基于GA-FSVR的极端温度应力下智能电能表退化预测模型

摘要：

针对极端温度应力下智能电能表退化情况难以准确预测的问题,以计量误差作为退化指标,提出一种基于融合核支持向量回归(FSVR)与遗传算法(GA)的智能电能表退化预测模型.为了兼顾预测模型的学习与泛化能力,在传统单核支持向量回归模型的基础上,提出一种基于RBF核与Sigmoid核的新的融合核函数,并进一步建立基于融合核函数的FSVR模型,预测极端温度应力作用下智能电能表的退化过程;在FSVR模型参数调节阶段,通过GA对核参数进行优化,提高模型预测精度.采用某批次智能电能表分别在高温(50℃)、低温(-40℃)两组极端温度应力下连续14个月的实际退化测试数据展开比较实验,结果表明提出的预测模型能准确追踪不同极端温度下智能电能表的退化趋势,可为我国典型地区的智能电能表可靠性分析提供指导.

关键词：智能电能表、退化预测、温度应力、支持向量回归、遗传算法

所属期刊栏目：59

分类号：TM933

资助基金：国网山东省电力公司科技项目520626200021

在线出版日期：2022-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：163-169