文献类型：期刊文章

作　　者：李可军[1] 徐延顺[1] 魏本刚[2] 黄华[2] 亓孝武[3] 胡爽[1]

LI Kejun;XU Yanshun;WEI Bengang;HUANG Hua;QI Xiaowu;HU Shuang(School of Electrical Engineering,Shandong University,Jinan 250061,China;Electric Power Research Institute,State Grid Shanghai Electric Municipal Power Company,Shanghai 200437,China;Jining Power Supply Company,State Grid Shandong Electric Power Company,Jining 272000,China)

机构地区：[1]山东大学电气工程学院,济南250061 [2]国网上海市电力公司电力科学研究院,上海200437 [3]国网山东省电力公司济宁供电公司,济宁272000

出　　处：《高电压技术》

基　　金：国家电网公司科技项目(SGTYHT/15-JS-191)~~

年　　份：2018

卷　　号：44

期　　号：8

起止页码：2501-2508

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为精确预估变压器的热状态以指导变压器的载荷运行,基于粒子群优化的混合核极限学习机提出一种变压器顶层油温度预测模型。使用核极限学习机对顶层油温度与其影响因素之间的映射关系进行拟合回归预测,模型全面考虑了包括环境风速在内的顶层油温的主要影响因素,并采用混合核函数提高模型的学习能力和泛化性能来取得更佳的预测精度。粒子群算法用来进行模型的训练并同时进行混合核函数参数的优化,对正负训练误差采用不同容许限度处理,使得模型的预测值大于实测值,预测结果在提高精度的同时更加具有保守可靠性。通过不同季节的实测数据进行算例验证,结果表明该模型预测值与实测值基本一致,且预测误差均为正值;该模型的最大预测误差为1.97℃,分别为同条件下BP神经网络和最小二乘支持向量机模型的78.49%和82.43%;该模型具有更佳的顶油温度预测精度,能够更加可靠地实现变压器的热状态估计。

关 键 词：电力变压器 顶层油温度  混合核函数 核极限学习机  粒子群算法

分 类 号：TM41]