基于小波分解和长短期记忆网络的变压器油中溶解气体浓度预测

• 作者: 张葛祥 王健 王兴 荣海娜
• 来源期刊: 电工技术
• 学科: 工学
• 关键词: 变压器油中溶解气体 关联规则 小波分解 长短期记忆神经网络 浓度预测
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 理论研究
• 页码范围: 24-29,33
• 页数: 7页
• 分类号: TM406
• 字数: 5353字
• 语种: 中文
• DOI: 10.19768/j.cnki.dgjs.2020.09.007

摘要

对油中溶解气体浓度进行精确预测,可为变压器故障预警提供重要依据.现有的油中溶解气体预测模型主要基于单一或少数状态参量,而状态参量变化并非独立过程.利用Apriori算法挖掘变压器油中溶解气体间的关联规则,在此基础上提出了一种基于小波分解和长短期记忆网络的变压器油中溶解气体浓度预测方法.Apriori算法可挖掘变压器油中溶解气体间的关联规则,以此确定预测模型的输入矩阵.通过小波变换提取出参量序列中的低频趋势分量和高频波动分量,运用长短期记忆神经网络在不同分量上分别进行预测,并重构得到各参量的预测结果.算例结果表明,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	张葛祥	西南交通大学电气工程学院	73	1799	20.0	41.0
2	荣海娜	西南交通大学电气工程学院	15	381	7.0	15.0
3	王兴	西南交通大学电气工程学院	41	125	7.0	8.0
4	王健	西南交通大学电气工程学院	22	202	7.0	13.0