[发明专利]一种变压器油酸值多频超声波测试回归预测方法

说明书

技术领域

本发明涉及变压器油老化程度检测技术领域，尤其涉及一种变压器油酸值多频超声波测试回归预测方法。

背景技术

作为电力系统的枢纽，大型油浸式电力变压器是电力系统中最昂贵也是最重要的设备，在输、变电过程中起着举足轻重的作用，其安全可靠运行对整个电力系统具有决定性的意义，电力变压器一旦发生故障，将给国民经济带来巨大损失。运行中的变压器用油在电、热、力、水及氧等条件作用下会逐渐老化，产生一系列氧化物溶解于变压器油中，其中危害最大的就是甲酸、乙酸和乙酰丙酸等酸性物质；酸性物质的出现与增加，不但会腐蚀电气设备本体，还会提高变压器油的导电性能，降低绝缘油的绝缘性能，在高温超负荷运行条件下，更会加速纤维质等固体绝缘材料老化及分解，缩短运行电力变压器的使用寿命，为此，有必要对运行变压器油中酸性物质含量即酸值进行监测和维护。

GB/T7595-2008运行中变压器油质量标准规定，变压器投运前，油中酸值不得超过0.03mgKOH/g，运行中的变压器不得超过0.1mgKOH/g，因此，绝缘油中酸值的测定非常重要，在我国国家标准及国际标准中，酸值都被列为变压器油参量监测的必测参数，目前采用传统的标准支持向量机模型预测变压器油中酸值的预测结果与实际变压器油测量结果拟合程度差、误差较大问题，因此，提出一种变压器油酸值多频超声波测试回归识别方法并应用于工程实际变压器油实时监测对确保油浸式电力变压器安全可靠运行具有重要的意义。

发明内容

本发明解决的技术问题：提供一种变压器油酸值多频超声波测试回归预测方法，采用遗传算法优化支持向量机所建的变压器油酸值回归模型对变压器油中酸值进行预测，以解决传统的标准支持向量机模型预测结果与实际变压器油测量结果拟合程度差、数据误差大的问题。

本发明的技术方案：

一种变压器油酸值多频超声波测试回归预测方法，包括以下步骤：

步骤1：对变压器油样进行多频超声波特性测试及酸值测定，利用支持向量回归机建立变压器油酸值回归预测模型；

步骤2：采用遗传算法对变压器油酸值回归预测模型的惩罚函数惩罚因子C、

核函数参数σ及不敏感损失函数损失因子ε进行寻优组合；

步骤3：建立基于遗传算法优化支持向量机的变压器油酸值多频超声波测试回归预测模型；

步骤4：获取变压器油样的多频超声波声学频谱，对变压器油中酸值进行预测。

步骤1所述的对变压器油样进行多频超声波特性测试及酸值测定，利用支持向量回归机建立变压器油酸值回归预测模型为f(x)：b为阈值向量，a_i和为拉格朗日算子，K(x_i,x_j)为满足Mercer条件的核函数，σ为核函数参数。

步骤1所述的对变压器油样进行多频超声波特性测试及酸值测定，利用支持向量回归机建立变压器油酸值回归预测模型，变压器油酸值回归预测模型的建立还包括以下步骤：

步骤1.1：给定样本训练集T＝{(x_i,y_i),i＝1,2,…,l}，其中x_i和y_i分别为样本输入特征值和输出样本值，其中R^d和R表示x和y对应的输入空间；

步骤1.2：构造的最优决策回归函数为f(x)：其中为将样本输入转化为高维特征空间的非线性映射函数，w^T为权值向量；

步骤1.3：引入不敏感损失函数损失因子ε，计算不敏感损失函数L_ε；

步骤1.4：引入松弛变量ξ_i和计算目标函数的最小值minψ(w,ξ,ξ^*)；

步骤1.5：采用对偶原理将非线性回归转化为二次规划问题，并计算凸二次规划问题；

步骤1.6：计算阈值向量b；

步骤1.7：在给定训练集计算最优决策回归函数。

步骤2所述的采用遗传算法对变压器油酸值回归预测模型的惩罚函数惩罚因子C、核函数参数σ及不敏感损失函数损失因子ε进行寻优组合还包括以下步骤：

步骤2.1设置种群规模M、最大进化代数T的值，确定惩罚函数惩罚因子C、核函数参数σ以及不敏感损失函数损失因子ε的取值范围，在搜索空间随机产生N个个体作为初始种群，并作为当前种群；

步骤2.2利用当前种群个体参数训练支持向量机模型，计算每个个体的适应度函数值；