基于最小二乘支持向量机的电力设备载流故障趋势预测方法专利登记公告

专利名称：基于最小二乘支持向量机的电力设备载流故障趋势预测方法

摘要：本发明公开了一种基于最小二乘支持向量机的电力设备载流故障趋势预测方法。本发明利用历史温度数据训练LS-SVM回归模型，并采用PSO优化算法调整模型的两个参数：核宽度σ和惩罚参数γ。其次，利用PCA算法和K-means聚类算法实时分析设备触点温度，找到存在温升异常的触点，将其温度值作为预测的初始值序列。最后，利用训练得到的回归模型，对初始值温度值进行长期和短期的预测，分析触点温度可能达到的最高点和到达最高点的时间。通过基于PSO-LSSVM的预测分析，主动掌握设备触点的故障发展趋势，为及时采取措施争取了时间

专利类型：发明专利

专利号：CN201210057792.7

专利申请（专利权）人：浙江大学;珠海赛迪生电气设备有限公司

专利发明（设计）人：许力;张慧源;顾宏杰;许文才;李学红

主权项：一种基于最小二乘支持向量机的电力设备载流故障趋势预测方法，其特征在于，该方法包括以下步骤：(1)选取温度训练样本集，收集某一段时间内电力设备触点的温度序列作为训练样本集G＝{q1，q2，L，qm}，从训练样本集G中取出d+1个连续时间温度序列值，前d个作为输入，第d+1个作为输出，由此训练样本集转化为：G＝{(x1，y1)，(x2，y1)，L，(xi，yi)，L，(xm?d，ym?d)}，其中，xi＝{qi，qi+1，L，qi+d?1}，yi＝qi+d；(2)建立用于电力设备载流故障发展趋势预测的最小二乘

专利地区：浙江