首页|基于KPCA-SSA-ENN的变压器油界面张力预测

基于KPCA-SSA-ENN的变压器油界面张力预测

Prediction of interfacial tension of transformer oil based on KPCA-SSA-ENN

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
针对目前变压器油界面张力的传统检测方法检测时间长、成本高等问题,提出了基于多频超声检测技术和人工智能算法的界面张力预测方法.对选取的175 组变压器油样进行圆环法界面张力检测和多频超声波检测,分析了多频超声波信号的幅频响应、相频响应和界面张力之间的相关性.通过核主成分分析(KPCA)预处理多频超声波数据,划分样本集为140 组的训练集和35 组的测试集,并建立麻雀搜索算法(SSA)优化Elman神经网络(ENN)的界面张力预测模型,预测平均相对误差为6.53%,预测准确率达到93.47%.

transformer oilinterfacial tensionmulti-frequency ultrasoundKPCA-SSA-ENN

姚远、贾路芬、刘立、赵自威、李杨、周渠

展开 >

国网重庆市电力公司长寿供电分公司,重庆 401220

西南大学工程技术学院,重庆 400715

变压器油 界面张力 多频超声 KPCA-SSA-ENN

国家自然科学基金面上项目国家电网重庆市电力公司科技项目

52077177522008220004

2023

10.3969/j.issn.1674-8425(z).2023.07.034

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2023.37(13)
  • 11