高压电器
高壓電器
고압전기
HIGH VOLTAGE APPARATUS
2010年
9期
11-14,18
,共5页
王罡%杨海涛%胡伟涛%黄华平%李宁远
王罡%楊海濤%鬍偉濤%黃華平%李寧遠
왕강%양해도%호위도%황화평%리저원
变压器%改进遗传算法%最小二乘支持向量机%参数优化%油中气体
變壓器%改進遺傳算法%最小二乘支持嚮量機%參數優化%油中氣體
변압기%개진유전산법%최소이승지지향량궤%삼수우화%유중기체
最小二乘支持向量机(LS-SVM)能较好地解决小样本、非线性数据特征的多分类问题,适用于电力变压器油色谱故障气体预测.但参数c与σ2的选取对预测结果影响较大,有必要对其进行优化选择.笔者提出一种基于改进遗传算法(IGA)的参数寻优方法,并将其应用到变压器油中故障气体预测.IGA算法采用了编码机制,随机产生初始种群,可快速扩大搜索空间,稳定群体中个体多样性,有效提高全局搜索能力和收敛速度.最后进行了多组现场数据的实例分析,结果表明:基于IGA进行参数优化后的预测准确率明显优于传统LS-SVM预测结果.
最小二乘支持嚮量機(LS-SVM)能較好地解決小樣本、非線性數據特徵的多分類問題,適用于電力變壓器油色譜故障氣體預測.但參數c與σ2的選取對預測結果影響較大,有必要對其進行優化選擇.筆者提齣一種基于改進遺傳算法(IGA)的參數尋優方法,併將其應用到變壓器油中故障氣體預測.IGA算法採用瞭編碼機製,隨機產生初始種群,可快速擴大搜索空間,穩定群體中箇體多樣性,有效提高全跼搜索能力和收斂速度.最後進行瞭多組現場數據的實例分析,結果錶明:基于IGA進行參數優化後的預測準確率明顯優于傳統LS-SVM預測結果.
최소이승지지향량궤(LS-SVM)능교호지해결소양본、비선성수거특정적다분류문제,괄용우전력변압기유색보고장기체예측.단삼수c여σ2적선취대예측결과영향교대,유필요대기진행우화선택.필자제출일충기우개진유전산법(IGA)적삼수심우방법,병장기응용도변압기유중고장기체예측.IGA산법채용료편마궤제,수궤산생초시충군,가쾌속확대수색공간,은정군체중개체다양성,유효제고전국수색능력화수렴속도.최후진행료다조현장수거적실례분석,결과표명:기우IGA진행삼수우화후적예측준학솔명현우우전통LS-SVM예측결과.
