基于LSTM网络的变压器油中溶解气体浓度预测

• 作者: 刘可真 彭晶 王科 田小航 盛戈皞 苟家萁
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 变压器 油中溶解气体 长短期记忆网络 预测
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 理论与算法
• 页码范围: 81-87
• 页数: 7页
• 分类号: TM411|TP183
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1903437

摘要

电力变压器作为电力系统中传输和变换电能的主要设备,其安全稳定性运行在电网中起着重要的作用.对变压器油中溶解气体浓度变化的趋势进行预测,可为其运行状态评估提供重要依据,鉴于此提出了一种基于长短期记忆网络(LSTM)的变压器油中溶解气体浓度预测模型.该模型克服了传统神经网络在序列预测方面存在的“梯度消散”问题,利用油中溶解气体的序列数据对长短期记忆网络进行训练,得到最优的预测模型参数.以变压器油中溶解的7种特征气体浓度为输入,以待预测气体的浓度为输出.通过算例分析表明,相比于传统的机器学习预测方法支持向量机(support vector machine,SVM)与反向传播神经网络(back propagation neural network,BPNN),本文所提的LSTM预测模型更能准确地预测油中溶解气体的浓度.