基于粒子群优化的改进加权支持向量回归的变压器顶层油温预测

摘要

建立一种粒子群优化的改进加权支持向量回归的变压器顶层油温模型,能够准确的估计变压器顶层油温。该模型根据环境温度、变压器负荷、变压器顶层油温等样本数据建立支持向量回归模型,分析变压器顶层油温与其他各因素之间的联系,根据不同影响因素建立支持向量超平面将变压器顶层油温预测限制在一个合理区间,根据支持向量机的惩罚因子和松弛因子的选择使该区间缩小至与实际变压器顶层油温的误差达到最小,使以变压器顶层油温为预测目标函数的预测模型精度最高。在支持向量回归模型建立时采用粒子群算法对其惩罚因子和松弛因子进行寻优以使支持向量回归模型预测效果达到最优。通过主成分分析方法对核函数进行改进从而优化支持向量回归模型,相比粒子群优化的支持向量机考虑数据特征量的权重,预测结果准确率更高。该模型利用支持向量回归方法不需要大量样本、不涉及概率测度、能够处理多维影响因素等优点,能够应对变压器油温短期预测数据不足或采集的油温相关数据维度较多的情况,给出准确的顶层油温预测结果。