[發明專利]基于粒子群優化的發電機主絕緣剩余擊穿場強預測方法

在審

• 申請號: 201811637846.0
• 申請日: 2018-12-29
• 公開（公告）號: CN109799454A
• 公開（公告）日: 2019-05-24
• 發明（設計）人: 司杰文;劉凌;張紳
• 申請（專利權）人: 西安交通大學
• 主分類號: G01R31/34
• 分類號: G01R31/34;G01R29/12;G01R31/12;G06N3/00
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 徐文權

1.一種基于粒子群優化的發電機主絕緣剩余擊穿場強預測方法，其特征在于，包括步驟：

步驟一、首先將發電機老化試驗所得數據進行相關性分析，剔除相關性低的非破壞性電參量，保留相關性高的電參量；然后通過歸一化消除不同數據之間存在的量綱差異；

將歸一化后的數據進行分類，分為樣本集數據和檢驗集數據；

步驟二、將樣本集數據采用粒子群優化算法得到最優懲罰參數c和核函數參數g；

步驟三、將最優懲罰參數c和核函數參數g代入支持向量機發電機主絕緣剩余擊穿場強預測模型的建模中，得到支持向量機發電機主絕緣剩余擊穿場強預測模型；

步驟四、通過樣本集數據和檢驗集數據對得到的支持向量機發電機主絕緣剩余擊穿場強預測模型進行雙重驗證，使用驗證后的預測模型對發電機主絕緣剩余擊穿場強進行預測。

2.根據權利要求1所述基于粒子群優化的發電機主絕緣剩余擊穿場強預測方法，其特征在于，步驟一采用威爾遜相關性公式對發電機老化試驗所得數據進行相關性分析：

在上式中，Cov(X,Y)表示X與Y的協方差，Var[X]為X的方差，Var[Y]為Y的方差，X代表非破壞性電參量，Y表示發電機主絕緣剩余擊穿場強。

3.根據權利要求1所述基于粒子群優化的發電機主絕緣剩余擊穿場強預測方法，其特征在于，步驟一所述歸一化的函數表達式如下：

在式中，x_i表示原數據組，y_i表示歸一化后的數據，x_max為原數據組中最大的一個數據，x_min為原數據組中最小的一個數據，n為原數據組中的數據個數。

4.根據權利要求1所述基于粒子群優化的發電機主絕緣剩余擊穿場強預測方法，其特征在于，步驟二所述的粒子群優化算法，粒子更新表達式如下：

其中，i＝1,2...n，n為粒子個數，1≤d≤D，D為空間維數，k為迭代次數，w^k是慣性系數，表示對速度控制的權重；稱為認知加速系數，表示對自身歷史最優點的學習；稱為社會加速系數，表示對全體粒子歷史最優點的學習；和是在[0，1]上的隨機值，每一步迭代都隨機生成；每一次迭代粒子通過個體極值pbest和全局極值gbest更新粒子位置；

各個系數的更新規則如下式：

在上式中，w_ini、w_fin、c_1ini、c_1fin、c_2ini、c_2fin分別為慣性系數、認知加速系數以及社會加速系數的初值與終值，k_max為迭代步數上限。

5.根據權利要求4所述基于粒子群優化的發電機主絕緣剩余擊穿場強預測方法，其特征在于：粒子群優化算法的系數更新規則中取w_ini＝0.9，w_fin＝0.4，c_1ini＝c_2fin＝2.5，c_1fin＝c_2ini＝0.5。

6.根據權利要求4所述基于粒子群優化的發電機主絕緣剩余擊穿場強預測方法，其特征在于，對發電機主絕緣剩余擊穿場強進行預測時采用徑向基核函數，函數表達式如下：

K(x,x_i)＝exp(-γ||x-x_i0||²),γ＞0；

式中，x為原數據組，x_i0為核函數中心，γ為核函數寬度參數，控制函數徑向作用范圍。

7.根據權利要求1所述基于粒子群優化的發電機主絕緣剩余擊穿場強預測方法，其特征在于，所述的步驟四首先將樣本集數據代入預測模型得到預測的發電機主絕緣剩余擊穿場強，與實際的發電機主絕緣剩余擊穿場強作對比，判斷是否在允許的誤差范圍內，若不在允許的誤差范圍內則返回步驟二，改變粒子群初始速度或者懲罰參數c和核函數參數g的尋優范圍重新對懲罰參數c和核函數參數g尋優，若在誤差允許的范圍內則進行第二步驗證，將檢驗集數據代入支持向量機發電機主絕緣剩余擊穿場強預測模型，重復相同的操作。