模糊系统结合最小二乘温升预测方法.docVIP

模糊系统结合最小二乘温升预测方法 　　摘 要：针对金具温升过高现象，提出了新的温升预测方法。通过温升试验得到训练数据与测试数据，利用训练数据通过递推最小二乘结合遗传算法的方法对模糊系统进行训练，利用测试数据对训练后的模型进行检验，误差处于合理范围。训练与测试结果说明运用新方法预测金具?厣?是可行的。通过回归分析对金具温升进行预测，并与新方法进行比较，新方法的预测效果优于传统的回归模型，比较结果体现了新方法在温升预测方面的优势。 　　关键词： 　　金具；温升试验；模糊系统；回归模型 　　DOI：10.15938/j.jhust.2017.06.010 　　中图分类号： TM11；TP18 　　文献标志码： A 　　文章编号： 1007-2683（2017）06-0052-05 　　Abstract：For the problem that the rise of temperature of fitting is too high to control， a new method of predicting the rise of temperature has been put forward. The training data and the testing data are obtained from the experiment of rising of temperature. Through training data， the fuzzy system is trained by recursive least square combined genetic algorithm. Then the model is tested by testing data. The error is in reasonable range. The result shows that the new method is feasible to predict the rise of temperature of connection fitting. Regression analysis is used to predict the rise of temperature of connection fitting and the result is compared with that of new model， the result of new model is better than that of traditional regression analysis model， the result of comparison reflects that the new method has advantages for predicting the rise of temperature. 　　Keywords：fitting； the experiment of the rise of temperature； fuzzy system；regression analysis model 　　0 引 言 　　温升预测的主要方法有理论法与数值法。理论法主要考虑对电力设备温升影响较大的因素，包括电流密度、表面辐射等，运用热学、电学等基础理论计算温升，数值法包括有限元法、有限差分法等，通过数值算法解微分方程组得到温升。电力设备的温升与电流密度、环境温度等很多因素相关，多为复杂的非线性关系，理论法和数值法往往需要进行假设和简化，这造成方法的应用受到限制[1-5]。近年来人们普遍使用智能方法预测温升。孙才新、陈伟根、苏小平、滕黎等运用神经网络预测了变压器绕组热点温度[6-9]。Pylvanainen通过建立神经网络模型，对变压器顶层油温和绕组热点温度进行了预测[10]。文[11-13]通过多种神经网络模型对变压器绕组热点温度或顶层油温进行了预测。 　　人们经常用神经网络模型预测温升，模糊系统在温升预测应用较少，它不仅能像神经网络那样进行学习，而且可以结合相应领域的专家经验。换流站中的高端阀厅是直流特高压输电工程的重要组成部分，其内部连接金具经常温升过高，尚无较好地解决该问题的有效方法，本文针对该问题，提出了新的温升预测方法[14-19]。 　　1 模糊系统 　　M型模糊系统集成了纯模糊系统与TSK模糊系统的优点，克服了两者相应的缺点，在交通、控制等领域应用广泛，其表达式为： 　　递推最小二乘算法适合局部搜索，不适合全局搜索，遗传算法相反，擅长全局搜索，不擅长局部搜索。将二者结合对模糊系统进行训练以取长补短。 　　2 温升新模型 　　交流电的集肤效应使空间分布位置复杂的各软导线上的电流差异