[发明专利]一种变压器油中溶解气体浓度预测方法

权利要求书

1.一种变压器油中溶解气体浓度预测方法，其特征在于：包括以下步骤：

S01)、获取历史监测数据，得到m维参考向量的历史变化数据，m维参考向量包括多种气体的浓度向量以及气体浓度的比值向量；

S02)、利用核主元分析算法提取核心参数，建立以m维参考向量为元素的数据矩阵X，选定核函数及其参数，计算核矩阵K，K＝k(x_i,x_j)＝φ(x_i)·φ(x_j)，x_i、x_j表示数据矩阵X中第i、j个样本，0＜i≤m，0＜j≤m，φ(x_i)、φ(x_j)表示x_i、x_j在特征空间上的像，然后修正核矩阵，修正后的核函数K'为：其中I_m是m阶的值都为1的矩阵，计算K'的特征值λ_i和特征向量p_i；特征值按照降序排列，相应的特征向量也要做相应的调整，计算特征值的累计贡献率T_k，根据设定的阈值ε，若T_k≥ε，则选取k个序列为主元；

S03)、将选出的k个序列和需要预测的气体浓度向量作为GRNN神经网络的输入，训练GRNN神经网络，利用果蝇优化算法将GRNN神经的参数值调整到最佳值，使网络输出值与目标值两者之间的均方根误差调整到最小，具体步骤如下：先计算出输入原点坐标之间的距离，并求倒数以计算判定值S，再将其带入GRNN的光滑因子参数σ，利用Matlab函数newgrnn训练网络得到输出值，并且根据样本预测值计算出均方根误差值，迭代搜寻，得出均方根误差值最小时的光滑因子参数，把此时的光滑因子参数值带入到GRNN神经网络中，对需要预测的气体浓度进行预测。

2.根据权利要求1所述的变压器油中溶解气体浓度预测方法，其特征在于：Matlab训练GRNN网络的spread值采用默认值1。

3.根据权利要求1所述的变压器油中溶解气体浓度预测方法，其特征在于：设均方根误差值为R_mse，则式中，N是测试集数据的个数，x_i是真实值，是预测值。

4.根据权利要求1所述的变压器油中溶解气体浓度预测方法，其特征在于：步骤S01中，利用DGA比值，将多种气体浓度及多种气体浓度中任意两种浓度的比值也作为参考向量。