【摘要】 本发明公开了一种基于最小二乘支持向量机的电力设备载流故障趋势预测方法。本发明利用历史温度数据训练LS-SVM回归模型，并采用PSO优化算法调整模型的两个参数：核宽度σ和惩罚参数γ。其次，利用PCA算法和K-means聚类算法实时分析设备触点温度，找到存在温升异常的触点，将其温度值作为预测的初始值序列。最后，利用训练得到的回归模型，对初始值温度值进行长期和短期的预测，分析触点温度可能达到的最高点和到达最高点的时间。通过基于PSO-LSSVM的预测分析，主动掌握设备触点的故障发展趋势，为及时采取措施争取了时间，保证电网的安全运行。本发明可广泛应用于电力设备预测报警保护领域。 ： 【专利类型】发明授权 【申请人】浙江大学; 珠海赛迪生电气设备有限公司 【申请人类型】企业,学校 【申请人地址】310058 浙江省杭州市西湖区余杭塘路388号 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】西湖区 【申请号】CN201210057792.7 【申请日】2012-02-27 【申请年份】2012 【公开公告号】CN102663412B 【公开公告日】2014-11-05 【公开公告年份】2014 【授权公告号】CN102663412B 【授权公告日】2014-11-05 【授权公告年份】2014.0 【IPC分类号】G06F17/50 【发明人】许力; 张慧源; 顾宏杰; 许文才; 李学红 【主权项内容】一种基于最小二乘支持向量机的电力设备载流故障趋势预测方法，其特征在于，该方法包括以下步骤：(1)选取温度训练样本集，收集某一段时间内电力设备触点的温度序列作为训练样本集G={q1，q2，…，qm}，从训练样本集G中取出d+1个连续时间温度序列值，前d个作为输入，第d+1个作为输出，由此训练样本集转化为：G={(x1，y1)，(x2，y2)，…，(xi，yi)，…，(xm-d，ym-d)}，xi={qi，qi+1，…，qi+d-1}，yi=qi+d；其中，q1，q2，…，qm表示选取的构成训练样本集G的历史温度数据值，i表示选取的构成训练样本集G的历史温度数据值的序号；(2)建立用于电力设备载流故障发展趋势预测的最小二乘支持向量机模型，并以温度训练样本集作为粒子，利用粒子群优化算法来调整模型参数核宽度σ和惩罚参数γ；(3)利用训练样本集G对模型进行训练，最终得到回归模型函数fd(x)，d∈[dmin，dmax]，其中，d为设定的用于预测的温度序列的长度，dmin和dmax分别表示设定的最小值和最大值；(4)利用主成分分析法和K-means聚类算法在线实时分析温度数据并确定存在故障或可能存在故障隐患的电力设备触点，为温度值序列预测提供初始值；(5)利用函数模型fd(x)，d∈[dmin，dmax]预测温度序列：首先设定预测的起始点xt={x1，x2，…，xd}，xt为故障触点的起始温度序列，其序列结构与训练样本集xi相同，将xt作为自变量代入函数模型中，求得起始点下一刻的温度值xd+1，若要继续预测后续的时间序列，将序列值xd+1加入到输入向量中，将新的输入向量xt+1={x2，x3，…，xd+1}代入函数模型，依此类推，求得后续温度序列值xd+2、xd+3、xd+4...；(6)根据预测的温度序列值，分析高压触点的工作情况，判断触点温度的最高值以及达到最高值的时刻，进而分析电力设备故障发展趋势；在所述步骤(4)中的确定存在故障或可能存在故障隐患的电力设备触点的过程如下：(a)采集电力设备触点的实时温度，对采集到的电力设备触点实时温度数据进行预处理，剔除无效数据，计算多个时间尺度的温度平均值，并设定温度值的主成分特征值的阀值，所述时间尺度即为某一段时间；(b)采用主成分分析法对实时温度进行分析：对实时温度进行实时主成分分析，对不同时间尺度的平均温度值进行变尺度主成分分析，监测实时温度和不同时间尺度的平均温度值的主成分特征值的变化；(c)若监测到的实时温度和不同时间尺度的平均温度值的主成分特征值和所设定的主成分特征值的阀值相比过高，则进行步骤(d)，否则重复步骤(a)和(b)；(d)提取主成分特征值过高的温度数据，对温度数据进行变化方向的判断，若温度变化为下降，则为正常状态，重复步骤(a)和(b)，若温度变化为上升，则进行步骤(e)；(e)利用K-means聚类分析法对温度数据进行聚类分析，得到正常触点和异常触点两类集合，异常触点即为存在故障或存在故障隐患的触点，进而进行预警。 【当前权利人】浙江大学; 珠海赛迪生电气设备有限公司 【当前专利权人地址】浙江省杭州市西湖区余杭塘路388号; 广东省珠海市高新区创新海岸科技五路18号 【专利权人类型】公立; 有限责任公司(自然人投资或控股) 【统一社会信用代码】12100000470095016Q; 91440400708129846U 【引证次数】3.0 【被引证次数】3 【他引次数】3.0 【被他引次数】3.0 【家族引证次数】3.0 【家族被引证次数】55

未经允许不得转载：http://www.zhongzhencnc.com/1791549613.html