[发明专利]基于支持向量机回归的绝缘子闪络电压预测方法

权利要求书

1.一种基于支持向量机回归的绝缘子闪络电压预测方法，包括：

S1、根据已知绝缘子试样的几何尺寸，计算绝缘子试样的沿面电场分布，得到沿面电场分布的特征参数；

S2、根据特征参数的定义，计算沿面电场分布的特征参数值，记为输入量；

S3、计算测试绝缘子试样的闪络电压及其对应的击穿概率，记为输出量；

S4、预处理所述输入量及输出量数据；

S5、将所述预处理后的数据进行划分，分为训练集数据和测试集数据；

S6、将所述训练集数据录入支持向量机回归模型进行训练，训练过程中进行优化处理，得到训练结果最优的支持向量机回归模型；

S7、将所述测试集的输入量数据录入所述训练结果最优的支持向量机回归模型中进行验证，以验证后的模型预测绝缘子闪络电压。

2.根据权利要求1所述的方法，其中，优选的，步骤S1中，所述沿面电场分布包括：沿面合成电场、平行于闪络路径的切向电场、以及垂直于闪络路径的法向电场。

3.根据权利要求1所述的方法，其中，步骤S3中，所述计算测试绝缘子试样的闪络电压及其对应的击穿概率，包括：

S301、获取闪络次数大于30次的闪络电压试验测试数据；

S302、采用正态分布或Weibull分布，计算得到绝缘子试样的闪络电压及其对应的击穿概率。

4.根据权利要求1所述的方法，其中，步骤S4中，所述预处理输入量及输出量数据，包括：

S401、对所述输入量及输出量数据进行归一化处理；

S402、对所述归一化处理后的数据进行降维处理，得到预处理数据。

5.根据权利要求4所述的方法，其中，步骤S401中，通过采用Min-max标准化方法或z-score标准化方法对所述输入量及输出量数据进行归一化处理。

6.根据权利要求4所述的方法，其中，步骤S402中，通过采用主成份分析法或Pearson相关系数法进行降维处理。

7.根据权利要求1所述的方法，其中，步骤S6中，所述将训练集数据录入支持向量机回归模型进行训练，训练过程中进行优化处理，得到训练结果最优的支持向量机回归模型，包括：

S601、选择合适的支持向量机回归核函数；

S602、将所述训练集数据录入支持向量机回归模型进行训练；

S603、训练过程中采用网格搜索法对所述核函数参数及惩罚因子进行优化处理，得到训练结果最优的支持向量机回归模型。

8.根据权利要求7所述的方法，其中，所述方法还包括：

S8、计算模型预测的平均偏差，并判断平均偏差是否在允许误差范围内；若在允许误差范围内，则判定模型为有效；若不在允许误差范围内，则返回步骤S603，重新对所述核函数参数及惩罚因子进行优化处理，直至得到训练结果最优的支持向量机回归模型。

9.根据权利要求1所述的方法，其中，步骤S5中，所述训练集数据和测试集数据的比例为1∶1、2∶1、3∶1或4∶1。

10.根据权利要求8所述的方法，其中，步骤S8中，通过如下公式计算模型预测的平均偏差：

其中，δ表示模型预测的平均偏差，U_p表示模型预测的绝缘子闪络电压，U_f表示实际测试的绝缘子的闪络电压。