-
公开(公告)号：CN111289495A
公开(公告)日：2020-06-16
申请号：CN202010238408.8
申请日：2020-03-30
Applicant: 云南电网有限责任公司电力科学研究院
Abstract: 本申请涉及电气领域，特别地，涉及基于粒子群优化SVM的变压器油溶解气体拉曼检测分析方法。本申请提供一种基于粒子群优化SVM的变压器油溶解气体拉曼检测分析方法，所述方法包括：获取预设标准浓度的CO气体作为实验样气；将所述是CO气体的部分作为训练集，剩余部分作为测试测；基于所述训练集合测试集构建基于粒子群优化SVM模型；基于所述SVM模型，采用自适应变异粒子群优化算法得到最优参数。该方法建模快速、所需参量数量少，能够有效对采集到的光谱数据进行智能计算，使得得到的变压器油中溶解气体浓度数据相较于BP神经网络算法模型得到的数据更加精确、有效。
-
公开(公告)号：CN109632649A
公开(公告)日：2019-04-16
申请号：CN201811523406.2
申请日：2018-12-13
Applicant: 云南电网有限责任公司电力科学研究院
CPC classification number: G01N21/25 , G01R31/1218 , G06N3/0445 , G06N3/0454 , G06N3/061 , G06N3/08
Abstract: 本申请提供了一种基于人工神经网络的SF6气体光纤检测定量分析方法，包括：获取影响SF6气体光纤检测定量分析因素的训练样本；基于前馈神经网络和所述训练样本训练神经元激励函数；预设神经元网络期望输出R，根据所述神经元网络期望输出通过训练获得使神经元输出接近期望值R的神经元的权值和阈值；根据获得的神经元的权值和阈值以及结合影响SF6气体光纤检测定量分析因素的输入，预测SF6气体光纤检测定量分析结果。本申请提供的基于人工神经网络的SF6气体光纤检测定量分析方法，能够有效减少包括压强、温度和激光功率在内的外部因素影响，突出待测成分信号的特征性，确保光谱数据的光滑性，能有效提高光谱数据的分析准确度。
-
公开(公告)号：CN109444107A
公开(公告)日：2019-03-08
申请号：CN201811524091.3
申请日：2018-12-13
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G01N21/65
Abstract: 本申请提供了一种基于支持向量机的SF6气体检测定量分析方法，所述方法包括：选择拉曼气体检测的图谱谱峰、检测压强、检测温度和激光强度为输入变量，选择的SF6气体浓度为输出量，采集N组输入变量所对应的历史运行数据和其所对应的SF6气体浓度测试数据作为训练样本；选择一个非线性变换φ(·)将n维输入、一维输出样本向量从原空间映射到高维特征空间，并在该高维特征空间构造最优线性回归函数f(x)＝ωφ(x)+b，ω为权值向量：b为偏差，x为输入变量；预测SF6气体检测定量分析结果。本申请提供的基于支持向量机的SF6气体检测定量分析方法，考虑压强等外界干扰因素影响，提高通过拉曼图谱检测气体浓度的方法的准确性。
-
公开(公告)号：CN109374594A
公开(公告)日：2019-02-22
申请号：CN201811524062.7
申请日：2018-12-13
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G01N21/65
Abstract: 本申请实施例提供了一种变压器油中溶解气体拉曼检测定量分析方法，包括：获取变压器油中溶解气体样本组的特征数据；根据基于均方误差的适应度函数，计算溶解气体样本组中每个溶解气体样本的适应度；将适应度进行排序，得到最差溶解气体样本；根据在0-1范围内的一个随机数与最差适应度的差值判断进行交叉或者变异；如果判断为交叉，则进行交叉处理得到溶解气体交叉更新样本组；如果判断为变异，则进行变异处理得到溶解气体变异更新样本组；判断是否达到预设终止条件；如果达到，则将最优溶解气体样本中的溶解气体浓度确定为待测气体浓度。本申请基于遗传算法进行迭代计算，计算得到的变压器油中溶解气体溶解度准确性高。
-
-
-
Search Results
4
records
(took 0.034 seconds)
