变压器油中气体的多核核主元回归预测模型

摘要：

为了克服常用预测方法在建模时只单独考虑某种特征气体发展变化的不足,进一步提高预测的精度和可靠性,提出了一种基于多核核主元回归(multiple-kernel kernel principal component regression,MK-KPCR)的变压器油中气体预测模型.采用不同类型核函数的线性加权组合构造新的等价核,以降低建模精度对核函数及其参数选择的依赖性;利用核主元分析( kernel principal component analysis,KPCA)对变压器油中溶解气体样本数据提取核主元,进行回归计算与分析,建立同时预测变压器油中主要特征气体的核主元回归(kernel principal component regression,KPCR)模型;与灰色多变量预测模型(multivariable grey model,MGM),主元回归(principal component regression,PCR)及KPCR进行一步和多步预测比较.实验结果表明,MK-KPCR预测模型对核函数及参数选择的依赖性小,具有较优的预测精度和泛化能力.

关键词：电力变压器、油中气体、预测、核主元回归、多核学习

所属期刊栏目：16

分类号：TM855;TP183(高电压技术)

资助基金：国家自然科学基金61134006

在线出版日期：2013-01-04（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：92-98