基于粒子群优化-支持向量回归的变压器绕组温度软测量模型

作者：彭道刚; 陈跃伟; 钱玉良; 黄超

来源：电工技术学报, 2018, 33(08): 1742-1761.

DOI：10.19595/j.cnki.1000-6753.tces.161792

• 变压器绕组
• 热点温度
• 粒子群优化
• 支持向量回归

针对变压器绕组热点温度测量问题,建立一种基于粒子群优化-支持向量回归算法的变压器绕组热点温度软测量模型,并验证此模型的预测效果。利用基于被动聚集的改进粒子群优化(PSO)算法,优化支持向量机的支持向量回归(SVR)模型的参数组合,并且找到其最优解。充分考虑变压器运行的相关因素,对绕组热点温度软测量模型进行训练与学习,实现对难以直接测得的绕组热点温度的预测。通过对某市110kV变压器运行数据的训练和预测结果,并将其与BP神经网络和SVR方法的结果对比,证明所建模型具有较好的预测能力。

• 单位
  上海电力大学; 国电南京自动化股份有限公司