专利名称：基于相关向量机的变压器油色谱数据预测方法
技术领域：
本发明涉及一种变压器油色谱数据预测方法，对变压器油中的气体浓度进行预测，属于电力系统安全技术领域。
背景技术：
实际运行中，变压器绝缘油和有机绝缘材料在电场及磁场的作用下，会逐渐老化和分解，产生少量低分子烃类及二氧化碳、一氧化碳等气体，并大量溶解在变压器油中。当存在潜伏性过热故障或放电性故障时，这些气体的产生速度和溶解再油中的数量也会增力口，即故障气体的组成和含量与故障类型的严重程度有密切关系。为此，检测变压器中的绝缘油的色谱情况是见识变压器安全运行的重要手段之一。、电力变压器是电力系统的重要设备之一，其正常运行对电网的安全稳定运行起着非常重要关键的作用。变压器油中溶解气体的含量是监督变压器运行状态的重要手段，因此，建立科学、准确度高和可操作性强的预测模型是变压器在线监测和故障诊断的重要手段，具有重要的技术和经济价值。目前，常用的预测方法有灰色预测模型及其改进模型，但是灰色及其改进的预测模型再数列有确定性趋势时预测效果较好，否则效果较差，无法保证在任何情况下都取得准确满意的结果。人工神经网络算法容易陷入局部最小问题，得不到全局最优解，收敛速度慢。

发明内容
本发明所要解决的技术问题在于克服现有技术的不足，提供一种基于相关向量机的变压器油色谱数据预测方法，利用相关向量机良好的非线性函数逼近能力，改善了变压器油色谱数据预测模型的精度和泛化能力。本发明具体采用以下技术方案解决上述技术问题。本发明的基于相关向量机的变压器油色谱数据预测方法，包括以下步骤
步骤I、采集变压器油色谱数据中的多种气体浓度历史数据，得到训练样本集；
步骤2、以所述多种气体在某一时刻的浓度作为输入，以所述多种气体中的待预测气体在下一时刻的浓度作为输出，利用所述训练样本集对相关向量机进行训练；所述相关向量机的输入层节点数为所述多种气体的种类数，输出层节点数为I ;训练完成后即得到待预测气体的预测模型；
步骤3、利用所述预测模型对待预测气体的浓度进行预测。优选地，所述多种气体包括H2、CO、C2H2,C2H4, C2H6, CH4, CO2。本发明利用相关向量机良好的非线性函数逼近能力来对变压器油中的气体浓度进行预测，改善了变压器油色谱数据预测模型的精度和泛化能力。相比现有技术，本发明具有更高的预测精度。


图I为本发明的变压器油色谱数据预测方法的流程图。
具体实施例方式下面结合附图对本发明的技术方案进行详细说明
本发明的思路是将相关向量机引入变压器油色谱数据预测，利用相关向量机良好的非线性函数逼近能力来提高预测精度。·支持向量机是近年来机器学习领域的研究热点之一，其基本思想是通过一个非线性映射，把输入空间的数据映射到一个高维空间，然后在此空间中作线性回归。M i c h a e IE. Tipping博士在支持向量机预测函数基础上，以基于概率学习的贝叶斯学习理论提出了其实用的算法模型相关向量机(RVM)。对于给定的训练样本输入集和对应的输出集，相关向量机回归模型可定义为
M
4 =2^1:( )+W0 + e(I)
3· I
其中￡■为服从#Φ，σ2)分布的各独立样本误差，Fi为权系数，K(XZXi)为核函数,N为样本数量。对于相互独立的输出集，整个样本的似然函数为
σ2) = ΠIKti[yOq, w),σ2) 二 (Ζπσ2)~m exp(-|* - (x)w|f /Ζσ2 (2)
3-4
其中，w =, Φ =Wr1XMx2),.--, iP(xw) = [l,&X,xw)根据概率预测公式，所求的条件概率为
PCi. |0 = J p(i* |w, σ2 )p(w, σ2 |f Vwdcr2(3)
若直接使用最大似然的方法来求解W和CT2 ,结果通常会导致严重的过适应，为避免这种现象，对w加上先决条件。根据贝叶斯理论，w为分布为零的标准正态分布，同时引入超参数
N
J (w|a) = Niwi |θ, a·1')(4)
因此，概率预测式改为
Jσ2)ρ(^β, α,σ2^)dwdcda2(5)
对每个权值限定先决条件的方法，是相关向量机的一个重要特征。《为权值w对应的超参数，符合伽马分布。经过足够的更新次数后，大部分^会趋近无限大，其对应的权值趋于0，而其他的％会稳定地趋近有限值。而与之对应的A称之为相关向量，实现相关向量机稀疏特性。
在定义了先验概率分布及似然分布以后，根据贝叶斯原理，就可以求得所有未知参数的后验概率分布为
权利要求
1.一种基于相关向量机的变压器油色谱数据预测方法，其特征在于，包括以下步骤 步骤I、采集变压器油色谱数据中的多种气体浓度历史数据，得到训练样本集； 步骤2、以所述多种气体在某ー时刻的浓度作为输入，以所述多种气体中的待预测气体在下ー时刻的浓度作为输出，利用所述训练样本集对相关向量机进行训练；所述相关向量机的输入层节点数为所述多种气体的种类数，输出层节点数为I ;训练完成后即得到待预测气体的预测模型； 步骤3、利用所述预测模型对待预测气体的浓度进行预测。
2.如权利要求I所述基于相关向量机的变压器油色谱数据预测方法，其特征在于，所述多种气体包括H2、CO、C2H2' C2H4' C2H6' CH4, CO2。
全文摘要
本发明公开了一种基于相关向量机的变压器油色谱数据预测方法。本发明方法包括以下步骤步骤1、采集变压器油色谱数据中的多种气体浓度历史数据，得到训练样本集；步骤2、以所述多种气体在某一时刻的浓度作为输入，以所述多种气体中的待预测气体在下一时刻的浓度作为输出，利用所述训练样本集对相关向量机进行训练；所述相关向量机的输入层节点数为所述多种气体的种类数，输出层节点数为1；训练完成后即得到待预测气体的预测模型；步骤3、利用所述预测模型对待预测气体的浓度进行预测。本发明利用相关向量机良好的非线性函数逼近能力来对变压器油中的气体浓度进行预测，改善了变压器油色谱数据预测模型的精度和泛化能力。
文档编号G01N30/00GK102735761SQ201210211288
公开日2012年10月17日 申请日期2012年6月26日 优先权日2012年6月26日
发明者刘亚南, 卫志农, 孙国强, 孙永辉, 徐岩哲, 汪洋, 蒋海军, 陈陈 申请人:安徽电力芜湖县供电有限责任公司, 江苏威信电气科技有限公司, 河海大学