最小二乘法因为其简便、稳定的计算,在线性回归中应用非常广泛。但是误差项不服从正态分布,使用最小二乘法求解的回归模型可能会与真实数据存在严重偏差。针对经典最小二乘法的不足和局限性,本文提出一种基于稳健回归的方法来预测油浸式变压器表面温度。该方法采用迭代加权最小二乘法求解模型中的回归参数,选用Huber函数作为权函数,通过反复迭代,改变权重,最后得到一个行之有效的温度预测模型。该模型能够有效的剔除样本中的粗差,准确预测变压器正常运行时的表面温度。最后通过比较实测数据与预测数据,使用稳健回归方法得出的预测数据相比于最小二乘法的预测数据要更加接近于实测数据,验证了稳健回归方法用于油浸式变压器表面温度预测的有效性。 )最小二乘法参数值是否显著β^022.372是23.104是β^12.010是2.114是β^28.515否9.455是β^35.764是5.208是β^41.002是0.981是根据表1的结果，可以得出:在数据含有粗差的情形下，采用稳健回归估计比最小二乘估计得到的效果要好。从参数的显著性检验上来说，稳健回归估计所求解的回归参数都满足显著性检验的条件，而采用最小二乘估计得出的回归参数是不满足显著性检验条件的。表面温度预测-电动折弯机数控滚圆机滚弧机张家港电动液压滚圆机滚弧机下面通过比较稳健最小二乘法和经典最小二乘法每次迭代计算后500组数据的因变量残差，如图2、图3所示。从图种可以清晰的看出，采用稳健最小二乘法计算回归参数时，本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com  只有极个别的因变量残差变化量很大，随着迭代次数的不断增加，因变量的残差逐渐减小;而采用经典最小二乘法计算回归参数时，因变量残差普遍较大，并且残差没有随着数据量的增加而减校图2经典最小二乘法因变量残差图3稳健最小二乘法因变量残差根据3.2中的评价指标(即公式(11)和(12))，可24《电气开关》(2017．No．3)稳健最小二乘法的抗差性要由于经典最小二乘法。而在实际的变压器温度监测时，如果在某一时间点上，通过模型预测得到的变压器表面温度值与实际测量得到的变压器表面温度值的差值非常大时，则有很大的可能性是变压器出现故障，导致异常温升。因此，最大估计偏差S2对油浸式变压器的运行工况有一定的监测预警作用。表2经典法和稳健法的评价指标S1S2经典最小二乘法39221稳健最小二乘法31564现将用稳健最小二乘法、经典最小二乘法预测的数据与实测数据进行拟合，如图4所示。从图中可以看出，采用稳健最小二乘法预测的温度数据与实测数据更加拟合。第5组数据中，粗差值为54℃，稳健回归预测值为81℃，一般线性回归预测值为75℃;第42组数据中，粗差值为160℃，稳健回归预测值为96℃，一般线性回归预测值为145℃。从数据和图中可以看出，采用稳健回归得出的预测值与前后预测值相差不大，波动较校而采用一般线性回归得出的预测值明显受到粗差的影响，较前后会有比较大的差别，波动很大，而且还会影响到粗差前后的预测值，从图中可以明显看到，第42组前后的数据中，由于粗差的影响，所有预测结果都偏大，严重偏离实测数据。由此可见，稳健回归方法能够有效的剔除数据中的粗差，还原事物本质，该方法要优于一般线性回归方法。5总结与展望油浸式变压器的表面温度是电力变压器运行状态的重要指标之一。本文提出用稳健估计的方法来预测变压器表面温度，当预测的变压器正常运行表面温度与变压器实测表面温度差值越来越大时，则说明变压器温升存在异常。经过仿真试验验证，证明的该方法的可行性和优越性，经过反复迭代计算，改变权值，能够有效的排除粗差的干扰，具有良好的稳健性，克表面温度预测-电动折弯机数控滚圆机滚弧机张家港电动液压滚圆机滚弧机本文有公司网站全自动滚圆机采集转载中国知网整理 http://www.gunyuanji.com