[发明专利]一种基于PSO-SVM的高压隔离开关过热状态预测方法

权利要求书

1.一种基于PSO-SVM的高压隔离开关过热状态预测方法，其特征在于，步骤如下：

1)获取原始数据，组成基于粒子群优化的支持向量机的高压隔离开关过热状态预测的训练集，原始数据包括负荷电流、额定电流、环境温度、污秽等级、最近检修年限、隔离开关运行状态；

2)利用训练集建立支持向量机的高压隔离开关过热状态预测模型；

3)采用粒子群算法，计算步骤2)得到的支持向量机的高压隔离开关过热状态预测模型的核函数参数δ和惩罚参数C，得到基于粒子群优化的支持向量机的高压隔离开关过热状态预测模型；

4)将高压隔离开关的运行时的原始数据或测试样本输入步骤3)得到的基于粒子群优化的支持向量机的高压隔离开关过热状态预测模型中，进行隔离开关状态预测。

2.根据权利要求1所述的基于PSO-SVM的高压隔离开关过热状态预测方法，其特征在于，步骤1)中，原始数据在组成训练集之前，先进行如下预处理：

1.1)采用负荷电流率表征负载率大小对高压隔离开关发热状态的影响，如下：

分别用0和1表示隔离开关的运行状态为正常和过热；

定义污秽等级，并以数字化表示污秽等级；

1.2)对原始数据进行归一化处理，如下：

其中，x_max,x_min分别为数据中的最大值和最小值；

归一化后得到训练集Rⁿ＝{(x₁,y₁),(x₂,y₂),…(x_l,y_l)}；其中，

x＝[负荷电流率，污秽等级，环境温度，最近检修年限]；

y＝[运行状态]，

3.根据权利要求2所述的基于PSO-SVM的高压隔离开关过热状态预测方法，其特征在于，步骤2)中，支持向量机的高压隔离开关过热状态预测模型具体实现方法如下：

对于给定训练集Rⁿ＝{(x₁,y₁),(x₂,y₂),…(x_l,y_l)}，当y∈Rⁿ时，在原始样本空间寻找一线性拟合函数y(x)＝w·x+b，使得间隔最大化，且拟合误差最小化，将y(x)＝w·x+b的求解转化为求解如下公式：

其中，b为常数，w为权值向量，w^Tw用于控制模型的复杂度，C为惩罚参数，用于控制对超出误差样本的惩罚程度，ε为不敏感损失参数，L_ε＝max{0,|y(x_i)-y|-ε}，为ε不灵敏损失函数，即当实际值y_i与预测值y(x_i)之差不超过预设给定的ε时，则认为预测值y(x_i)是无损失的。

4.根据权利要求3所述的基于PSO-SVM的高压隔离开关过热状态预测方法，其特征在于，引入两个非负值松弛变量ξ_i和ξ_i^*，使则求解等价于求解如下公式的约束优化：

引入两个拉格朗日乘子a_i和转化为的对偶问题，具体如下：

求解得到拟合函数为：

5.根据权利要求4所述的基于PSO-SVM的高压隔离开关过热状态预测方法，其特征在于，对于非线性回归，采用径向基核函数，公式如下：

其中，δ为核参数，通过非线性变换将输入向量映射到高维特征空间，在高维特征空间构造线性回归函数，则原始样本空间的非线性拟合函数为：