基于ISFO-KELM的SF电气设备故障组分CO浓度反演模型

作     者：黄杰 张英 张靖 王明伟 

作者机构：贵州电网有限责任公司毕节供电局 贵州大学电气工程学院 贵州电网有限责任公司电力科学研究院 

出 版 物：《电子科技》 (Electronic Science and Technology)

年 卷 期：2023年

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0805[工学-材料科学与工程（可授工学、理学学位）] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(51867005) 贵州省科技支撑项目(黔科合支撑2021一般365) 南网科技项目(GZKJXM20210348) 

主　　题：可调谐吸收光谱技术 SF 电气设备 CO 浓度反演 降噪 拟合 变分模态分解 核极限学习机 旗鱼优化器 

摘      要：SF6电气设备内部的分解组分可以通过可调谐吸收光谱技术进行检测，其中CO2浓度反映了设备内部的绝缘缺陷情况。因此，通过准确测量CO2浓度可以及时发现设备潜在的绝缘故障。为克服传统最小二乘法浓度反演模型稳定性较差的问题，文中基于改进的旗鱼优化算法(Improved Sailed Fish Optimizer，ISFO)与核极限学习机(Kernel Based Extreme Learning Machine，KELM)建立了ISFO-KELM气体浓度反演模型。利用多策略初始化方法、levy随机步长、柯西变异和自适应t分布变异等技术提升了旗鱼优化算法寻优能力和跳出局部最优解能力。实验结果表明，该模型具有高精度和鲁棒性，并且在稳定性和泛化能力方面优于最小二乘法、极限学习机、反向传播(Back Propagation，BP)神经网络等传统方法，对评估SF6电气设备运行状态具有一定意义。