基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了对变压器油中溶解气体质量浓度进行准确预测,提出将BP神经网络、灰色理论和线性回归预测算法进行综合,采用最优加权组合预测模型,对油中溶解气体质量浓度的发展趋势进行预测.该方法先对这3种单项预测方法根据各自的预测误差,按照预测误差平方和最小的原则计算各自的权重,然后加权综合建立最优组合预测模型,再计算出变压器油中溶解气体的质量浓度.实例分析证明该组合预测方法不仅可以有效地降低单项预测算法的预测误差,提高预测模型的预报能力,同时还增强了预测的稳健性.
推荐文章
基于GRA-CEEMDAN-BiLSTM的变压器油中溶解气体浓度预测
油中溶解气体
灰色关联分析
双向长短期记忆神经网络
基于EMD和GCT的变压器油中溶解气体预测
变压器
油中溶解气体
时间序列预测
经验模态分解
格兰杰因果关系检验
时间注意力机制
长短时记忆网络
基于GWO-LSTM与NKDE的变压器油中溶解气体体积分数点—区间联合预测方法
电力变压器
油中溶解气体
点预测
区间预测
灰狼优化长短期记忆网络
非参数核密度估计
变压器油中溶解气体的分析与判断
变压器油
溶解气体
色谱分析
故障
分析判断
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于组合预测模型的变压器油中溶解气体质量浓度的预测
来源期刊 广东电力 学科 工学
关键词 变压器油 最优加权 组合预测 气体质量浓度
年,卷(期) 2011,(9) 所属期刊栏目 理论研究
研究方向 页码范围 19-23
页数 分类号 TM762
字数 3870字 语种 中文
DOI 10.3969/j.issn.1007-290X.2011.09.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李俊卿 华北电力大学电气与电子工程学院 82 958 15.0 28.0
2 王德艳 华北电力大学电气与电子工程学院 1 8 1.0 1.0
3 雍靖 华北电力大学电气与电子工程学院 1 8 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (56)
参考文献  (7)
节点文献
引证文献  (8)
同被引文献  (25)
二级引证文献  (2)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(7)
  • 参考文献(0)
  • 二级参考文献(7)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(10)
  • 参考文献(1)
  • 二级参考文献(9)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(2)
  • 二级参考文献(2)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(4)
  • 引证文献(4)
  • 二级引证文献(0)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
变压器油
最优加权
组合预测
气体质量浓度
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
广东电力
月刊
1007-290X
44-1420/TM
大16开
广州市东风东路水均岗8号
1988
chi
出版文献量(篇)
5373
总下载数(次)
16
总被引数(次)
27406
相关基金
河北省自然科学基金
英文译名:
官方网址:
项目类型:
学科类型:
论文1v1指导