一种基于ISFO-VMD-KELM的SF6分解组分CO2浓度反演的方法技术

本发明专利技术公开了一种基于ISFO

【技术实现步骤摘要】
一种基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法


[0001]本专利技术涉及SF6电气设备内部分解组分检测
，尤其涉及一种基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法。

技术介绍

[0002]SF6电气设备中如GIS盆式绝缘子等固体绝缘件是由环氧树脂等有机绝缘材料浇注而成，有机绝缘材料在局部放电或过热性故障的局部高温作用下会逐渐裂解和碳化，从而对整个设备的安全构成威胁。CO2气体是有机绝缘材料在裂解和碳化过程中的分解产物，通过检测CO2气体的体积分数能及时发现SF6电气设备的绝缘性故障。近年来，可调谐激光吸收光谱技术(可调谐吸收光谱技术)在电力行业被广泛应用。可调谐吸收光谱技术技术是利用可调谐半导体激光器谱线宽度窄的特性，通过观察目标气体对特定激光的吸收谱线实现对目标气体的定量分析，因此传统的SF6分解产物浓度反演方法是利用目标气体的体积分数与吸收光强的线性关系建立最小二乘法线性或非线性方程式，该方法虽然简便，但是精度不高，浓度反演误差较大。
[0003]随着机器学习的发展，越来越多的研究将机器学习应用到可调谐吸收光谱技术技术中。现有技术采用极限学习机(Extreme Learning Machine,ELM)建立谐波信号与积分吸光度的模型，但ELM对参数依赖性强，容易陷入局部最小值。还有的现有技术采用BP神经网络建立O2气体的浓度反演模型，并在BP网络的参数调节问题上应用了经典遗传算法，但BP网络本身存在学习过程缓慢以及稳定性差的问题，而且遗传算法局部搜索能力较弱，容易过早收敛。还有些采用粒子群优化算法优化核极限学习机(KELM)，建立了精度较高的CO2浓度反演模型，但是粒子群优化算法容易陷入局部最优解。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述现有存在的问题，提出了本专利技术。
[0006]因此，本专利技术提供了一种基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法，能够解决学习机对参数依赖性强，容易陷入局部最小值、局部搜索能力较弱，容易过早收敛以及粒子群优化算法容易陷入局部最优解等问题。
[0007]为解决上述技术问题，本专利技术提供如下技术方案，一种基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法，包括：
[0008]基于传统旗鱼优化器，改进寻优精度和局部搜索能力，建立改进旗鱼优化器；
[0009]收集原始吸收光谱，并结合所述改进旗鱼优化器优化的变分模态分解算法联合小波阈值法，对所述原始吸收光谱进行预处理；
[0010]根据所述预处理结果，结合所述改进旗鱼优化器优化的核极限学习机建立吸收光
谱的二次谐波幅值与CO2浓度的反演模型；
[0011]根据所述反演模型进行CO2检测实验，判断SF6电气设备的运行状态。
[0012]作为本专利技术所述的基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法的一种优选方案，其中：所述改进旗鱼优化器包括，
[0013]设置算法控制参数，根据多策略初始化方式生成初始旗鱼和沙丁鱼种群；
[0014]计算适应度值，记录本次迭代时的旗鱼和沙丁鱼全局最优位置；
[0015]更新旗鱼位置，根据攻击力度更新沙丁鱼位置；
[0016]分别对旗鱼和沙丁鱼的精英个体做柯西变异和自适应t分布变异；
[0017]比较旗鱼和沙丁鱼最优解，根据结果替换旗鱼和沙丁鱼位置；
[0018]迭代未结束则计算适应度值继续优化，迭代结束则返回最终结果。
[0019]作为本专利技术所述的基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法的一种优选方案，其中：所述改进旗鱼优化器还包括，
[0020]采用Tent混沌序列来改善旗鱼和沙丁鱼的初始种群分布，其数学表达式如下：
[0021][0022]其中，β是[0,1]的随机数。
[0023]作为本专利技术所述的基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法的一种优选方案，其中：所述改进旗鱼优化器还包括，
