【技术实现步骤摘要】
本专利技术涉及一种变压器油色谱数据预测方法,对变压器油中的气体浓度进行预测,属于电力系统安全
技术介绍
实际运行中,变压器绝缘油和有机绝缘材料在电场及磁场的作用下,会逐渐老化和分解,产生少量低分子烃类及二氧化碳、一氧化碳等气体,并大量溶解在变压器油中。当存在潜伏性过热故障或放电性故障时,这些气体的产生速度和溶解再油中的数量也会增力口,即故障气体的组成和含量与故障类型的严重程度有密切关系。为此,检测变压器中的绝缘油的色谱情况是见识变压器安全运行的重要手段之一。、电力变压器是电力系统的重要设备之一,其正常运行对电网的安全稳定运行起着非常重要关键的作用。变压器油中溶解气体的含量是监督变压器运行状态的重要手段,因此,建立科学、准确度高和可操作性强的预测模型是变压器在线监测和故障诊断的重要手段,具有重要的技术和经济价值。目前,常用的预测方法有灰色预测模型及其改进模型,但是灰色及其改进的预测模型再数列有确定性趋势时预测效果较好,否则效果较差,无法保证在任何情况下都取得准确满意的结果。人工神经网络算法容易陷入局部最小问题,得不到全局最优解,收敛速度慢。
技术实现思路
本专利技术所要解决的技术问题在于克服现有技术的不足,提供一种,利用相关向量机良好的非线性函数逼近能力,改善了变压器油色谱数据预测模型的精度和泛化能力。本专利技术具体采用以下技术方案解决上述技术问题。本专利技术的,包括以下步骤 步骤I、采集变压器油色谱数据中的多种气体浓度历史数据,得到训练样本集; 步骤2、以所述多种气体在某一时刻的浓度作为输入,以所述多种气体中的待预测气体在下一时刻的浓度作为输出 ...
【技术保护点】
一种基于相关向量机的变压器油色谱数据预测方法,其特征在于,包括以下步骤:步骤1、采集变压器油色谱数据中的多种气体浓度历史数据,得到训练样本集;步骤2、以所述多种气体在某一时刻的浓度作为输入,以所述多种气体中的待预测气体在下一时刻的浓度作为输出,利用所述训练样本集对相关向量机进行训练;所述相关向量机的输入层节点数为所述多种气体的种类数,输出层节点数为1;训练完成后即得到待预测气体的预测模型;?步骤3、利用所述预测模型对待预测气体的浓度进行预测。
【技术特征摘要】
1.一种基于相关向量机的变压器油色谱数据预测方法,其特征在于,包括以下步骤 步骤I、采集变压器油色谱数据中的多种气体浓度历史数据,得到训练样本集; 步骤2、以所述多种气体在某ー时刻的浓度作为输入,以所述多种气体中的待预测气体在下ー时刻的浓度作为输出,利用所述训练样本集对相关向量机进行训练;所述相关向量机...
【专利技术属性】
技术研发人员:徐岩哲,卫志农,刘亚南,孙国强,孙永辉,陈陈,汪洋,蒋海军,
申请(专利权)人:河海大学,安徽电力芜湖县供电有限责任公司,江苏威信电气科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。