基于EVO-VMD-LSSVM的变压器油中溶解气体浓度预测方法

基于EVO‑VMD‑LSSVM的变压器油中溶解气体浓度预测方法，结合使用能量谷优化算法EVO、变模态分解VMD和最小二乘支持向量机LSSVM；通过VMD方法将原始溶解气体浓度信号分解为若干个具有不同频率特征的本征模态函数IMFs，提取信号的多尺度特征；将变压器负载、运行油温、环境温度和运行时间等多因素引入模型，结合特征参数相关性，针对IMF建立LSSVM预测模型，并利用EVO算法优化LSSVM模型参数，提高预测精度；将各个IMF的预测结果进行重构，得到最终溶解气体浓度预测值；预测性能显著优于传统方法，均方误差MSE、平均绝对误差MAE和决定系数R²等评估指标均显示其具有较高的预测精度和鲁棒性。