当前位置: 首页> 交通专利数据库 >详情
原文传递 一种变压器油中溶解气体浓度预测方法
专利名称: 一种变压器油中溶解气体浓度预测方法
摘要: 本发明公开一种变压器油中溶解气体浓度预测方法,在原有的气体浓度之外,将各种气体浓度的比值也作为参考向量,然后利用核主元分析方法选取其中的主要参量作为输入训练GRNN网络。针对传统模型预测能力较低的问题,在网络的构建过程中,利用改进的果蝇优化算法来选取网络的光滑因子参数。既充分利用了输入向量的有效信息,考虑了变量之间的关联性,又简化了计算的复杂度,最小化人为的干预过程,提高预测的准确度。
专利类型: 发明专利
国家地区组织代码: 山东;37
申请人: 山东理工大学
发明人: 陈天
专利状态: 有效
申请号: CN201811092691.7
公开号: CN109164248A
代理机构: 济南泉城专利商标事务所 37218
代理人: 赵玉凤
分类号: G01N33/28(2006.01)I;G;G01;G01N;G01N33
申请人地址: 255049 山东省淄博市张店区张周路12号
主权项: 1.一种变压器油中溶解气体浓度预测方法,其特征在于:包括以下步骤:S01)、获取历史监测数据,得到m维参考向量的历史变化数据,m维参考向量包括多种气体的浓度向量以及气体浓度的比值向量;S02)、利用核主元分析算法提取核心参数,建立以m维参考向量为元素的数据矩阵X,选定核函数及其参数,计算核矩阵K,K=k(xi,xj)=φ(xi)·φ(xj),xi、xj表示数据矩阵X中第i、j个样本,0<i≤m,0<j≤m,φ(xi)、φ(xj)表示xi、xj在特征空间上的像,然后修正核矩阵,修正后的核函数K'为:其中Im是m阶的值都为1的矩阵,计算K'的特征值λi和特征向量pi;特征值按照降序排列,相应的特征向量也要做相应的调整,计算特征值的累计贡献率Tk根据设定的阈值ε,若Tk≥ε,则选取k个序列为主元;S03)、将选出的k个序列和需要预测的气体浓度向量作为GRNN神经网络的输入,训练GRNN神经网络,利用果蝇优化算法将GRNN神经的参数值调整到最佳值,使网络输出值与目标值两者之间的均方根误差调整到最小,具体步骤如下:先计算出输入原点坐标之间的距离,并求倒数以计算判定值S,再将其带入GRNN的光滑因子参数σ,利用Matlab函数newgrnn训练网络得到输出值,并且根据样本预测值计算出均方根误差值,迭代搜寻,得出均方根误差值最小时的光滑因子参数,把此时的光滑因子参数值带入到GRNN神经网络中,对需要预测的气体浓度进行预测。
所属类别: 发明专利
检索历史
应用推荐