[发明专利]一种基于ISFO-VMD-KELM的SF6

权利要求书

1.一种基于ISFO-VMD-KELM的SF₆分解组分CO₂浓度反演的方法，其特征在于：包括，

基于传统旗鱼优化器，改进寻优精度和局部搜索能力，建立改进旗鱼优化器；

收集原始吸收光谱，并结合所述改进旗鱼优化器优化的变分模态分解算法联合小波阈值法，对所述原始吸收光谱进行预处理；

根据所述预处理结果，结合所述改进旗鱼优化器优化的核极限学习机建立吸收光谱的二次谐波幅值与CO₂浓度的反演模型；

根据所述反演模型进行CO₂检测实验，判断SF₆电气设备的运行状态。

2.如权利要求1所述的一种基于ISFO-VMD-KELM的SF₆分解组分CO₂浓度反演的方法，其特征在于：所述改进旗鱼优化器包括，

设置算法控制参数，根据多策略初始化方式生成初始旗鱼和沙丁鱼种群；

计算适应度值，记录本次迭代时的旗鱼和沙丁鱼全局最优位置；

更新旗鱼位置，根据攻击力度更新沙丁鱼位置；

分别对旗鱼和沙丁鱼的精英个体做柯西变异和自适应t分布变异；

比较旗鱼和沙丁鱼最优解，根据结果替换旗鱼和沙丁鱼位置；

迭代未结束则计算适应度值继续优化，迭代结束则返回最终结果。

3.如权利要求2所述的一种基于ISFO-VMD-KELM的SF₆分解组分CO₂浓度反演的方法，其特征在于：所述改进旗鱼优化器还包括，

采用Tent混沌序列来改善旗鱼和沙丁鱼的初始种群分布，其数学表达式如下：

其中，β是[0,1]的随机数。

4.如权利要求3所述的一种基于ISFO-VMD-KELM的SF₆分解组分CO₂浓度反演的方法，其特征在于：所述改进旗鱼优化器还包括，

改进后的沙丁鱼位置更新数学表达式如下：

Levy＝u/|v|^1/β

其中σ的数学表达式为：

其中，u～N(0,σ²)，v～N(0,1)，β是[0,2]的随机数。

5.如权利要求4所述的一种基于ISFO-VMD-KELM的SF₆分解组分CO₂浓度反演的方法，其特征在于：所述改进旗鱼优化器还包括，对自适应变分模态分解和核极限学习机的参数进行寻优，对旗鱼和沙丁鱼的精英个体进行柯西变异和自适应t分布变异。

6.如权利要求5所述的一种基于ISFO-VMD-KELM的SF₆分解组分CO₂浓度反演的方法，其特征在于：所述反演模型包括，

初始化改进旗鱼优化器基本参数，将自适应变分模态分解的多尺度排列熵之和作为适应度函数；

生成初始种群，设置旗鱼种群和沙丁鱼种群比例；

将各种群位置信息作为参数导入适应度函数计算多尺度排列熵，并将最小多尺度排列熵值和对应位置向量作为全局解和全局最优位置；

更新旗鱼和沙丁鱼位置，重新计算适应度值，更新全局解和全局最优位置；进行优化迭代，直到达到最大迭代次数，将最后一次迭代时的全局最优位置作为自适应变分模态分解最佳参数，在此参数条件下进行自适应变分模态分解。

7.如权利要求6所述的一种基于ISFO-VMD-KELM的SF₆分解组分CO₂浓度反演的方法，其特征在于：所述反演模型还包括，将二次谐波峰值和气体浓度分别作为所建模型的单输入和单输出。