[发明专利]一种变压器油中溶解气体浓度预测方法

权利要求书

1.一种变压器油中溶解气体浓度预测方法，其特征在于，包括以下步骤：

S1、采用奇异谱分析对变压器油中溶解气体浓度时间序列进行分解，得到多个特征分量；

S2、对每个特征分量构建各自的训练数据集和测试数据集；

S3、对每个特征分量分别建立混沌蝙蝠算法优化回声状态网络的变压器油中溶解气体浓度预测模型；

S4、将训练数据集中多个特征分量的训练样本逐一输入混沌蝙蝠算法优化回声状态网络的变压器油中溶解气体浓度预测模型进行训练，得到各自对应的变压器油中溶解气体浓度预测子模型；

S5、将测试数据输入到各自对应的变压器油中溶解气体浓度预测子模型进行预测，得到每个变压器油中溶解气体浓度子模型的预测输出值；

S6、将每个变压器油中溶解气体浓度预测子模型的预测输出值进行组合叠加处理，得到最终的变压器油中溶解气体浓度预测结果。

2.根据权利要求1所述的一种变压器油中溶解气体浓度预测方法，其特征在于，连续采集一段时间的变压器油中溶解气体浓度时间序列，构成连续的时间序列数据集Y＝[y₁,y₂,...,y_N]^T，其中，N为数据集样本点个数，y_N为第N个时间序列样本。

3.根据权利要求2所述的一种变压器油中溶解气体浓度预测方法，其特征在于，步骤S1中采用奇异谱分析对变压器油中溶解气体浓度时间序列进行分解的具体步骤为：

S11、嵌入：

时间序列数据集Y＝[y₁,y₂,...,y_N]^T共有N个样本点，奇异谱分析中嵌入的维度由L表示，L又称为窗口长度，令K＝N-L+1，则滞后L阶的向量被定义为：

X_i＝[y_i,y_i+1,…,y_i+L-1]^T,i＝1,2,…,K

轨迹矩阵定义为：

S12、奇异值分解：

假设协方差矩阵S＝XX^T，S的奇异值分解产生一组共L个特征值λ₁,λ₂,…,λ_L，以及特征值对应的正交特征向量U₁,U₂,…,U_L，令d＝max{i}，λ_i＞0，其中i＝1，２，…，d，则轨迹矩阵X的奇异值分解表示为：

X＝X₁+X₂+…X_d

式中，为矩阵X的奇异值，为奇异谱，U_i为轨迹矩阵X的正交函数，V_i为轨迹矩阵X的主成分，集合被称为轨迹矩阵X奇异值分解的第i个三重特征向量；

S13、分组：

奇异值分解后，将分解得到的奇异值分成m个不相交的组I₁,I₂,…,I_m，将I＝(i₁,i₂,…,i_p)表示为一组指数，然后，对应于组I的合成矩阵X_I定义为此过程完成了轨迹矩阵X的后续分解，即：

将合成矩阵X_I转换成其所对应的时间序列数据特征分量，每一组数据特征分量代表原始信号的某一运动特征；

对于给定的I_i，i＝1,2,...,m，通过相应特征值的占比计算特征分量的贡献率，贡献率为小于0.01％的序列为噪声分量，信号重构前剔除噪声分量；

S14、对角重构信号平均化：

通过对角平均，每个轨迹矩阵X通过以下过程转移到时间序列中：

假设轨迹矩阵X为一个L×K的矩阵，矩阵元素为x_ij，1≤i≤L，1≤j≤K，设L^*＝min(L,K),K^*＝max(L,K)，N＝K+L-1，若LK，令

否则，则重构后的时间序列Z＝{z₁,z₂,…,z_N}表示如下：