[发明专利]基于粒子群-支持向量回归的GIS触头热点温度预测方法

权利要求书

1.基于粒子群-支持向量回归的GIS触头热点温度预测方法，其特征是，包括以下步骤：

步骤1、基于若干实验历史数据，得到原始样本向量数据；

步骤2、以支持向量回归在优化过程中的均方误差作为粒子群算法的适应度函数，用粒子群算法寻找支持向量回归的最优参数；

步骤3、利用原始样本向量数据，采用代入最优参数的支持向量回归，得到触头热点温度的函数表达式；

步骤1所述若干实验历史数据包括触头热点温度t_m、GIS外壳温度t_α、环境温度t_b、负荷电流I_θ和接触电阻R_k；原始样本向量数据的形式为

步骤2的实现包括用形如的函数来进行触头热点温度的回归预测，通过构造并解决优化问题：

用粒子群算法对支持向量回归最优参数C和ε进行搜寻，步骤如下：

步骤2.1、初始化：在D维空间中，初始化M个粒子的位置和速度，以及粒子群初始参数c₁和c₂，确定每个初始粒子的最优位置pbest和全局最优位置gbest；

步骤2.2、计算适应度：适应度函数选取为支持向量回归的均方误差，根据训练样本对模型进行训练，并计算各个粒子的适应度函数值；

步骤2.3、调整：根据粒子适应度值调整粒子的个体最优位置和全局最优位置，如果粒子适应度优于个体极值，则将所处位置设为新的个体最优位置pbest；如果粒子适应度优于全局极值，则将所处位置设为新的个体最优位置gbest；

步骤2.4、更新：根据粒子的速度和位置迭代更新公式对粒子速度和位置进行更新，获得新的参数pbest和gbest，其中粒子速度和位置迭代公式为：

v_i＝v_i+c₁r₁(pbest_i-x_i)+c₂r₂(gbest_i-x_i) (2)

x_i＝x_i+v_i (3)

其中v_i是粒子速度，x_i是粒子位置，r₁和r₂是介于(0,1)之间的随机数，c₁和c₂是学习因子；

步骤2.5、判断：当达到满足要求的误差条件或者达到最大迭代次数时，终止迭代，求得最优参数C和ε；

步骤3的实现包括将步骤2.4所得最优参数C和ε代入支持向量回归，求解优化问题(1)式，得到支持向量回归参数ω和b，进而得到触头热点温度t_m关于GIS外壳温度t_α、环境温度t_b、负荷电流I_θ和接触电阻R_k的函数表达式：

其中ω₁，ω₂和ω₃均为常数。