摘要：为了对变压器的运行状态和潜伏性故障进行有效预测,提出了基于基因表达式程序设计(Gene Expression Programming,GEP)滑动窗口预测模型的变压器油中溶解气体浓度的预测方法。根据变压器油中溶解气体量的变化特点,选择合适的嵌入维度、终结点集、函数集等GEP运行参数后由适应度函数驱动进行遗传操作,演化出各气体的预测模型。结合变压器运行实例,给出了7种主要气体的预测结果以及H2含量的预测公式,并与MGM(1,7)模型进行比较。对比结果表明,该方法能有效地提高预测精度。

摘要：为了对变压器的运行状态和潜伏性故障进行有效预测,提出了基于遗传程序设计(GP)的变压器油中溶解气体浓度的预测方法。结合变压器运行实例,分别给出了变压器油中7种主要气体的预测模型,并与灰色模型及其改进形式进行比较。对比分析结果表明,在同为小样本训练数据的情况下,GP比灰色模型的预测精度更高。

摘要：提出了一种基于主成分分析和遗传程序设计的分类模型,并应用于油浸式变压器故障诊断中。该分类模型以变压器油中溶解气体的DGA数据为评价指标;通过对所采集数据进行主成分分析,减少了数据的冗余度,从而大大降低了问题的复杂度。实验证明该模型是高效可行的。