华北电力大学学报
華北電力大學學報
화북전력대학학보
JOURNAL OF NORTH CHINA ELECTRIC POWER UNIVERSITY
2011年
1期
35-38
,共4页
变压器%改进粒子群算法%最小二乘支持向量机%参数优化%油中气体浓度
變壓器%改進粒子群算法%最小二乘支持嚮量機%參數優化%油中氣體濃度
변압기%개진입자군산법%최소이승지지향량궤%삼수우화%유중기체농도
最小二乘支持向量机(LS-SVM)能较好的解决小样本、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.提出一种基于改进粒子群(MPSO)的参数寻优方法,并将其应用到变压器油中故障气体预测.改进粒子群算法在每次迭代中,将粒子群进行分类,不同类粒子采取不同加速因子,相比较经典粒子群算法,可以有效扩大粒子搜索区间,增强其局部搜索能力.最后进行了多组现场数据的实例分析,结果表明:基于MPSO进行参数优化后的LS-SVM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)能較好的解決小樣本、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.提齣一種基于改進粒子群(MPSO)的參數尋優方法,併將其應用到變壓器油中故障氣體預測.改進粒子群算法在每次迭代中,將粒子群進行分類,不同類粒子採取不同加速因子,相比較經典粒子群算法,可以有效擴大粒子搜索區間,增彊其跼部搜索能力.最後進行瞭多組現場數據的實例分析,結果錶明:基于MPSO進行參數優化後的LS-SVM預測準確率明顯優于傳統LS-SVM預測結果.
최소이승지지향량궤(LS-SVM)능교호적해결소양본、비선성수거특정적다분류문제,괄용우전력변압기유색보고장기체예측,단삼수c여σ2적선취대예측결과영향교대,유필요대기진행우화선택.제출일충기우개진입자군(MPSO)적삼수심우방법,병장기응용도변압기유중고장기체예측.개진입자군산법재매차질대중,장입자군진행분류,불동류입자채취불동가속인자,상비교경전입자군산법,가이유효확대입자수색구간,증강기국부수색능력.최후진행료다조현장수거적실례분석,결과표명:기우MPSO진행삼수우화후적LS-SVM예측준학솔명현우우전통LS-SVM예측결과.
