李洪超　王伟刚　董雪梅（浙江工商大学统计与数学学院，杭州　310018）



基于M-LS-SVR的变压器油中溶解气体浓度预测

李洪超王伟刚董雪梅
（浙江工商大学统计与数学学院，杭州310018）

摘要为预测变压器油中溶解气体的浓度，提出了混合最小二乘支持向量机回归（Mixed Least Square Support Vector Regression， M-LS-SVR）算法。该算法使用线性和非线性核函数的组合作为预测函数，利用真实数据自适应选择其混合比例因子。实验结果表明，与目前比较流行的BP神经网络方法、SVR方法和LS-SVR方法的预测结果相比，该方法具有更小的预测误差，更低的复杂性以及更好的泛化能力。

关键词：电力变压器；油中溶解气体分析；浓度预测；最小二乘支持向量机

Concentration Prediction of Dissolved Gases
in Transformer Oil based on M-LS-SVR

Li HongchaoWang WeigangDong Xuemei
（School of Statistics and Mathematics Zhejiang Gongshang University， Hangzhou310018）

Abstract To predict the concentration of dissolved gases in transformer oil， we proposed mixed least square support vector regression （M-LS-SVR） algorithm in this paper. This algorithm combined linear and nonlinear kernel functions as prediction function， the mixed scaling factor was chosen adaptively by real data. The experiment results showed that this method had less prediction error， lower complexity and better generalization ability than those of the current popular methods， such as BP neural network， support vector machine regression （SVR） and least squares support vector machine regression （LS-SVR）.

Keywords：power transformer; dissolved gas analysis; concentration prediction; least squares support vector machine regression

变压器是电力系统中的重要设备，其正常运行是保障电力系统安全稳定运行的基础[1-2]。因此对运行中的变压器状态进行定时监控，以预报故障情况，便成为日常对变压器进行检修的重要环节之一。实际中，常用变压器油中溶解气体分析方法（DGA[3]）来监测和判断变压器在油样采集时的运行情况。其原理是：充油电力变压器在长期的运行过程中受到电或热的作用会老化和劣化，产生少量的气体（一般称为特征气体）溶解在变压器油中。总体来讲溶解气体的量是一个逐步平稳积累的过程，但在故障或异常发生时，气体含量数值会发生较大的变化。因此，可以用油溶气体浓度的变化来反映变压器的运行状况。同时，由于目前的在线监测设备是每隔一段时间（一天）抽测一次，所以基于已有数据，预测将来油溶气体浓度的变化，不仅是对DGA法定期检测数据的补充，而且有利于有效识别监测系统误报警和及时对故障状态做出判断。……