一种基于支持向量机建模对发电机绝缘系统进行寿命预测的方法技术方案

本发明专利技术公开了本发明专利技术提供了一种基于支持向量机建模对发电机绝缘系统进行寿命预测的方法，给出了利用支持向量机算法建模的具体过程，以老化时间做输入分别建立六个发电机定子线棒非破坏性电参量预测模型，每五个老化周期为单位依次分别对六个非破坏性电参量做预测，再将结果分别带入所建立的基于支持向量机的发电机绝缘剩余击穿场强的寿命预测模型，直至预测结果低于临界剩余场强，从而更加精确地实现对发电机绝缘寿命的预测。

【技术实现步骤摘要】
一种基于支持向量机建模对发电机绝缘系统进行寿命预测的方法
本专利技术属于发电机绝缘寿命预测领域，具体的说，是一种基于风险最小支持向量机建模对发电机绝缘系统进行寿命预测的方法。
技术介绍
随着现代化工业的迅猛发展，许多大型化复杂结构的安全使用已成为当前工业稳定生产的重要前提。在电力系统领域中，发电机绝缘系统在整个运行寿命期限内承受着电气、机械和热负荷等应力作用，为保障系统的正常运行，发电机绝缘系统的寿命预测已成为判断其安全的重要因素。在现有航空发电机寿命预测领域中，较多使用的是利用支持向量机中的支持向量回归做寿命预测，例如，现有专利文献CN107944168A（一种基于最小二乘支持向量机的发电机寿命预测建模方法，2018.04.20）公开的一种寿命预测建模方法，首先对试验数据进行分析进行降噪处理，把不符合要求的边缘样本点去除，并对试验数据进行归一化处理，然后计算样本数据高斯径向基核并确定核空间，计算样本数据高斯径向基核，若核值超过设定要求，则在样本数据中取出一组或两组数据作为支持向量，如果核值低于设定要求，则去除该类点，并确立核空间向量，最后根据最小二乘算法计算支持向量机的网络系数和偏置，并构建模型。当然，对于发电机绝缘系统寿命预测而言，我们发现，虽然两者在分析过程中选取的特征量不同，但其建模算法和手段单一，只有理论的说法，没有具体程序的实现过程，建模方法没有创新点，参数寻优、模型优化过程未突显，预测结果准确性无法保障。现有专利文献CN10552861A（基于支撑向量机的多维度多步骤寿命预测方法，2016.04.27）公开了一种可以实现系统跨步预测及系统劣化前提预警的多维度多步骤的寿命预测方法，包括：采集数据，得到构造运行数据特征值；特征值预处理，对原始数据作滤波处理和归一化处理；选取样本数据，建立多维训练数据集和测试集；建模参数优化；利用训练数据集训练多维度多步骤寿命预测方法的模型；输入测试集数据得到预测的结果。
技术实现思路
为更加精确的预测发电机绝缘寿命，本专利技术提供了一种基于支持向量机建模对发电机绝缘系统进行寿命预测的方法，给出了利用支持向量机算法建模的具体过程，以老化时间做输入分别建立六个发电机定子线棒非破坏性电参量预测模型，每五个老化周期为单位依次分别对六个非破坏性电参量做预测，再将结果分别带入所建立的基于支持向量机的发电机绝缘剩余击穿场强的寿命预测模型，直至预测结果低于临界剩余场强，从而实现对发电机绝缘寿命的预测。本专利技术通过下述技术方案实现：一种基于支持向量机建模对发电机绝缘系统进行寿命预测的方法，包括以下步骤：S1，通过老化试验获取各个老化周期所对应的非破坏性电参量和剩余击穿场强数据，剔除相关性不大的非破坏性电参量，选取剩余老化周期数据中，至少两组老化周期数据作为模型测试集，剩余老化周期数据作为模型样本集，并对模型样本集进行归一化处理；S2，利用参数寻优函数获取寻优参数；S3，构建支持向量机回归模型，将获取的寻优参数和归一化处理后的模型样本集代入支持向量机回归模型，训练得到发电机绝缘剩余击穿场强的寿命预测模型；S4，对所述寿命预测模型进行双重验证，步骤如下：S4a，将各模型样本集所对应的非破坏性电参量代入所述寿命预测模型，获得模型预测剩余击穿场强，将该数据与实际剩余击穿场强进行比对，若两者误差在允许范围内，则按步骤S4b进行；若两者误差超过允许范围，则返回步骤S2，重新确定寻优参数，S4b，将模型测试集所对应的非破坏性电参量代入所述寿命预测模型，获得模型预测剩余击穿场强，将该数据与实际剩余击穿场强进行比对，若两者误差在允许范围内，则按步骤S5进行,若两者误差超过允许范围，则返回步骤S2，重新确定寻优参数；S5，以老化周期替代非破坏性电参量，按步骤S1至S4所述方法，分别建立六个发电机定子线棒非破坏性电参量预测模型，并对其进行验证；S6，以时间为输入项，每五个老化周期为单位依次输入六个发电机定子线棒非破坏性电参量预测模型，得到各个老化周期对应的非破坏性电参量，将对应的非破坏性电参量带入步骤S3所建立的发电机绝缘剩余击穿场强的寿命预测模型中，预测对应的剩余击穿场强，直至剩余击穿场强达到临界阈值，此时所对应的老化周期则为发电机寿命。所述步骤S1中，运用威尔逊公式对老化试验获得的各个非破坏性电参量进行相关性检测，以剔除相关性不大的非破坏性电参量，所述威尔逊公式如下式（1）所示：（1）其中，Cov（X，Y）为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差。所述步骤S1中，选取两至三组老化周期数据作为模型测试集。所述步骤S1中，根据模型样本集建立训练集和检验集，对训练集和检验集进行归一化处理。所述步骤S1中，归一化处理公式如下式（2）所示：（2）其中，原数据组，为归一化后的数据，为原数据组中最大的一个数据，为元数据组中对小的一个数据，n为原数据组中的数据个数。所述步骤S2中，寻优参数包括惩罚参数c和核函数参数g，采用参数寻优函数经交叉验证而得到，参数寻优函数如下式（3）所示：[bestCVmse,bestc,bestg]=SVMcgForRegress(train_label,train_matirx,cmin,cmax,gmin,gmax)（3）输入：train_label：训练集的标签，train_matirx：训练集，cmin,cmax：惩罚参数c的变化范围，gmin,gmax：RBF核参数g的变化范围；输出：best：最佳的惩罚参数c，best：最佳的核函数参数g。所述训练集为击穿场强。所述步骤S3中，将步骤S2中获取的惩罚参数c和核函数参数g、步骤S1中归一化处理后的训练集和检验集带入支持向量机回归模型建立函数：model=svmtrain(train_label,train_matrix,[‘libsvm_options’];（4）输入：-train_label：训练集的标签，-train_matrix：训练集的属性，-libsvm_options：选项参数的设定，也是参数寻优后的结果；输出：-model：训练得到的发电机绝缘剩余击穿场强的寿命预测模型，[predicted_label,accuracy]=svmpredict(test_label,test_matrix,model,[‘libsvm_options’]);（5）输入：-test_label：检验集的标签，-test_matrix：检验集的属性，-model：由svmtrain得到的回归预测模型，-libsvm_options：选项参数；输出：-predicted_label：预测得到的回归结果，-accuracy：回归预测准确率。所述步骤S4中本文档来自技高网...

