基于GRNN和KPCA组合模型的变压器油中气体体积分数短期预测

• 作者: 苏磊 陈璐 徐鹏 林峻 盛戈皞 江秀臣
• 来源期刊: 高压电器
• 关键词: 油中溶解气体 核主元分析体 果蝇优化算法 广义神经网络 参数预测
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 研究与分析
• 页码范围: 82-88
• 页数: 6页
• 语种: 中文
• DOI: 10.13296/j.1001⁃1609.hva.2021.01.012

摘要

电力变压器作为输变电系统的主要核心设备，保证其能够健康稳定的运行具有重要意义,由于收集到的电力变压器的状态信息比较多，这些数据可以从各个方面反映变压器的运行状态,利用这些信息对变压器运行状态进行预测具有重要的研究意义,设备的状态监测参量是一个复杂的数据序列，通过预测方法来对参量未来的变化趋势进行预测，能够更好的掌握变压器的运行状态变化,传统方法的输入信息通常是单一或者少数几维来拟合未来的变化趋势，存在输入特征信息量不足且不同信息维度之间存在耦合的现象,为提高变压器状态参量的预测精度，文中提出了一种基于GRNN、KPCA的组合模型实现变压器油中气体体积分数的短期预测,将常用的几种气体体积分数比值也作为特征参量，拓展了特征参量的维度,其次利用核主元分析方法从特征参量中选取主要参量，降低了信息的冗余,最后利用广义回归神经网络来对变压器油中气体体积分数进行预测。