基于極限學習機的變壓器故障預測方法研究.pdf

1、變壓器的運行狀況直接關系到整個電網的安全。油中溶解氣體能反映變壓器的運行情況，但是，油中溶解氣體分析（DGA）法只能對油樣采集時刻的變壓器故障情況進行診斷，不能對變壓器存在的潛伏性故障進行預測。因此，對變壓器油中溶解氣體預測方法進行研究具有重要的理論價值和實際意義。
　　首先，本文在分析現有變壓器故障預測方法的特點及其存在問題的基礎上，詳細介紹了極限學習機的基本理論及其算法，并將其用于變壓器故障預測中，探索基于極限學習機的變壓器油

2、中溶解氣體預測新方法。
　　然后，給出了基于正則極限學習機的變壓器故障預測方法。這種方法主要針對極限學習機在樣本數量有限的情況下會出現過度擬合的現象，通過引入結構風險最小化原理和平衡因子權衡經驗風險和結構風險的比例。這種方法在保持訓練速度快的前提下，有效的提高極限學習機的泛化性能。實驗證明，正則極限學習機有更好的擬合和泛化性能。
　　最后，本文在研究了混合核函數、核極限學習機和粒子群算法的基礎上，給出了基于粒子群優(yōu)化混合核極