阀厅连接金具温升模糊预测策略

针对阀厅连接金具的温升问题,提出基于模糊系统的温升预测策略,并用此方法对连接金具的温升进行预测。通过阀厅连接金具温升试验得到训练与测试数据。利用训练数据通过梯度下降算法训练模糊系统,建立相应温升模型,然后用测试数据进行测试,检验模型可靠性,相对误差平均值为8.04%,测试结果合理。用回归分析对阀厅连接金具的温升进行预测,并与模糊系统进行比较,模糊系统预测的相对误差平均值比回归分析降低了5.56%。预测与比较结果说明,模糊系统在阀厅连接金具温升预测方面具有优势。

模糊系统结合递推最小二乘的阀厅连接金具温升预测

根据特高压换流站阀厅连接金具温升的特点,提出了模糊系统结合递推最小二乘的温升预测新方法.设计了阀厅连接金具温升试验,得到能代表样本空间的训练数据与区别于训练数据,用于检测模糊系统可靠性的测试数据.通过训练数据利用递推最小二乘算法训练模糊系统,训练完成后通过测试数据检验模糊系统可靠性,误差在合理范围内.测试结果验证了运用模糊系统结合递推最小二乘算法预测阀厅连接金具的温升是可行的.利用回归分析预测阀厅连接金具的温升,并与模糊系统进行比较,结果表明模糊系统在阀厅连接金具温升预测方面具有优势.

模糊系统结合蚁群算法的金具温升建模

为了得到准确可靠的阀厅连接金具温升模型,运用模糊系统结合蚁群算法的方法进行建模。在分析基本蚁群算法与梯度下降法优缺点的基础上,将两种方法结合形成改进蚁群算法,即在基本蚁群算法基础上应用梯度下降算法。通过试验得到的训练数据分别用基本蚁群算法、梯度下降算法、改进蚁群算法训练模糊系统,改进蚁群算法的收敛效果优于其他两种方法;通过试验得到的测试数据对4种方法所得的模型进行测试,由改进蚁群算法训练模糊系统所得模型的测试效果是最好的。结果表明,若能通过试验得到足量训练数据,用改进蚁群算法训练模糊系统的方法对阀厅连接金具的温升进行建模是可行的。

基于模糊系统的金具温升预测方法

为了提高直流特高压阀厅连接金具的温升预测准确性,将基本粒子群算法与递推最小二乘算法结合,形成改进粒子群算法。利用试验得到训练数据与测试数据,通过训练数据调整模糊系统。训练算法分别为基本粒子群算法、递推最小二乘算法和改进粒子群算法,其中改进粒子群算法的收敛效果优于其他2种算法。通过训练数据与回归分析对阀厅连接金具的温升进行建模,用测试数据对各方法所得模型进行检验,发现由改进粒子群算法训练模糊系统所得模型的测试效果最好。测试结果表明,若能得到足量训练数据,用改进粒子群算法训练模糊系统的方法预测阀厅连接金具的温升是可行的。