论文部分内容阅读
针对一类电力设备触点温度缓慢振荡上升的载流故障形态,提出了基于多尺度混沌时间序列预测的载流故障趋势预测方法。首先应用基于小波变换的噪声平滑算法对原始数据进行降噪处理,并利用降噪后的数据构造即时温度序列和多时间尺度的平均温度序列。通过将变步长的归一化最小均方误差算法应用于Volterra核函数的辨识中,提高核函数的辨识精度,从而获得更加准确的预测效果;采用上述改进后的Volterra自适应滤波算法对载流故障进行趋势预测。基于某电站实际运行数据的测试结果表明,所提方法能够在载流故障发生的初期阶段预测故障发展的整体趋势,计算量小且精度高,预测故障发生时间误差最小为1 min。