基于遗传优化最小二乘支持向量机的变电站全寿命周期成本预测模型

变电站设备多、投入资金大,建立合理的变电站LCC预测模型,是提高电网资产管理效率的重要手段,其中如何保证算法收敛能力和模型预测精度是目前的研究难点。建立了基于GA优化最小二乘支持向量机的变电站LCC预测模型,选取变电站全寿命周期各阶段的一些具有代表性的指标作为预测模型输入向量,变电站LCC总成本作为输出向量。通过算例,对比了传统LS-SVM预测模型、BP神经网络预测模型和GA优化LS-SVM预测模型的预测结果及性能指标,验证了GA优化LS-SVM预测模型性能的优越性,以便在新建变电站时,实现快速、高效的变电站LCC的预测,有助于实现电网规划时变电站的经济技术评估。     

基于优化正交偏最小二乘法的变电站全寿命周期成本预测分析

变电站开展全寿命周期成本（LCC）管理,有利于提升电网资产管理效率,而如何准确测算LCC费用是LCC管理的难点。构建了一个基于正交偏最小二乘法（OPLS）变电站的LCC费用预测模型,并通过变量投影重要性进一步优化预测模型。结果显示优化OPLS预测模型的精度有所提升,且通过考察年故障时间、初期投资、年故障中断功率、单位赔偿费用、电价、年平均故障修复率、物理寿命周期、运维率、年平均修复时间、年平均故障修复成本和通货膨胀率等关键影响因子,就可实现对变电站LCC的高效估算。     

粒子群优化算法和最小二乘支持向量机的 雷电过电压识别

为了提高雷电过电压的识别率,满足雷电过电压识别的实时性,提出了粒子群优化算法和最小二乘支持向量机的雷电过电压识别模型。首先提取多种特征作为雷电过电压识别的输入向量,然后采用最小二乘支持向量机设计雷电过电压识别的分类器,采用粒子群优化算法确定最合理的分类器参数,最后通过实验分析其有效性和优越性。结果表明,PSOLSSVM可以描述雷电过电压信号与特征间变化关系,提高了雷电过电压识别率,加快了雷电过电压识别速度,识别结果优于其他模型。     

量子遗传算法优化的最小二乘支持向量机的风机故障诊断

针对最小二乘支持向量机（LSSVM）在故障诊断过程中的模型参数选择问题,提出了利用全局寻优能力强、收敛速度快的量子遗传算法（QGA）对模型参数进行参数寻优,把LSSVM参数选择问题转化为优化问题。该算法克服了遗传算法优化过程中陷入局部极值的问题,提高了优化性能。利用UCI数据库的数据进行分类验证,相比遗传优化的LSSVM和交叉验证的LSSVM,基于QGA优化的LSSVM模型提高了分类精度。最后,把该模型应用于风力发电机齿轮箱故障诊断中,取得了良好的效果。     

基于粒子群算法-最小二乘支持向量机算法的磁化曲线拟合

磁化曲线是强非线性函数,提高磁化曲线的拟合精度对含有铁磁材料的电气设备建模准确性至关重要。提出了一种基于粒子群算法-最小二乘支持向量机(PSO-LSSVM)算法的磁化曲线拟合方法。该方法用粒子群优化算法解决了最小二乘支持向量机(LSSVM)参数的选择问题。仿真结果显示PSO-LSSVM算法能获得最优的LSSVM参数,且采用PSO-LSSVM算法拟合的磁化曲线与实际测量的磁化曲线基本无偏差,拟合精度较高。     

基于PSO优化最小二乘支持向量机的热工系统辨识

在用最小二乘支持向量机(LS-SVM)辨识大迟延对象时,正则化参数、核宽度以及模型类中的迟延时间多是根据经验估测的,而不同的参数值对最小二乘支持向量机辨识的精度就会不同.针对上述问题,采用粒子群优化(PSO)算法对热工辨识系统中的相关参数进行优化.对电厂一次风量数据和平均床温数据进行的仿真实验结果表明,在用LS-SVM对大迟延对象进行辨识时,通过PSO算法进一步确定其最佳参数及迟延时间,能够有效地提高辨识精度.     

基于变分模态分解和改进粒子群算法优化最小二乘支持向量机的短期电价预测

针对电价序列具有非线性强、波动性大的特点,提出一种基于变分模态分解(VMD)和改进粒子群算法(PSO)优化最小二乘支持向量机(LSSVM)的短期电价预测模型.首先利用VMD将原始电价数据分解为多个子序列,然后采取LSSVM模型分别对子序列进行预测.对于LSSVM预测模型的最优参数选择问题,利用改进的PSO优化LSSVM模型的参数,能够很好地提高模型预测精度.最后集成各子序列预测结果,获得最终电价预测值.为了验证所提模型的有效性,以美国PJM市场电价数据为例进行分析,并与其他预测模型进行对比,结果表明,所提模型能够很好地对短期电价进行预测.     

基于最小二乘支持向量机控制器的研究

阐述了支持向量机与最小二乘支持向量机的特点,设计了基于最小二乘支持向量机的控制器,该控制器构成的系统学习与泛化能力强、抗干扰效果好,并利用垃圾焚烧炉的估计模型进行了仿真.仿真结果表明,该方法抗干扰效果好,适应性强.     

