文献类型：期刊文章

作　　者：王小军[1] 高广德[1] 吴田[1] 谢枭[2] 王若昕[2] 沈丹青[2] 何丽娜[2] 刘闯[2]

WANG Xiaojun;GAO Guangde;WU Tian;XIE Xiao;WANG Ruoxin;SHEN Danqing;HE Lina;LIU Chuang(Colloge of Electrical Engineering&New Energy,China Three Gorges University,Yichang 443002,China;State Grid Jingmen Power Supply Company,Jingmen 448000,China)

机构地区：[1]三峡大学电气与新能源学院,湖北宜昌443002 [2]国网荆门供电公司,湖北荆门448000

出　　处：《智慧电力》

基　　金：国家自然科学基金资助项目(51807110)。

年　　份：2020

卷　　号：48

期　　号：11

起止页码：68-73

语　　种：中文

收录情况：BDHX、BDHX2017、JST、RCCSE、ZGKJHX、核心刊

摘　　要：通过腐蚀试验获得60组110 kV变电站土壤成分数据及相应的金属片腐蚀速率,对60组样本数据进行灰色关联分析,结果表明Cl-含量、pH值、含水量和含盐量是接地网腐蚀的主要原因,并以此作为接地网腐蚀预测模型选择支持向量的依据。为提高最小二乘支持向量机模型的预测精度,采用扩展记忆粒子群算法对最小二乘支持向量机的惩罚因子和核函数参数进行寻优,建立基于PSOEM优化LSSVM的接地网腐蚀预测模型。应用试验数据进行仿真分析,结果表明,PSOEM-LSSVM模型在训练拟合和外推预测方面效果更好。

关 键 词：灰色关联分析 扩展记忆粒子群  最小二乘支持向量机 接地网 腐蚀  

分 类 号：TM862]