【技术实现步骤摘要】
本专利技术涉及一种预测油中溶解气体浓度的方法，尤其涉及。
技术介绍
近些年来，很多种不同的方法被用于变压器油中溶解气体浓度的预测，包括灰色模型及其改进模型，人工神经网络和支持向量机(Support Vector Machine, SVM)等。人工神经网络被广泛的应用于数据的预测，但需要大量的数据，而相对久远的数据会影响气 体浓度预测的准确率，油中溶解气体浓度预测呈现小样本特点，因此人工神经网络并不适用于变压器油中溶解气体浓度的预测；灰色模型对于小样本问题可以得到更高的预测准确率，但其描述的是一个随时间按指数规律增长或减少的过程，而油中溶解气体浓度因为受到外部环境的影响有时并不符合这一规律，因此灰色模型在预测中也总会存在一定的偏差；支持向量机由于其在处理小样本问题上的优异表现，在预测问题中得到了广泛的应用，在油中溶解气体预测方面也表现出良好的性能，但由于其需要设定的参数过多，导致了算法的复杂性增加。
技术实现思路
本专利技术的目的就是为了解决上述问题，提供一种，它采用粒子群优化算法和相关向量机方法，基于leave-one-out方法构造适应度函数优化核参数的取值，具有平衡数据的可靠性和计算的复杂性的优点。为了实现上述目的，本专利技术采用如下技术方案一种，具体步骤为第一步对变压器油中溶解气体数据进行必要的处理，形成等时间间隔数据，A=[a1； a2,…，an]，an为气体浓度数据，η为自然数，则训练样本数据输入X和输出Y按以下方式进行构造
【技术保护点】
一种预测变压器油中溶解气体浓度的方法，其特征是，具体步骤为：第一步：对变压器油中溶解气体数据进行必要的处理，形成等时间间隔数据，A=[a1,a2,…,an]，an为气体浓度数据，n为自然数，则训练样本数据输入X和输出Y按以下方式进行构造：X=a1a2···ama2a3···am+1············an-man-m+1···an-1=x1x2···xn-m---(1)Y=am+1am+2···an=y1y2··...
【技术特征摘要】
1.一种预测变压器油中溶解气体浓度的方法，其特征是，具体步骤为 第一步对变压器油中溶解气体数据进行必要的处理，形成等时间间隔数据，A=[a1； a2,…，an]，an为气体浓度数据，η为自然数，则训练样本数据输入X和输出Y按以下方式进行构造2.如权利要求I所述一种预测变压器油中溶解气体浓度的方法，其特征是，所述第二步中的具体步骤为 (O建立目标值与属性值之间的关系3.如权利要求I所述一种预测变压器油中溶解气体浓度的方法，其特征是，所述第三步中的具体步骤为 (1)初始化一组粒子位置和速度； (2)计算粒子的适应值；采取leav...
【专利技术属性】
技术研发人员：梁永亮，牛林，赵建国，李可军，
申请(专利权)人：国网技术学院，
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。