基于最小二乘支持向量机的载流故障趋势预测

作者：张慧源; 顾宏杰; 许力; 许文才

来源：电力系统保护与控制, 2012, (10): 19-23+29.

• 支持向量机
• 最小二乘法
• 粒子群优化
• 载流故障
• 温度预测 support vector machine
• least squares
• particle swarm optimization
• current-carrying fault
• temperature prediction

提出基于最小二乘支持向量机(LS-SVM)的电力设备载流故障趋势的预测算法,并采用粒子群优化(PSO)算法对其参数进行优化。采用主元分析法(PCA)对各触点温度序列进行特征分析,在温度分布异常的情况下提取故障的早期特征;以此时刻为起点,采用PSO与最小二乘支持向量机相结合的方法,并结合实时更新的现场温度信息,对载流故障发展的短期趋势和长期趋势分别进行预测。基于实际运行数据的实验结果表明,将长期预测时间裕量大与短期预测精度高的优势相结合,可以对载流故障的发展趋势做出较为准确的预测。

• 单位
  浙江大学; 珠海赛迪生电气设备有限公司