基于KPCA-SSA-ENN的变压器油界面张力预测

摘要：

针对目前变压器油界面张力的传统检测方法检测时间长、成本高等问题,提出了基于多频超声检测技术和人工智能算法的界面张力预测方法.对选取的175 组变压器油样进行圆环法界面张力检测和多频超声波检测,分析了多频超声波信号的幅频响应、相频响应和界面张力之间的相关性.通过核主成分分析(KPCA)预处理多频超声波数据,划分样本集为140 组的训练集和35 组的测试集,并建立麻雀搜索算法(SSA)优化Elman神经网络(ENN)的界面张力预测模型,预测平均相对误差为6.53%,预测准确率达到93.47%.

关键词：变压器油、界面张力、多频超声、KPCA-SSA-ENN

所属期刊栏目：37

分类号：TM4(变压器、变流器及电抗器)

资助基金：国家自然科学基金;国网重庆市电力公司科技项目

在线出版日期：2023-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：297-305