相对变换主元分析的变压器油击穿电压预测.pdfVIP

相对变换主元分析的变压器油击穿电压预测.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
相对变换主元分析的变压器油击穿电压预测.pdf

第36卷 第7期 仪 器 仪 表 学 报 Vo1.36No.7 2015年 7月 ChineseJournalofScientificInstrument Ju1.2015 相对变换主元分析的变压器油击穿电压预测 唐勇波 ,彭 涛 ,熊印国 ,江风云 (1.宜春学院物理科学与工程技术学院 宜春 336000; 2.中南大学信息科学与工程学院 长沙 410083) 摘 要:针对变压器油击穿电压在线测量困难,数据噪声和孤立点影响支持向量机预测精度的问题,提出了基于相对变换 (RT) 主元分析 (PCA)的变压器油击穿电压预测方法。首先 ,通过相对变换将原始数据空间变换到相对空间,抑制噪声和孤立点对模 型精度的影响;然后在相对空间进行主元分析 ,降低相对空间维数,使提取的主元特征更具有代表性和更大的变化度 ;最后,将 提取的主元作为最小二乘支持向量机 (LSSVM)的输入,建立变压器油击穿电压的最小二乘支持向量机预测模型。与LSSVM、 RT—LSSVM和PCA—LSSVM的对比实验结果表明,本文提出的方法具有较优的预测精度和泛化能力。 关键词:击穿电压 ;预测;相对变换 ;主元分析;最小二乘支持向量机 中图分类号:TP183 TH833 文献标识码 :A 国家标准学科分类代码 :510.80 Breakdownvoltageprediction mathodfortransformeroilbasedon relative transformation principalcomponentanalysis TangYongbo一,PengTao ,XiongYinguo ,JiangFengyun (.SchoolofPhysicalScienceandEngineering,YichunUniversity,Yichun336000,China;2.Schoolof InformationScienceandEngineering,CentralSouthUniversity,Changsha410083,China) Abstract:AimingattheproblemsthatitisdifficulttomeasurethebreakdownvoltageoftransfoiiBeroilinrealtimeandthedatanoise andisolatedpointaffectthepredictionprecisionofsuppo~vectormachine,anew predictionmethodforthebreakdownvoltageoftrans— formeroilbasedonrelativetransformation(RT)principalcomponentanalysis(PCA)isproposed.Firstly,theoriginaldataspaceis convenedintotherelativedataspacewithrelativetransformation,whichsuppressestheinfluenceofdatanoiseandisolatedpointonpre— dictionmodelprecision;Secondly,PCA isperformedinrelativespacetoreducethedimensionoftherelativespace,whichmakesthe extractedprincipalcomponentfeatureshavemorevariabilityandrepresentation intherelativespace;Atlast,theextractedprincipal componentsareusedastheinputoftheleastsquaressupportvectormachine(LSSVM),andtheLSSVMpredictionmodelforthebreak— downvoltageoftransformeroilisestablished

文档评论(0)

daoqqzhuan3 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档