基于机器学习技术对逆变器三相电压预测研究

• 作者: 龚浩
• 来源期刊: 科学技术创新
• 学科: 工学
• 关键词: 三相电压预测 支持向量回归 XGBOOST
• 年，卷（期）: 2021,（29）
• 所属期刊栏目: 科技创新
• 页码范围: 36-38
• 页数: 3页
• 分类号: TM464
• 语种: 中文
• DOI: 10.3969/j.issn.1673-1328.2021.29.016

摘要

随着新能源的开发,使用电能作为动力的产品逐渐的进入人们的生活之中,其中电动汽车作为近年来关注度最为广泛的新能源产品,其安全性也是人们关注的重点之一.本文就新能源汽车中的核心零件-三相电压逆变器的电压预测展开研究,为电动汽车的故障预测提供便利.本文中基于支持向量回归(Support Vector Regression,SVR)以及集成学习中XGBOOST两种神经网络模型对三相电压逆变器的电压预测进行了研究讨论,通过相关系数(R-Squared,R2)以及均方根误差(Root Mean Squard Error,RMSE)分别作为模型的评价指标,对两种模型的预测结果进行了分析,通过分析得出在特定参数下的XGBOOST对于三相电压逆变器的电压预测最为准确,其相关系数为0.99,均方根误差为4.6.因此,使用合适的机器学习技术可以为电力输出设备提供在线状态监测.