基于LSTSVR模型的并联电抗器油中溶解气体浓度预测

为了提高电力并联电抗器的故障预测能力,采用一种新型的最小二乘双支持向量回归机(LSTSVR)模型,对并联电抗器油中溶解气体的浓度进行预测。该方法采用拉格朗日函数,利用双支持向量回归机向量,把单支持向量回归算法中的不等式约束改成等式约束条件进行求解,大大降低了样本训练计算过程中的复杂度,使预测更加准确。仿真结果表明,LSTSVR模型的预测值与实测值相吻合。与最小二乘支持向量回归机(LSSVR)预测模型相比,LSTSVR预测模型的均方根误差RMSE要小得多。该方法不仅降低了预测误差,提高了预测精度,而且为解决电力系统中其他数据预测问题提供了新的途径。