[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

说明书

本发明涉及电力系统设备预测技术，具体涉及基于粒子群‑支持向量回归的GIS触头热点温度预测方法，包括以下步骤：基于若干实验历史数据，得到原始样本向量数据；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；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。该方法可在已知GIS外壳温度、环境温度、负荷电流和接触电阻的条件下，将函数表达式应用到触头热点温度回归预测，可应用于电力系统GIS设备触头热点温度预测，所需数据量少。

技术领域

本发明属于电力系统设备预测技术领域，尤其涉及基于粒子群-支持向量回归(Particle Swarm Optimization-support vector regression，PSO-SVR)的GIS触头热点温度预测方法。

背景技术

电力设备是构成电力系统的基本元件，其工作状况直接影响着电力系统的运行安全和可靠性。虽然，得益于设备制造工艺水平和设计技术的不断提升，我国电力设备的整体可靠性水平逐年提高，但总体上设备事故依然频发。因此，对电力设备进行负载能力评估，可提高电力设备运行可靠性，也是防御电网大面积停电和防患安全事故发生的至关重要的第一道防线。

气体绝缘组合电器(Gas Insulated Switchgear，简称GIS)是输变电系统中的关键设备，相比敞开式输电设备，它具有占地面积小、受工作环境影响小、检修周期长等优点。随着我国城市化进程中土地资源价值的快速提高和GIS制造工艺水平和设计技术的提升，在电网建设中被大量投入使用。

GIS的在运行过程中，由于电流的热效应，触头温度会升高。根据有关标准的规定，GIS的触头温度不得超过一定范围，因此对GIS的触头温度进行检测十分重要。目前，国内外对GIS触头温度的检测方法包括神经网络法，如专利号为CN201410314505.5的“基于光纤光栅温度传感器的GIS设备触头温度监测系统”，但求解过程较为繁琐；另外还包括有拟合法，如专利号为CN201410398265.1的“一种气体绝缘开关设备母线接头的温度检测方法”和专利号为CN201410396485.0的“一种三相共箱式GIS母线接头的温度在线检测方法”，但所需数据量较大。

发明内容

本发明的目的是提供一种基于PSO-SVR方法，根据已知数据，简便构造GIS触头热点温度回归预测模型，进而对GIS触头热点温度进行预测的方法。

为实现上述目的，本发明采用的技术方案是：基于粒子群-支持向量回归的GIS触头热点温度预测方法，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。

在上述的基于粒子群-支持向量回归的GIS触头热点温度预测方法中，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

在上述的基于粒子群-支持向量回归的GIS触头热点温度预测方法中，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；