基于改进遗传算法与LS-SVM的变压器故障气体预测方法
最小二乘支持向量机（LS-SVM）能较好地解决小样本、非线性数据特征的多分类问题,适用于电力变压器油色谱故障气体预测,但参数c与σ2的选取对预测结果影响较大,有必要对其进行优化选择。笔者提出一种基于改进遗传算法（IGA）的参数寻优方法,并将其应用到变压器油中故障气体预测。IGA算法采用了编码机制,随机产生初始种群,可快速扩大搜索空间,稳定群体中个体多样性,有效提高全局搜索能力和收敛速度。最后进行了多组现场数据的实例分析,结果表明:基于IGA进行参数优化后的预测准确率明显优于传统LS-SVM预测结果。
محفوظ في:
| المؤلفون الرئيسيون: | , , , , |
|---|---|
| التنسيق: | Artigo |
| اللغة: | Chinês |
| منشور في: |
Editorial Department of High Voltage Apparatus
2010-01-01
|
| سلاسل: | Gaoya dianqi |
| الموضوعات: | |
| الوصول للمادة أونلاين: | http://www.zgydq.com/zh/article/doi/10.13296/j.1001-1609.hva.2010.09.006/ |
| الوسوم: |
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|