首页> 中文学位 >GM(1,1)优化模型在变压器油中溶解气体浓度预测的应用研究
【6h】

GM(1,1)优化模型在变压器油中溶解气体浓度预测的应用研究

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 预测技术概述

1.2 变压器油中溶解气体浓度预测

1.3 国内外的研究现状

1.4 本论文的主要工作

2 灰色 GM(1,1)预测模型及方法体系

2.1 灰色系统理论的介绍

2.2 灰色 GM(1,1)预测模型的建立

2.3 灰色 GM(1,1)预测模型的精度检验

2.4 灰色 GM(1,1)预测模型的适应范围

2.5 本章小结

3 灰色 GM(1,1)预测模型的优化

3.1 数据生成

3.2 基于函数cos( )x? 变换提高初始序列光滑度

3.3 残差修正模型

3.4 综合灰色 GM(1,1)预测模型

3.5 本章小结

4 优化 GM(1,1)模型在变压器油中气体浓度预测的应用

4.1 引言

4.2 基于函数 cos( )x? 变换的灰色模型在变压器油中气体浓度预测的应用

4.3 综合灰色 GM(1,1)模型在变压器油中气体浓度预测的应用

4.4 本章小结

5 结 论

参考文献

攻读硕士学位期间发表的论文及科研成果

致谢

展开▼

摘要

电力变压器是电力网络中的枢纽设备,它的可靠运作是电网安全和正常运行的保证,一旦出现突发性故障,将导致局部电网甚至整个互联大电网运行的瘫痪。因此,积极开展电力变压器的故障预测工作显得尤为重要。通过建立高精度的预测模型对变压器油中各气体浓度进行精准预测和分析是提前发现变压器潜在性故障的有效方法。论文主要对GM(1,1)模型进行了优化,以提高该模型的预测精度,并对其在变压器油中各气体浓度预测的应用方面做了较深入的研究,主要的研究工作和成果如下:
  (1)查阅和研究了关于该课题的国内外有关文献和资料,并对灰色模型及其改进模型在变压器油中气体浓度预测的应用研究现状进行了分析和总结。
  (2)对建模序列中的异常数据进行数值生成处理,可以使该序列的规律性增强、满足建模条件。当建模数据序列中存在不正常或不合实际的数据时,通过结合实际对其进行分析和检验,若不能满足建模要求,对其进行相应地数值生成替换处理,再建立灰色GM(1,1)预测模型,通过实例分析表明可以有效提高模型的预测精度。
  (3)增加初始建模序列的光滑度可以有效提高灰色预测模型的精度。根据函数变换理论,本文通过建立数据变换的构造函数和准则,对建模序列作函数cos()xa变换处理,可以增强该序列的光滑度,再建立基于函数cos()xa变换的灰色GM(1,1)预测模型。通过两个实例预测和分析表明该模型无论是对多数据还是少数据序列预测,均可有效提高预测模型的精度。
  (4)根据残差数据序列变化的特点和结合灰色Verhulst模型的优点,本文建立了灰色Verhulst残差修正模型。对残差数列作相应地处理,使其呈近似“S”型曲线变化或近似指数规律变化,建立灰色Verhulst残差修正模型,对精度不满足要求的模型进行修正,进而提高模型的预测精度。
  (5)基于灰色理论基础和对灰色GM(1,1)模型优化的思想,本文建立了综合灰色GM(1,1)预测模型。通过运用几种模型分别预测和分析了某正常运行变压器的油中的几种气体浓度,并对比其各自的预测结果,表明了综合灰色GM(1,1)模型可以有效提高模型的预测精度,而经过基于灰色Verhulst残差修正后,该修正方法的修正效果好于GM残差修正方法,能更一步地提高预测模型的精度和适应性。
  (6)文末对上述研究成果进行了总结,并提出了进一步改进的思路和方法。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号