关键词:
变压器
绕组热点温度
最小二乘支持向量机
改进哈里斯鹰算法
主成分分析
摘要:
为保障变压器安全稳定运行,提高变压器绕组热点温度预测精度,提出一种基于主成分分析-改进哈里斯鹰-最小二乘支持向量机(principal component analysis-improved Harris hawks optimization-least squares support vector machine,PCA-IHHO-LSSVM)的变压器绕组热点温度预测方法。对变压器绕组热点温度预测的主要特征量进行主成分分析,有功功率、负载电流和顶层油温三个特征量的累计贡献率超过85%,确定有功功率、负载电流和顶层油温三个主元,对输入量进行指标重构。利用Tent混沌映射和学生分布扰动策略对哈里斯鹰算法进行改进,以提高IHHO算法的收敛精度和优化性能,采用IHHO算法对LSSVM进行参数优化,建立了基于PCA-IHHO-LSSVM的变压器绕组热点温度预测模型。采用变压器监测数据进行仿真分析,并与其他绕组热点温度预测方法进行对比,结果表明,所提PCA-IHHO-LSSVM模型的平均相对误差和均方根误差分别为2.92%和1.77℃,预测精度高于其他方法,验证了所提变压器绕组热点温度预测方法的实用性和优越性。