分量,以减少不同趋势信息间的相互影响;然后,针对各子序列分别构建基于长短期记忆神经网络的时序预测模型,并利用贝叶斯理论对网络相关超参数进行优化,以提高单个模型的预测精度;最后,叠加各子序列预测结果得到气体浓度预测值。算例研究结果表明,相较于传统预测算法,所提方法能更好地追踪油中溶解气体的浓度变化趋势,具有更高的预测精度。 展开更多

关键词 油中溶解气体 经验模态分解 长短期记忆神经网络 预测

在线阅读 下载PDF 职称材料

基于时间序列和支持向量机的变压器故障预测 被引量：45

14

作者 黄新波 蒋卫涛 +1 位作者 朱永灿 田毅 《高电压技术》 EI CAS CSCD 北大核心 2020年第7期2530-2538,共9页

电力变压器故障预测可实现对变压器故障的早期预警,对保证电力系统的正常运行具有重要意义。该文提出了一种基于时间序列和支持向量机(SVM)的变压器故障预测模型。该模型以时间序列分析中的自回归积分滑动平均模型(ARIMA)为基础,采用遗... 电力变压器故障预测可实现对变压器故障的早期预警,对保证电力系统的正常运行具有重要意义。该文提出了一种基于时间序列和支持向量机(SVM)的变压器故障预测模型。该模型以时间序列分析中的自回归积分滑动平均模型(ARIMA)为基础,采用遗传算法(GA)对ARIMA模型参数p和q进行定阶,并利用定阶后的时间序列模型对变压器油中溶解气体进行预测,然后利用基于网格搜索算法(GS)优化后的SVM模型对预测出的油中溶解气体进行诊断。运行结果表明,该模型的预测准确率可达89.66%,而利用GM–SVM、ARIMA–SVM和GA–ARIMA–ANN得到的预测准确率分别为58.62%、79.31%、75.86%。因此,所提出模型有更高的预测准确率。 展开更多

关键词 变压器 故障预测 时间序列 支持向量机 ARIMA 遗传算法 油中溶解气体

在线阅读 下载PDF 职称材料

用灰色多变量模型预测变压器油中溶解的气体浓度 被引量：30

15

作者 肖燕彩 朱衡君 陈秀海 《电力系统自动化》 EI CSCD 北大核心 2006年第13期64-67,共4页

目前变压器油中气体浓度预测普遍采用GM(1,1)模型及其改进形式,针对其在建模时只单独考虑某种气体发展变化的不足,介绍了灰色多变量预测模型MGM(1,n),它可以综合考虑从同一信号中提取的多个诊断指标,因而预测更科学、有效。对变压器油... 目前变压器油中气体浓度预测普遍采用GM(1,1)模型及其改进形式,针对其在建模时只单独考虑某种气体发展变化的不足,介绍了灰色多变量预测模型MGM(1,n),它可以综合考虑从同一信号中提取的多个诊断指标,因而预测更科学、有效。对变压器油中溶解的7种特征气体即氢气、甲烷、乙烷、乙烯、乙炔、一氧化碳和二氧化碳进行了灰色关联分析,建立了相应的MGM(1,7) 模型,预测实例分析证明,与传统GM(1,1)模型及其改进形式相比,用灰色多变量模型预测的效果更好。 展开更多

关键词 电力变压器 油中溶解气体 浓度预测 灰色多变量模型 灰色关联分析

在线阅读 下载PDF 职称材料

卡尔曼滤波对油中溶解气体含量的预测 被引量：6

16

作者 杨廷方 刘沛 +1 位作者 李景禄 胡毅 《高电压技术》 EI CAS CSCD 北大核心 2007年第8期118-121,共4页

准确测量变压器油中溶解气体的浓度是对变压器进行色谱分析的关键,为此,以卡尔曼滤波理论为基础研究了新型油浸式电力变压器油中溶解气体含量的预测模式及其应用特性,并分析了卡尔曼滤波的稳定性、实用性及其适应数值变化的能力,展示了... 准确测量变压器油中溶解气体的浓度是对变压器进行色谱分析的关键,为此,以卡尔曼滤波理论为基础研究了新型油浸式电力变压器油中溶解气体含量的预测模式及其应用特性,并分析了卡尔曼滤波的稳定性、实用性及其适应数值变化的能力,展示了卡尔曼滤波在数据预测方面的优越性。在卡尔曼滤波算法的迭代计算中以观测量的最小均方误差阵为准则,推导出了用预测误差向量进行方差估计,求出最小方差意义下预测量的最优估计。理论推导和仿真结果表明,该方法计算简单、可靠,可以大大地降低预测误差,提高预测模型的预报能力,能满足工程实践的需要。 展开更多