利用粒子群优化最小二乘支持向量机诊断H桥功率模块IGBT故障

为了提高H桥功率模块中IGBT故障诊断的准确性,提出将粒子群优化最小二乘支持向量机用于H桥功率模块中IGBT故障诊断。分析了功率模块中可供采集的信号,将H桥直流侧电容电压作为故障的原始信号。通过小波多分辨率提取故障特征。采用粒子群算法优化最小二乘支持向量机中的核函数和正则化参数。通过仿真实验表明,粒子群优化最小二乘支持向量与默认参数最小二乘支持向量机、粒子群优化支持向量机和遗传算法优化最小二乘支持向量机相比,诊断准确率高和诊断时间短等优点,具有很好的实用性。     

基于声学测温与最小二乘支持向量机的锅炉炉膛灰污监测方法

研究电站锅炉炉膛灰污监测问题,提出了基于声学测温和最小二乘支持向量机的电站锅炉炉膛灰污监测方法。该方法采用声学测温装置获得实际运行状态下锅炉炉膛出口烟温,用最小二乘支持向量机获得实际运行状态下锅炉炉膛清洁时的潜在炉膛出口烟温,运用上述两参数定义灰污特征参数来表征锅炉炉膛整体灰污状况。建立了监测模型,从电厂采集数据对模型进行了训练和验证,并对获得的灰污特征参数进行了分析,结果表明:基于声学测温和最小二乘支持向量机的锅炉炉膛灰污监测方法可以较准确地实现电站锅炉炉膛的灰污监测,为炉膛的吹灰优化打下了良好的基础。     

基于LS-SVM的谐波阻抗估计方法

为解决谐波阻抗不易直接获取的问题,提出一种基于最小二乘支持向量机LS-SVM(least squares support vector machine)估计系统谐波阻抗的新方法.利用最小二乘支持向量机构建回归模型,引入Lagrange乘子得到拉格朗日函数,并求解得到模型参数.将公共连接点PCC(point of com...     

基于最小二乘支持向量机的风功率短期预测

为了减小风力发电的随机性对电力系统的影响,提出了一种基于最小二乘支持向量机的风功率短期预测模型。在研究最小二乘支持向量机的基础上,为解决最小二乘支持向量机建模时其参数对预测性能影响,运用粒子群算法对参数进行优化,最后建立了基于粒子群优化最小二乘支持向量机的预测模型。运用某风电场的实测数据进行仿真研究,为了对比分析,同时利用E1man神经网络模型和支持向量机模型进行了预测,仿真结果表明,本文所提方法与其它方法相比预测精度更高,可以有效地应用于风功率的预测。     

110kV变电站全寿命周期成本分析

通过国家电网公司全寿命周期设计建设试点工程——山东电力集团公司潍坊供电公司110 kV乐川变电站设计建设实例,介绍全寿命周期成本(Life Cycle Cost或LCC)管理的基本涵义、在电力系统的应用情况及在乐川变电站工程决策的实践,分析LCC的计算模型、研究内容、效益等。     

基于PSO优化LS-SVM的异步电动机振动故障诊断

为了提高异步电动机振动故障诊断的准确性,提出了基于粒子群算法优化最小二乘支持向量机的异步电动机振动故障诊断方法。先通过实验室对异步电动机各类故障的振动进行测试,对测试数据进行预处理,选择异步电动机不同位置振动信号的特征频率作为系统的输入,然后利用训练好的粒子群算法优化后的最小二乘支持向量机进行异步电动机振动的故障诊断。最终结果与其他诊断方法对比表明：该方法克服了样本训练时间较长并容易陷入局部收敛的缺点,同时诊断的准确率较高,有效地避免了异步电动机故障的误诊断。     

变电工程全寿命周期设计辅助决策系统的研发

针对变电项目现行造价管理的不足,结合全寿命理论和方法,研发了变电站项目全寿命设计决策系统,提出了适合我国国情的变电项目工程分解结构和费用分解结构,阐述了数据库设计、费用单元估算、全寿命费用评价实现的理论和方法.该系统可以合理确定和有效控制工程造价.     

基于最小二乘支持向量机的绝缘子等值附盐密度预测

等值附盐密度是确定污秽等级和绘制电网污区分布图的主要依据，而绝缘子污秽在线监测系统主要监测绝缘子表面泄漏电流和环境参数。研究表明，泄漏电流除了和绝缘子表面的污秽状况有关外，还受温度、湿度等环境因素的影响，并且和各因素之间存在着复杂的非线性关系。文中在实验室模拟试验和现场实测数据基础上，利用最小二乘支持向量机，建立了以泄漏电流有效值、泄漏电流脉冲峰值、泄漏电流脉冲频度、环境湿度、温度等五个变量作为输入参数，等值附盐密度作为输出参数的智能预测模型。并通过部分实验数据验证了该方法的可行性。     

基于最小二乘支持向量机的高压绝缘子污秽程度评定

研究表明,泄漏电流的各种电气特征量除了与绝缘子表面的污秽状况有关外,还受温度、湿度等环境因素的影响,并且与各因素之间存在着复杂的非线性关系.因此,绝缘子在线监测系统通过单一检测泄漏电流的大小来评定表面污秽状况是不科学的.文中在实验室模拟试验和现场实测数据基础上,利用最小二乘支持向量机这种新的机器学习工具,分别用2种核函数建立了以泄漏电流有效值、泄漏电流峰值、泄漏电流脉冲频度、环境湿度、温度等5个变量作为输入参数,污秽程度作为输出参数的评定模型,超平面参数通过交叉检验的方式确定.实验结果表明,最小支持向量机具有很好的学习、分类和泛化能力,且对于污秽程度评定问题选用RBF核函数相对于多项式核函数有更高的判别准确率.