[发明专利]一种基于极限学习机模型的气体浓度的预测方法及装置

权利要求书

1.一种基于极限学习机模型的气体浓度的预测方法，其特征在于，所述方法包括：

针对任意一种绝缘油中的气体，获取多个历史时刻对应的多个历史浓度；

对所述历史浓度按预设分解条件进行分解，得到第一层历史浓度分量和第一层剩余浓度分量；

判断所述第一层剩余浓度分量是否满足所述预设分解条件，如果所述第一层剩余浓度分量不满足所述预设分解条件，则将所述第一层剩余浓度分量确定为第二层历史浓度分量；

如果所述第一层剩余浓度分量满足所述预设分解条件，则对所述第一层剩余浓度分量进行分解，得到所述第二层历史浓度分量和第二层剩余浓度分量，返回判断所述第二层剩余浓度分量是否满足所述预设分解条件的步骤，直至第二层剩余浓度分量不满足所述预设分解条件，将所述第二层剩余浓度分量确定为第三层历史浓度分量；

所述历史浓度进行一次分解，得到一层历史浓度分量；任意一层历史浓度分量包括每个历史浓度对应分解出来的历史浓度分量；

对每个历史浓度对应的任意一层的历史浓度分量进行归一化处理，得到任意一层的归一化后的历史浓度分量；

将所有历史浓度中属于同一层的归一化后的历史浓度分量输入气体浓度预测模型中，得到属于同一层的多个预测时刻分别对应的多个预测浓度分量；所述气体浓度预设模型包括归一化后的历史浓度分量和预测浓度分量之间的对应关系；所述气体浓度预测模型基于极限学习机模型建立；

对所述预测浓度分量进行反归一化处理，得到反归一化后的预测浓度分量；

根据属于同一预测时刻的多个反归一化后的预测浓度分量，确定所述预测时刻对应的预测浓度。

2.根据权利要求1所述的方法，其特征在于，在对所述多个历史浓度分别利用集合经验模态分解方法进行多次分解，得到每个历史浓度对应的多层历史浓度分量之前，还包括：

将预先设定数值的白噪声引入所述多个历史浓度中；所述白噪声用于降低所述多个历史浓度中的噪声。

3.根据权利要求1所述的方法，其特征在于，所述预测模型采用以下方法训练：

针对任意一种绝缘油中的气体，获取所述气体的P个时刻的P个样本浓度；

对所述P个样本浓度分别进行多次分解，得到每个样本浓度对应的多层样本浓度分量；所述P 个样本浓度进行一次分解，得到一层样本浓度分量；任意一层样本浓度分量包括每个样本浓度对应分解出来的样本浓度分量；

对每个样本浓度对应的任意一层的样本浓度分量进行归一化处理，得到任意一层的归一化后的样本浓度分量；

将N个属于同一层的归一化后的样本浓度作为输入，将M个属于同一层的归一化后的样本浓度作为输出，训练得到所述气体浓度预测模型；P＝M+N，且N个归一化后的样本浓度中任意一个归一化后的样本浓度对应的时刻，早于M个归一化后的样本浓度中任意一个归一化后的样本浓度对应的时刻。