【技术保护点】
1.一种基于支持向量机建模对发电机绝缘系统进行寿命预测的方法，其特征在于：包括以下步骤：/nS1，通过老化试验获取各个老化周期所对应的非破坏性电参量和剩余击穿场强数据，剔除相关性不大的非破坏性电参量，选取剩余老化周期数据中，至少两组老化周期数据作为模型测试集，剩余老化周期数据作为模型样本集，并对模型样本集进行归一化处理；/nS2，利用参数寻优函数获取寻优参数；/nS3，构建支持向量机回归模型，将获取的寻优参数和归一化处理后的模型样本集代入支持向量机回归模型，训练得到发电机绝缘剩余击穿场强的寿命预测模型；/nS4，对所述寿命预测模型进行双重验证，步骤如下：/nS4a，将各模型样本集所对应的非破坏性电参量代入所述寿命预测模型，获得模型预测剩余击穿场强，将该数据与实际剩余击穿场强进行比对，若两者误差在允许范围内，则按步骤S4b进行；若两者误差超过允许范围，则返回步骤S2，重新确定寻优参数，/nS4b，将模型测试集所对应的非破坏性电参量代入所述寿命预测模型，获得模型预测剩余击穿场强，将该数据与实际剩余击穿场强进行比对，若两者误差在允许范围内，则按步骤S5进行,若两者误差超过允许范围，则返回步骤S2，重新确定寻优参数；/nS5，以老化周期替代非破坏性电参量，按步骤S1至S4所述方法，分别建立六个发电机定子线棒非破坏性电参量预测模型，并对其进行验证；/nS6，以时间为输入项，每五个老化周期为单位依次输入六个发电机定子线棒非破坏性电参量预测模型，得到各个老化周期对应的非破坏性电参量，将对应的非破坏性电参量带入步骤S3所建立的发电机绝缘剩余击穿场强的寿命预测模型中，预测对应的剩余击穿场强，直至剩余击穿场强达到临界阈值，此时所对应的老化周期则为发电机寿命。/n...

