文献类型：期刊文章

作　　者：刘云鹏[1] 许自强[1] 董王英[1] 李哲[1] 高树国[2]

LIU Yunpeng;XU Ziqiang;DONG Wangying;LI Zhe;GAO Shuguo(North China Electric Power University),Baoding 071003,Hebei Province,China;State Grid Hebei Electric Power Research Institute,Shijiazhuang 050021,Hebei Province,China)

机构地区：[1]河北省输变电设备安全防御重点实验室(华北电力大学),河北保定071003 [2]国网河北省电力有限公司电力科学研究院,河北石家庄050021

出　　处：《中国电机工程学报》

基　　金：国家电网公司科技项目(5204DY170010);中央高校基本科研业务费专项资金资助(2018QN076)~~

年　　份：2019

卷　　号：39

期　　号：13

起止页码：3998-4007

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

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。

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  

分 类 号：TM411]