針對變壓器油中溶解氣體濃度預測中信息利用不完善問題,提出基于核熵成分分析(Kernel Entropy Component Analysis, KECA)的油中溶解氣體濃度預測建模方法。首先用灰關聯(lián)分析方法選取預測模型的輸入變量;然后對選取的輸入變量進行相空間重構;最后采用Renyi熵信息測度確定KECA核參數(shù),用KECA對重構相空間提取核熵成分作為支持向量機(Support Vector Machine, SVM)的輸入,建立變壓器油中溶解氣體濃度預測模型。用本文方法、單變量時間序列方法、多元變量時間序列方法測試60例樣本,本文方法具有最小的均方根誤差,為0.1607。實驗結果表明,本文提出的方法具有較優(yōu)的預測精度和泛化能力。 

【文章來源】：控制工程. 2020年08期 北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

基于KECA的模型結構圖

DGA數(shù)據(jù)為某電廠500 KV變壓器A相數(shù)據(jù)，每6 h采樣一次，共180例樣本，其中120例訓練樣本，60例測試樣本。本文以H2濃度預測為例，由于C2H2在變壓器正常運行時出現(xiàn)長連零，因此用總烴(CH4,C2H6,C2H4,C2H2含量之和)代替進行分析計算。H2與CH4,C2H6,C2H4，總烴，CO,CO2的灰關聯(lián)度分別為0.675 1,0.677 8,0.590 6,0.717 8,0.525 5,0.543 6，指定閾值為0.6，則模型選擇的輸入變量為H2,CH4,C2H6和總烴。采用最小數(shù)據(jù)量法[20,21]計算H2,CH4,C2H6和總烴的最大Lyapunov指數(shù)，分別為0.020 6,0.037 9,0.036 6和0.018 7，表明H2,CH4,C2H6和總烴均具有混沌性。由于樣本較少，嵌入延時取6 h的采樣間隔時間，由嵌入延遲窗方法計算H2,CH4,C2H6和總烴的嵌入維數(shù)分別為4,4,5,4，重構相空間維數(shù)為17，應用3.2節(jié)方法選擇KECA核參數(shù)，參數(shù)r與累計信息率之間的關系，如圖2所示。圖中，log為以2為底，r的對數(shù)，可見當r=27時，累計信息率有最大值85.34%。選擇核參數(shù)r=27對重構相空間進行KECA和KPCA，分析結果，見表1。

所有方法中的SVM參數(shù)以均方根誤差為指標，采用交叉驗證法求取，即C,r∈{2-2,2-1,...,217}。這5種方法H2含量的預測結果，如圖3所示。這5種方法的預測誤差(預測值與實測值之差的絕對值)，如圖4所示。


本文編號：2925102