[0024]改进后的沙丁鱼位置更新数学表达式如下：
[0025][0026]Levy＝u/|v|
1/β
[0027]其中σ的数学表达式为：
[0028][0029]其中，u～N(0,σ2)，v～N(0,1)，β是[0,2]的随机数。
[0030]作为本专利技术所述的基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法的一种优选方案，其中：所述改进旗鱼优化器还包括，对自适应变分模态分解和核极限学习机的参数进行寻优，对旗鱼和沙丁鱼的精英个体进行柯西变异和自适应t分布变异。
[0031]作为本专利技术所述的基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法的一种优选方案，其中：所述反演模型包括，
[0032]初始化改进旗鱼优化器基本参数，将自适应变分模态分解的多尺度排列熵之和作为适应度函数；
[0033]生成初始种群，设置旗鱼种群和沙丁鱼种群比例；
[0034]将各种群位置信息作为参数导入适应度函数计算多尺度排列熵，并将最小多尺度排列熵值和对应位置向量作为全局解和全局最优位置；
[0035]更新旗鱼和沙丁鱼位置，重新计算适应度值，更新全局解和全局最优位置；
[0036]进行优化迭代，直到达到最大迭代次数，将最后一次迭代时的全局最优位置作为自适应变分模态分解最佳参数，在此参数条件下进行自适应变分模态分解。
[0037]作为本专利技术所述的基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法的一种优选方案，其中：所述反演模型还包括，采用核极限学习机来建立CO2的浓度预测模型，并利用改进旗鱼优化器算法优化核极限学习机的正则化系数及核参数，适应度函数为预测浓度和真实浓度的均方根误差。
[0038]作为本专利技术所述的基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法的一种优选方案，其中：所述预处理包括，利用所述改进旗鱼优化器进行参数优化后的自适应变分模态分解，结合小波阈值法对原始吸收光谱进行预处理。
[0039]作为本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法，其特征在于：包括，基于传统旗鱼优化器，改进寻优精度和局部搜索能力，建立改进旗鱼优化器；收集原始吸收光谱，并结合所述改进旗鱼优化器优化的变分模态分解算法联合小波阈值法，对所述原始吸收光谱进行预处理；根据所述预处理结果，结合所述改进旗鱼优化器优化的核极限学习机建立吸收光谱的二次谐波幅值与CO2浓度的反演模型；根据所述反演模型进行CO2检测实验，判断SF6电气设备的运行状态。2.如权利要求1所述的一种基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法，其特征在于：所述改进旗鱼优化器包括，设置算法控制参数，根据多策略初始化方式生成初始旗鱼和沙丁鱼种群；计算适应度值，记录本次迭代时的旗鱼和沙丁鱼全局最优位置；更新旗鱼位置，根据攻击力度更新沙丁鱼位置；分别对旗鱼和沙丁鱼的精英个体做柯西变异和自适应t分布变异；比较旗鱼和沙丁鱼最优解，根据结果替换旗鱼和沙丁鱼位置；迭代未结束则计算适应度值继续优化，迭代结束则返回最终结果。3.如权利要求2所述的一种基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法，其特征在于：所述改进旗鱼优化器还包括，采用Tent混沌序列来改善旗鱼和沙丁鱼的初始种群分布，其数学表达式如下：其中，β是[0,1]的随机数。4.如权利要求3所述的一种基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法，其特征在于：所述改进旗鱼优化器还包括，改进后的沙丁鱼位置更新数学表达式如下：Levy＝u/|v|
1/β
其中σ的数学表达式为：其中，u～N(0,σ2)，v～N(0,1)，β是[0,2]的随机数。5.如权利要求4所述的一种基于ISFO
‑
VMD
‑
KELM的SF6分解组分CO2浓度反演的方法，其特征在于：所述改进旗鱼优化器还包括，对自适应变分模态分解和核极限学习机的参数进行寻优，对旗鱼和...

【专利技术属性】
技术研发人员：张英，黄杰，王为，王明伟，刘喆，冯楚杰，蒲曾鑫，赵世钦，潘云，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：