基于改进随机森林的电力变压器试验和监测数据气体浓度预测OA北大核心CSTPCD

针对现有电力变压器油中溶解气体浓度预测方法预测精度低的问题,提出了一种结合经验模态分解和改进粒子群优化的随机森林算法来预测变压器油中气体浓度。利用改进粒子群算法优化的随机森林模型对经验模态分解后的各分量进行预测,并将各分量的预测结果叠加为最终预测结果。通过算例对该模型的预测结果进行分析,验证了该方法的准确性。结果表明,相比于常规预测模型,该模型预测结果更为接近气体浓度实际值,能够有效提高模型的预测精度,为其他领域的预测提供了一定的参考。