一种基于极限学习机模型的气体浓度的预测方法及装置制造方法及图纸

本申请提供了一种基于极限学习机模型的气体浓度的预测方法及装置，本申请提供的方法针对任意一种气体，获取多个历史时刻对应的多个历史浓度；对多个历史浓度分别利用集合经验模态分解方法进行多次分解，得到每个历史浓度对应的多层历史浓度分量；对每个历史浓度对应的任意一层的历史浓度分量进行归一化处理，得到任意一层的归一化后的历史浓度分量；将属于同一层的归一化后的历史浓度分量输入气体浓度预测模型中，得到多个预测浓度分量；气体浓度预测模型基于极限学习机模型建立；根据属于同一预测时刻的预测浓度分量，确定预测时刻对应的预测浓度。本申请提供的方法避免了不同气体之间的相互影响，提高了预测精度。

【技术实现步骤摘要】
一种基于极限学习机模型的气体浓度的预测方法及装置
本申请涉及电力
，特别涉及一种基于极限学习机模型的气体浓度的预测方法及装置。
技术介绍
变压器是电力系统中最为核心的设备，变压器的工作状态决定着配电网的工作状态。因此监测变压器的工作状态，是运维人员的一项重要工作。变压器工作过程中会有少量的气体溶解入变压器的绝缘油中，而绝缘油中溶解的气体浓度可以体现变压器的工作状态。运维人员根据目前绝缘油中溶解的气体浓度，可以预测未来一段时间内气体的浓度，进而监测变压器的工作状态。由于绝缘油中溶解的气体元素相同或类似，因此在预测特定种类的气体浓度时，往往会受到其他种类气体浓度的影响。目前所采用的预测方法无法排除不同种气体之间的相互影响，导致无法准确预测特定种类的气体浓度。基于此，目前亟需一种基于极限学习机模型的气体浓度的预测方法，用于解决现有技术中预测绝缘油中气体浓度的过程中，无法排除不同气体之间的相互影响，导致无法准确预测特定种类的气体浓度的问题。
技术实现思路
本申请提供了一种基于极限学习机模型的气体浓度的预测方法，本文档来自技高网...

【技术保护点】
1.一种基于极限学习机模型的气体浓度的预测方法，其特征在于，所述方法包括：/n针对任意一种绝缘油中的气体，获取多个历史时刻对应的多个历史浓度；/n对所述多个历史浓度分别利用集合经验模态分解方法进行多次分解，得到每个历史浓度对应的多层历史浓度分量；所述历史浓度进行一次分解，得到一层历史浓度分量；任意一层历史浓度分量包括每个历史浓度对应分解出来的历史浓度分量；/n对每个历史浓度对应的任意一层的历史浓度分量进行归一化处理，得到任意一层的归一化后的历史浓度分量；/n将所有历史浓度中属于同一层的归一化后的历史浓度分量输入气体浓度预测模型中，得到属于同一层的多个预测时刻分别对应的多个预测浓度分量；所述气体...

【技术特征摘要】
1.一种基于极限学习机模型的气体浓度的预测方法，其特征在于，所述方法包括：
针对任意一种绝缘油中的气体，获取多个历史时刻对应的多个历史浓度；
对所述多个历史浓度分别利用集合经验模态分解方法进行多次分解，得到每个历史浓度对应的多层历史浓度分量；所述历史浓度进行一次分解，得到一层历史浓度分量；任意一层历史浓度分量包括每个历史浓度对应分解出来的历史浓度分量；
对每个历史浓度对应的任意一层的历史浓度分量进行归一化处理，得到任意一层的归一化后的历史浓度分量；
将所有历史浓度中属于同一层的归一化后的历史浓度分量输入气体浓度预测模型中，得到属于同一层的多个预测时刻分别对应的多个预测浓度分量；所述气体浓度预设模型包括归一化后的历史浓度分量和预测浓度分量之间的对应关系；所述气体浓度预测模型基于极限学习机模型建立；
对所述预测浓度分量进行反归一化处理，得到反归一化后的预测浓度分量；
根据属于同一预测时刻的多个反归一化后的预测浓度分量，确定所述预测时刻对应的预测浓度。


2.根据权利要求1所述的方法，其特征在于，对所述多个历史浓度分别利用集合经验模态分解方法进行多次分解，得到每个历史浓度对应的多层历史浓度分量，包括：
对所述历史浓度按预设分解条件进行分解，得到第一层历史浓度分量和第一层剩余浓度分量；
判断所述第一层剩余浓度分量是否满足所述预设分解条件，如果所述第一层剩余浓度分量不满足所述预设分解条件，则将所述第一层剩余浓度分量确定为第二层历史浓度分量。


3.根据权利要求2所述的方法，其特征在于，还包括：
如果所述第一层剩余浓度分量满足所述预设分解条件，则对所述第一层剩余浓度分量进行分解，得到所述第二层历史浓度分量和第二层剩余浓度分量，返回判断所述第二层剩余浓度分量是否满足所述预设分解条件的步骤，直至第二层剩余浓度分量不满足所述预设分解条件，将所述第二层剩余浓度分量确定为第三层历史浓度分量。


4.根据权利要求2所述的方法，其特征在于，在对所述多个历史浓度分别利用集合经验模态分解方法进行多次分解，得到每个历史浓度对应的多层历史浓度分量之前，还包括：
将预先设定数值的白噪声引入所述多个历史浓度中；所述白噪声用于降低所述多个历史浓度中的噪声。


5.根据权利要求1所述的方法，其特征在于，所述预测模型采用以下方法训练：
针对任意一种绝缘油中的气体，获取所述气体的P个时刻的P个样本浓度；
对所述多个样本浓度分别进行多次分解，得到每个样本浓度对应的多层样本浓度分量；所述多个样本浓度进行一次分解，得到一层样本浓度分量；任意一层样本浓度分量包括每个样本浓度对应分解出来的样本浓度分量；
对每个样本浓度对应的任意一层的样本浓度分量进行归一化处理，得到任意一层的归一化后的样本浓度分量；
将N个属于同一层的归一化后的样本浓度作为输入，将M个属于同一层的归一化后的样本浓度作为输出，训练得到所述气体浓度预测模型；P＝M+N，且N个归一化后的样本浓度中任意一个归一化后的样本浓度对应的时刻，早于M个归一化后的样本浓度中任意一个归一化后的样本浓...

【专利技术属性】
技术研发人员：田小航，金仕琦，王荣泰，徐文力，陈辛，赵燕团，张忠才，赵引侠，程伟伟，李碧波，顾跃，
申请(专利权)人：云南电力技术有限责任公司，
类型：发明
国别省市：云南;53