关键词 卡尔曼滤波 油中溶解气体含量 预测模型 预报能力 最小均方误差 预测误差

在线阅读 下载PDF 职称材料

基于粒子群优化–长短期记忆网络模型的变压器油中溶解气体浓度预测方法 被引量：61

17

作者 刘可真 苟家萁 +3 位作者 骆钊 王科 徐肖伟 赵勇军 《电网技术》 EI CSCD 北大核心 2020年第7期2778-2784,共7页

电力变压器作为电网中传输和变换电能的主要设备,对油中溶解气体的浓度进行有效预测,可为变压器的故障诊断及状态评估技术提供一定的理论依据。鉴于此,提出一种基于粒子群优化算法(particle swarm optimization,PSO)与长短期记忆网络(lo... 电力变压器作为电网中传输和变换电能的主要设备,对油中溶解气体的浓度进行有效预测,可为变压器的故障诊断及状态评估技术提供一定的理论依据。鉴于此,提出一种基于粒子群优化算法(particle swarm optimization,PSO)与长短期记忆网络(long-shorttermmemory,LSTM)的变压器油中溶解气体浓度预测方法。首先该模型以油中溶解的7种特征气体浓度序列作为可视输入;然后通过使用粒子群优化算法对长短期记忆网络中相关超参数进行迭代优化;最后构建PSO-LSTM组合模型对油中溶解气体的浓度进行预测。该模型克服了依据经验选取参数而导致预测精度低的问题。算例分析结果表明,相较于传统预测算法,所提方法可以更好地追踪油中溶解气体浓度的变化规律,提高了预测精度,为电力变压器安全稳定运行提供了有力保障。 展开更多

关键词 变压器 粒子群优化 长短期记忆网络 油中溶解气体 预测

在线阅读 下载PDF 职称材料

基于GEP滑动窗口模型的变压器油中溶解气体含量预测 被引量：2

18

作者 胡资斌 朱永利 +1 位作者 段振锋 董卓 《华北电力大学学报（自然科学版）》 CAS 北大核心 2012年第4期42-46,共5页

为了对变压器的运行状态和潜伏性故障进行有效预测,提出了基于基因表达式程序设计(Gene Expression Programming,GEP)滑动窗口预测模型的变压器油中溶解气体浓度的预测方法。根据变压器油中溶解气体量的变化特点,选择合适的嵌入维度、... 为了对变压器的运行状态和潜伏性故障进行有效预测,提出了基于基因表达式程序设计(Gene Expression Programming,GEP)滑动窗口预测模型的变压器油中溶解气体浓度的预测方法。根据变压器油中溶解气体量的变化特点,选择合适的嵌入维度、终结点集、函数集等GEP运行参数后由适应度函数驱动进行遗传操作,演化出各气体的预测模型。结合变压器运行实例,给出了7种主要气体的预测结果以及H2含量的预测公式,并与MGM(1,7)模型进行比较。对比结果表明,该方法能有效地提高预测精度。 展开更多

关键词 GEP 滑动窗口 油中溶解气体 浓度预测

在线阅读 下载PDF 职称材料

KTA-SVM的变压器油中溶解气体浓度预测 被引量：6

19

作者 唐勇波 丰娟 《控制工程》 CSCD 北大核心 2017年第11期2263-2267,共5页

针对变压器油中溶解气体浓度预测中存在的变量取值范围影响预测精度问题,提出了基于核目标度量规则(Kernel Target Alignment,KTA)和支持向量机(Support Vector Machines,SVM)的油中溶解气体浓度预测方法。在分析油中溶解气体产生机理... 针对变压器油中溶解气体浓度预测中存在的变量取值范围影响预测精度问题,提出了基于核目标度量规则(Kernel Target Alignment,KTA)和支持向量机(Support Vector Machines,SVM)的油中溶解气体浓度预测方法。在分析油中溶解气体产生机理的基础上选取输入变量,采用KTA对输入变量进行尺度缩放来避免变量的取值范围影响SVM泛化性能问题,利用交叉验证法选择SVM的参数,建立油中溶解气体浓度的KTA-SVM预测模型。将所提出的方法与SVM和灰色模型进行比较,均方根误差分别为0.156 8、0.179 1、0.220 5,实验结果表明了所提出的方法具有较优的预测精度和泛化性能。 展开更多

关键词 变压器油 油中溶解气体 预测 支持向量机 核目标度量

在线阅读 下载PDF 职称材料

基于核熵成分分析的油中溶解气体浓度预测 被引量：5

20

作者 江风云 唐勇波 《控制工程》 CSCD 北大核心 2020年第8期1419-1424,共6页

针对变压器油中溶解气体浓度预测中信息利用不完善问题,提出基于核熵成分分析(Kernel Entropy Component Analysis,KECA)的油中溶解气体浓度预测建模方法。首先用灰关联分析方法选取预测模型的输入变量;然后对选取的输入变量进行相空间... 针对变压器油中溶解气体浓度预测中信息利用不完善问题,提出基于核熵成分分析(Kernel Entropy Component Analysis,KECA)的油中溶解气体浓度预测建模方法。首先用灰关联分析方法选取预测模型的输入变量;然后对选取的输入变量进行相空间重构;最后采用Renyi熵信息测度确定KECA核参数,用KECA对重构相空间提取核熵成分作为支持向量机(Support Vector Machine,SVM)的输入,建立变压器油中溶解气体浓度预测模型。用本文方法、单变量时间序列方法、多元变量时间序列方法测试60例样本,本文方法具有最小的均方根误差,为0.1607。实验结果表明,本文提出的方法具有较优的预测精度和泛化能力。 展开更多

关键词 变压器 油中溶解气体 核熵成分分析 RENYI熵 预测

在线阅读 下载PDF 职称材料