基于极限学习机的变压器热点温度实时预测方法研究
甘景福1
马明晗2
李永刚2
1.国网冀北电力有限公司 唐山供电公司,河北 唐山0630002.华北电力大学 电力工程系,河北 保定071000
摘要：油浸式变压器的负载能力和运行寿命与其热点温度密切相关,准确预测变压器热点温度对监测变压器健康状态和制定动态增容决策有着重要意义.为了预测变压器热点温度,以变压器负载率、环境温度和顶层油温为特征值,采用BP神经网络、Elman神经网络和极限学习机(extreme learning machine,ELM)3种方法分别拟合变压器的热点温度,结果表明,ELM模型的拟合度更高,运算速度更快.通过温度、湿度、天气类型等7类变压器运行历史数据,构建基于支持向量回归(support vector regression,SVR)的电力负荷预测模型,将预测结果作为ELM模型的前置输入,提出一种基于极限学习机的变压器热点温度实时预测方法.以某220 kV油浸式变压器的运行数据为样本对该方法进行验证,发现预测值与真实值的误差在±1℃之内,表明该预测方法具有良好的预测精度.
关键词：油浸式变压器热点温度预测极限学习机支持向量回归
分类号：TU378(建筑结构)
资助基金：国家自然科学基金(51777075)国家电网有限公司总部科技项目(5207031801CR)
论文发表日期：2021-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 135-141 )
英文信息