[发明专利]基于支持向量机和遗传算法的开关柜电场预测与优化方法

权利要求书

1.一种基于支持向量机和遗传算法的开关柜电场预测与优化方法，其特征在于，包括以下步骤：

步骤1：选取影响开关柜内部电场分布的主要因素及水平，建立开关柜电场计算的正交试验表，利用有限元分析软件对正交试验表中各组合方式下开关柜内部电场进行计算，得到触头盒表面的最大电场强度，并进行归一化处理，作为训练样本；

步骤2：基于训练样本集，采用支持向量机回归模型建立开关柜触头盒表面最大电场强度的预测模型，所述预测模型以各影响因子集X为输入特征量，以触头盒表面最大电场强度E为输出量，建立两者之间的关系：E＝f(X)；

步骤3：对完全试验中除去正交试验外的影响因素和水平组合进行有限元电场计算，得到触头盒表面的最大电场强度，并进行归一化处理，作为验证样本，对预测模型的惩罚因子C和核函数γ参数进行优化，得到优化后的开关柜触头盒表面最大电场强度的预测模型；

步骤4：以触头盒表面最大电场强度为优化控制目标，利用遗传算法对开关柜结构进行优化设计，触头盒表面最大电场强度最小值对应的影响因素取值即为优化后的结构参数。

2.根据权利要求1所述的一种基于支持向量机和遗传算法的开关柜电场预测与优化方法，其特征在于，所述步骤1中，所述影响开关柜内部电场分布的主要因素包括相间距、母排截面积和倒角直径。

3.根据权利要求1所述的一种基于支持向量机和遗传算法的开关柜电场预测与优化方法，其特征在于，所述步骤1中，所述正交试验表为三因素三水平正交表L₉(3³)。

4.根据权利要求1所述的一种基于支持向量机和遗传算法的开关柜电场预测与优化方法，其特征在于，所述步骤1中，所述有限元分析软件为ANSYS软件、COMSOL软件或FLUX软件。

5.根据权利要求1所述的一种基于支持向量机和遗传算法的开关柜电场预测与优化方法，其特征在于，所述步骤1中，所述归一化处理是对训练样本数据进行预处理，以加快模型的训练速度和收敛速度，提高预测精度，归一化处理方法为：

其中，为归一化后的变量取值，x_i为归一化前的变量取值，x_max和x_min分别为变量的上限和下限。

6.根据权利要求1所述的一种基于支持向量机和遗传算法的开关柜电场预测与优化方法，其特征在于，所述步骤2中，所述支持向量机回归模型的基本思想是寻找一个满足条件的可将样本集分为两类的超平面，其表达式为：

其中，L为样本距离超平面的分类间隔；w为样本分类的权值；n为样本数量；λ＞0为惩罚因子，用来调整离群点带来的损失，平衡算法复杂度和误样本率；松弛变量ξ_i＞0，在样本不能被线性分离情况下保证分类精度。

7.根据权利要求1所述的一种基于支持向量机和遗传算法的开关柜电场预测与优化方法，其特征在于，所述步骤2中，所述支持向量机回归模型采用RBF核函数：

K(x_i,x_j)＝exp(-γ||x_i-x_j||²),

其中，γ为RBF核函数中的宽度参数，用来控制核函数的作用范围；x_i、x_j为分类样本的特征向量。

8.根据权利要求1所述的一种基于支持向量机和遗传算法的开关柜电场预测与优化方法，其特征在于，所述步骤3中，所述惩罚因子C和核函数γ参数的优化方法为改进网格搜索法、遗传算法或粒子群算法。

9.根据权利要求1所述的一种基于支持向量机和遗传算法的开关柜电场预测与优化方法，其特征在于，所述步骤4中，利用遗传算法将待优化参数编码生成染色体，通过选择、交叉、变异的方法，以新的种群取代现有种群；通过交换双亲染色体间的交换获得更好的后代，得到优化后的结构参数。