基于经验模态分解和长短期记忆神经网络的变压器油中溶解气体浓度预测方法

• 作者: 刘云鹏 李哲 董王英 许自强 高树国
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 油中溶解气体 经验模态分解 长短期记忆神经网络 预测
• 年，卷（期）: 2019,（13）
• 所属期刊栏目: 高电压技术
• 页码范围: 3998-4007
• 页数: 10页
• 分类号: TM411
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.182431

摘要

对油中溶解气体浓度进行有效预测,可为电力变压器故障诊断及预警提供重要依据.提出一种基于经验模态分解与长短期记忆神经网络的变压器油中溶解气体浓度预测方法.首先,运用经验模态分解将气体浓度序列分解为一组相对平稳的子序列分量,以减少不同趋势信息间的相互影响;然后,针对各子序列分别构建基于长短期记忆神经网络的时序预测模型,并利用贝叶斯理论对网络相关超参数进行优化,以提高单个模型的预测精度;最后,叠加各子序列预测结果得到气体浓度预测值.算例研究结果表明,相较于传统预测算法,所提方法能更好地追踪油中溶解气体的浓度变化趋势,具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘云鹏		171	2359	26.0	41.0
2	李哲		5	19	2.0	4.0
3	董王英		2	3	1.0	1.0
4	许自强		11	62	4.0	7.0
5	高树国		11	67	4.0	8.0