基于粒子群优化-支持向量回归的变压器绕组温度软测量模型

• 作者: 彭道刚 钱玉良 陈跃伟 黄超
• 来源期刊: 电工技术学报
• 学科: 工学
• 关键词: 变压器绕组 热点温度 粒子群优化 支持向量回归
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 电机电器
• 页码范围: 1742-1749,1761
• 页数: 9页
• 分类号: TM411
• 字数: 5995字
• 语种: 中文
• DOI: 10.19595/j.cnki.1000-6753.tces.161792

摘要

针对变压器绕组热点温度测量问题,建立一种基于粒子群优化-支持向量回归算法的变压器绕组热点温度软测量模型,并验证此模型的预测效果.利用基于被动聚集的改进粒子群优化(PSO)算法,优化支持向量机的支持向量回归(SVR)模型的参数组合,并且找到其最优解.充分考虑变压器运行的相关因素,对绕组热点温度软测量模型进行训练与学习,实现对难以直接测得的绕组热点温度的预测.通过对某市110kV 变压器运行数据的训练和预测结果,并将其与BP神经网络和SVR方法的结果对比,证明所建模型具有较好的预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭道刚	上海电力学院自动化工程学院	157	1369	20.0	28.0
2	钱玉良	上海电力学院自动化工程学院	14	40	4.0	6.0
3	陈跃伟	上海电力学院自动化工程学院	2	8	1.0	2.0
4	黄超		3	3	1.0	1.0