基于反馈约束变分模态分解和LSTM网络的并联电抗器油温预测研究

• 作者: 丁文涛 淡淑恒 陈浩宇 蔡立川
• 来源期刊: 高压电器
• 学科: 工学
• 关键词: 并联电抗器;油温预测;VMDFS;LSTM神经网络
• 年，卷（期）: 2025,（2）
• 所属期刊栏目: 研究与分析
• 页码范围: 83-92,101
• 页数: 11页
• 语种: 中文
• DOI: 10.13296/j.1001-1609.hva.2025.02.010

摘要

并联电抗器作为电网重要的电力设备，准确估计其油温变化趋势，可为早期故障监测和预警提供重要依据。提出一种基于反馈约束变分模态分解（VMD）和长短期记忆神经网络（LSTM）的并联电抗器油温预测模型；利用信号反馈约束和加权样本熵优化VMD分解个数k和惩罚因子α，形成VMDFS分解方法将并联电抗器原始油温序列分解成多组平稳的子序列，消除不平稳信息的影响；再对各子序列构建LSTM神经网络预测模型，用粒子群优化神经元个数；最后将各子序列预测油温叠加得到并联电抗器最终预测油温。通过对某变电站一台220 kV并联电抗器实测数据分析，证明所提模型在单步和多步预测性能上具有精度高、鲁棒性强和误差累积缓慢等优势，能有效反映并联电抗器油温变化趋势，为其监测预警提供参考。