摘要: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。
关键词: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
单位:天津市滨海供电局 天津300450 四川省广安电业局调通中心 四川广安638000 河北省电力公司超高压输变电分公司 河北石家庄050070 华北电力大学电力系统保护与动态安全监控教育部重点实验室 河北保定071003
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社