【技术特征摘要】
1.一种基于支持向量机建模对发电机绝缘系统进行寿命预测的方法，其特征在于：包括以下步骤：
S1，通过老化试验获取各个老化周期所对应的非破坏性电参量和剩余击穿场强数据，剔除相关性不大的非破坏性电参量，选取剩余老化周期数据中，至少两组老化周期数据作为模型测试集，剩余老化周期数据作为模型样本集，并对模型样本集进行归一化处理；
S2，利用参数寻优函数获取寻优参数；
S3，构建支持向量机回归模型，将获取的寻优参数和归一化处理后的模型样本集代入支持向量机回归模型，训练得到发电机绝缘剩余击穿场强的寿命预测模型；
S4，对所述寿命预测模型进行双重验证，步骤如下：
S4a，将各模型样本集所对应的非破坏性电参量代入所述寿命预测模型，获得模型预测剩余击穿场强，将该数据与实际剩余击穿场强进行比对，若两者误差在允许范围内，则按步骤S4b进行；若两者误差超过允许范围，则返回步骤S2，重新确定寻优参数，
S4b，将模型测试集所对应的非破坏性电参量代入所述寿命预测模型，获得模型预测剩余击穿场强，将该数据与实际剩余击穿场强进行比对，若两者误差在允许范围内，则按步骤S5进行,若两者误差超过允许范围，则返回步骤S2，重新确定寻优参数；
S5，以老化周期替代非破坏性电参量，按步骤S1至S4所述方法，分别建立六个发电机定子线棒非破坏性电参量预测模型，并对其进行验证；
S6，以时间为输入项，每五个老化周期为单位依次输入六个发电机定子线棒非破坏性电参量预测模型，得到各个老化周期对应的非破坏性电参量，将对应的非破坏性电参量带入步骤S3所建立的发电机绝缘剩余击穿场强的寿命预测模型中，预测对应的剩余击穿场强，直至剩余击穿场强达到临界阈值，此时所对应的老化周期则为发电机寿命。


2.根据权利要求1所述的一种基于支持向量机建模对发电机绝缘系统进行寿命预测的方法，其特征在于：所述步骤S1中，运用威尔逊公式对老化试验获得的各个非破坏性电参量进行相关性检测，以剔除相关性不大的非破坏性电参量，所述威尔逊公式如下式（1）所示：

（1）
其中，Cov（X，Y）为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差。


3.根据权利要求1所述的一种基于支持向量机建模对发电机绝缘系统进行寿命预测的方法，其特征在于：所述步骤S1中，选取两至三组老化周期数据作为模型测试集。


4.根据权利要求1所述的一种基于支持向量机建模对发电机绝缘系统进行寿命预测的方法，其特征在于：所述步骤S1中，根据模型样本集建立训练集和检验集，对训练集和检验集进行归一化处理。


5.根据权利要求1所述的一种基于支持向量机建模对发电机绝缘系统进行寿命预测的方法，其特征在于：所述步骤S1中，...

【专利技术属性】
技术研发人员：张跃，胡波，苏振，谢志辉，唐丽，梁智明，何明鹏，黄子嘉，周进，马军，张小俊，何海洋，黄绍波，刘伟，
申请(专利权)人：东方电气集团东方电机有限公司，
类型：发明
国别省市：四川;51