相对变换KFCM的变压器油击穿电压预测
来源期刊:控制工程2018年第11期
论文作者:熊印国
文章页码:2035 - 2040
关键词:击穿电压;相对变换;核模糊C均值聚类算法;核主元分析;最小二乘支持向量机;预测;
摘 要:针对变压器油击穿电压在线测量困难,基于多模型结构可以提高预测精度和鲁棒性的思想,提出基于相对变换核模糊C均值聚类(Kernel Fuzzy C-means, KFCM)算法的变压器油击穿电压预测建模方法。首先,采用相对变换将原始数据空间变换到相对空间,抑制数据噪音,提高数据之间的可区分性;在相对空间中利用KFCM算法将样本划分成不同的子类,同时,对KFCM核参数和聚类数采用差分进化算法进行优化;然后,利用核主元分析(Kernel Principal Component Analysis, KPCA)对相对空间进行特征提取,降低数据维数、提取数据非线性主元作为各子类构建的最小二乘支持向量机(Least Squares SVM, LSSVM)模型的输入;最后,对子类LSSVM综合加权得到最终输出。将所提出的方法与KFCMLSSVM方法进行比较,实验结果表明所提方法具有良好的预测精度和泛化性能。
熊印国
宜春学院物理科学与工程技术学院
摘 要:针对变压器油击穿电压在线测量困难,基于多模型结构可以提高预测精度和鲁棒性的思想,提出基于相对变换核模糊C均值聚类(Kernel Fuzzy C-means, KFCM)算法的变压器油击穿电压预测建模方法。首先,采用相对变换将原始数据空间变换到相对空间,抑制数据噪音,提高数据之间的可区分性;在相对空间中利用KFCM算法将样本划分成不同的子类,同时,对KFCM核参数和聚类数采用差分进化算法进行优化;然后,利用核主元分析(Kernel Principal Component Analysis, KPCA)对相对空间进行特征提取,降低数据维数、提取数据非线性主元作为各子类构建的最小二乘支持向量机(Least Squares SVM, LSSVM)模型的输入;最后,对子类LSSVM综合加权得到最终输出。将所提出的方法与KFCMLSSVM方法进行比较,实验结果表明所提方法具有良好的预测精度和泛化性能。
关键词:击穿电压;相对变换;核模糊C均值聚类算法;核主元分析;最小二乘支持向量机;预测;