一种油色谱在线监测噪声数据校正方法技术

本发明专利技术涉及一种油色谱在线装置噪声数据的校正方法，其方法包括以下步骤：步骤1）收集油色谱离线试验和在线监测数据；步骤2）通过萤火虫算法得到支持向量机回归模型中重要参数的最优组合；步骤3）利用步骤1）得到的少数准确的油色谱离线试验数据对支持向量机进行训练，得到支持向量机回归模型；步骤4）初始化在线监测数据的允许偏离半径h，计算离线试验间的分段函数，判断油色谱在线监测的数据是否在模型允许的误差范围之内；步骤5）对在线数据进行校正；步骤6）根据现场数据校正反馈的结果，对模型中的参数进行调整。本发明专利技术进行油色谱在线数据校正效果平稳准确，时间短实时性好，非常适合对现场的油色谱在线数据进行校正。

【技术实现步骤摘要】

本专利技术属于变电设备在线监测
，应用在变压器在线监测设备的噪声数据校正过程中，具体是ー种油色谱在线监测噪声数据校正方法。
技术介绍
变压器油色谱在线监测可以及时掌握变压器的运行状况，发现和跟踪潜伏性故障，为变压器的可靠运行提供保障。但由于油色谱在线监测易受环境温度、湿度和监测设备自身误差等因素的影响，在线数据可能存在失真，在状态评价和故障诊断前需要进行数据校。目前，国内外学者对数据校正问题做了大量研究工作并提出了ー些算法。主成分回归分析能有效地去除噪声数据，但拟合的误差大，校正准确度低；神经网络算法拟合效果好，但数据量大时，训练时间长，存在“过学习”的问题。针对目前油色谱在线数据校正效果差的情况，本专利技术提出基于萤火虫支持向量机的数据校正的方法。首先通过萤火虫算法对影响支持向量机性能的重要參数进行优化。然后计算油色谱离线数据间的分段函数，当在线数据超出分段函数误差允许的范围时，认为在线数据异常。利用少数准确的油色谱离线数据对支持向量机回归模型进行训练，当在线数据出现异常时，通过支持向量机回归模型对异常的在线数据进行校正。本专利技术提出的算法可以应用于油色谱在线监测装置之中本文档来自技高网...

【技术保护点】
一种油色谱在线监测噪声数据校正方法，其特征在于：其方法包括以下步骤：步骤1）、收集油色谱离线试验和在线监测数据；步骤2）、通过萤火虫算法得到支持向量机回归模型中重要参数的最优组合；步骤3）、利用步骤1）得到的少数准确的油色谱离线试验数据对支持向量机进行训练，得到支持向量机回归模型；步骤4）、初始化在线监测数据的允许偏离半径h，计算离线试验间的分段函数，判断油色谱在线监测的数据是否在模型允许的误差范围之内；若在，则认为在线数据正常；否则，认为在线数据异常；步骤5）、对在线数据进行校正：逐个判断在线数据是否正常，若数据异常，则由支持向量机回归模型拟合该时刻的数据，用拟合值代替异常数据；否则，认为油...

【技术特征摘要】
1.一种油色谱在线监测噪声数据校正方法，其特征在于其方法包括以下步骤 步骤I)、收集油色谱离线试验和在线监测数据； 步骤2)、通过萤火虫算法得到支持向量机回归模型中重要参数的最优组合； 步骤3)、利用步骤I)得到的少数准确的油色谱离线试验数据对支持向量机进行训练，得到支持向量机回归模型； 步骤4)、初始化在线监测数据的允许偏离半径h，计算离线试验间的分段函数，判断油色谱在线监测的数据是否在模型允许的误差范围之内；若在，则认为在线数据正常；否则，认为在线数据异常； 步骤5)、对在线数据进行校正逐个判断在线数据是否正常，若数据异常，则由支持向量机回归模型拟合该时刻的数据，用拟合值代替异常数据；否则，认为油色谱在线监测数据正常，不需要进行校正； 步骤6)、根据现场数据校正反馈的结果，对模型中的参数进行调整。2.如权利要求1所述的油色谱在线监测噪声数据校正方法，其特征在于所述步骤2)中的具体步骤如下 步骤2.1)、初始化荧光素挥发系数P，荧光素增强因子Y，感知范围1^，邻域变化率β，邻居阈值nt,移动步长s和每只萤火虫的位置； 步骤2. ...

【专利技术属性】
技术研发人员：唐平，鄢小虎，刘凡，彭倩，曹永兴，严磊，张海龙，孙浩，
申请(专利权)人：四川电力科学研究院，国网电力科学研究院武汉南瑞有限责任公司，国家电网公司，
类型：发明
国别省市：