基于核熵成分分析的油中溶解气体浓度预测

发布时间：2020-12-19 02:45

　　针对变压器油中溶解气体浓度预测中信息利用不完善问题,提出基于核熵成分分析(Kernel Entropy Component Analysis, KECA)的油中溶解气体浓度预测建模方法。首先用灰关联分析方法选取预测模型的输入变量;然后对选取的输入变量进行相空间重构;最后采用Renyi熵信息测度确定KECA核参数,用KECA对重构相空间提取核熵成分作为支持向量机(Support Vector Machine, SVM)的输入,建立变压器油中溶解气体浓度预测模型。用本文方法、单变量时间序列方法、多元变量时间序列方法测试60例样本,本文方法具有最小的均方根误差,为0.1607。实验结果表明,本文提出的方法具有较优的预测精度和泛化能力。 

【文章来源】：控制工程. 2020年08期 北大核心

【文章页数】：6 页

【部分图文】：

基于KECA的模型结构图

DGA数据为某电厂500 KV变压器A相数据，每6 h采样一次，共180例样本，其中120例训练样本，60例测试样本。本文以H2浓度预测为例，由于C2H2在变压器正常运行时出现长连零，因此用总烃(CH4,C2H6,C2H4,C2H2含量之和)代替进行分析计算。H2与CH4,C2H6,C2H4，总烃，CO,CO2的灰关联度分别为0.675 1,0.677 8,0.590 6,0.717 8,0.525 5,0.543 6，指定阈值为0.6，则模型选择的输入变量为H2,CH4,C2H6和总烃。采用最小数据量法[20,21]计算H2,CH4,C2H6和总烃的最大Lyapunov指数，分别为0.020 6,0.037 9,0.036 6和0.018 7，表明H2,CH4,C2H6和总烃均具有混沌性。由于样本较少，嵌入延时取6 h的采样间隔时间，由嵌入延迟窗方法计算H2,CH4,C2H6和总烃的嵌入维数分别为4,4,5,4，重构相空间维数为17，应用3.2节方法选择KECA核参数，参数r与累计信息率之间的关系，如图2所示。图中，log为以2为底，r的对数，可见当r=27时，累计信息率有最大值85.34%。选择核参数r=27对重构相空间进行KECA和KPCA，分析结果，见表1。

所有方法中的SVM参数以均方根误差为指标，采用交叉验证法求取，即C,r∈{2-2,2-1,...,217}。这5种方法H2含量的预测结果，如图3所示。这5种方法的预测误差(预测值与实测值之差的绝对值)，如图4所示。


本文编号：2925102