电机与控制学报
電機與控製學報
전궤여공제학보
ECTRIC MACHINES AND CONTROL
2012年
11期
92-98
,共7页
电力变压器%油中气体%预测%核主元回归%多核学习
電力變壓器%油中氣體%預測%覈主元迴歸%多覈學習
전력변압기%유중기체%예측%핵주원회귀%다핵학습
为了克服常用预测方法在建模时只单独考虑某种特征气体发展变化的不足,进一步提高预测的精度和可靠性,提出了一种基于多核核主元回归(multiple-kernel kernel principal component regression,MK-KPCR)的变压器油中气体预测模型.采用不同类型核函数的线性加权组合构造新的等价核,以降低建模精度对核函数及其参数选择的依赖性;利用核主元分析( kernel principal component analysis,KPCA)对变压器油中溶解气体样本数据提取核主元,进行回归计算与分析,建立同时预测变压器油中主要特征气体的核主元回归(kernel principal component regression,KPCR)模型;与灰色多变量预测模型(multivariable grey model,MGM),主元回归(principal component regression,PCR)及KPCR进行一步和多步预测比较.实验结果表明,MK-KPCR预测模型对核函数及参数选择的依赖性小,具有较优的预测精度和泛化能力.
為瞭剋服常用預測方法在建模時隻單獨攷慮某種特徵氣體髮展變化的不足,進一步提高預測的精度和可靠性,提齣瞭一種基于多覈覈主元迴歸(multiple-kernel kernel principal component regression,MK-KPCR)的變壓器油中氣體預測模型.採用不同類型覈函數的線性加權組閤構造新的等價覈,以降低建模精度對覈函數及其參數選擇的依賴性;利用覈主元分析( kernel principal component analysis,KPCA)對變壓器油中溶解氣體樣本數據提取覈主元,進行迴歸計算與分析,建立同時預測變壓器油中主要特徵氣體的覈主元迴歸(kernel principal component regression,KPCR)模型;與灰色多變量預測模型(multivariable grey model,MGM),主元迴歸(principal component regression,PCR)及KPCR進行一步和多步預測比較.實驗結果錶明,MK-KPCR預測模型對覈函數及參數選擇的依賴性小,具有較優的預測精度和汎化能力.
위료극복상용예측방법재건모시지단독고필모충특정기체발전변화적불족,진일보제고예측적정도화가고성,제출료일충기우다핵핵주원회귀(multiple-kernel kernel principal component regression,MK-KPCR)적변압기유중기체예측모형.채용불동류형핵함수적선성가권조합구조신적등개핵,이강저건모정도대핵함수급기삼수선택적의뢰성;이용핵주원분석( kernel principal component analysis,KPCA)대변압기유중용해기체양본수거제취핵주원,진행회귀계산여분석,건립동시예측변압기유중주요특정기체적핵주원회귀(kernel principal component regression,KPCR)모형;여회색다변량예측모형(multivariable grey model,MGM),주원회귀(principal component regression,PCR)급KPCR진행일보화다보예측비교.실험결과표명,MK-KPCR예측모형대핵함수급삼수선택적의뢰성소,구유교우적예측정도화범화능력.
