文献类型：期刊文章

作　　者：刘可真[1] 苟家萁[1] 骆钊[1] 王科[2] 徐肖伟[2] 赵勇军[3]

LIU Kezhen;GOU Jiaqi;LUO Zhao;WANG Ke;XU Xiaowei;ZHAO Yongjun(Faculty of Electric Power Engineering,Kunming University of Science and Technology,Kunming 650500,Yunnan Province,China;Electric Power Research Institute of Yunnan Power Grid Co.,Ltd.,Kunming 650217,Yunnan Province,China;Yunnan Electric Power Technology Co.,Ltd.,Kunming 650000,Yunnan Province,China)

机构地区：[1]昆明理工大学电力工程学院,云南省昆明市650500 [2]云南电网有限责任公司电力科学研究院,云南省昆明市650217 [3]云南电力技术有限责任公司,云南省昆明市650000

出　　处：《电网技术》

基　　金：国家自然科学基金项目(51907084);云南电网有限责任公司科技项目(YNKJXM20180736);昆明理工大学引进人才科研启动基金项目(KKSY201704027)。

年　　份：2020

卷　　号：44

期　　号：7

起止页码：2778-2784

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：电力变压器作为电网中传输和变换电能的主要设备,对油中溶解气体的浓度进行有效预测,可为变压器的故障诊断及状态评估技术提供一定的理论依据。鉴于此,提出一种基于粒子群优化算法(particle swarm optimization,PSO)与长短期记忆网络(long-shorttermmemory,LSTM)的变压器油中溶解气体浓度预测方法。首先该模型以油中溶解的7种特征气体浓度序列作为可视输入;然后通过使用粒子群优化算法对长短期记忆网络中相关超参数进行迭代优化;最后构建PSO-LSTM组合模型对油中溶解气体的浓度进行预测。该模型克服了依据经验选取参数而导致预测精度低的问题。算例分析结果表明,相较于传统预测算法,所提方法可以更好地追踪油中溶解气体浓度的变化规律,提高了预测精度,为电力变压器安全稳定运行提供了有力保障。

关 键 词：变压器 粒子群优化 长短期记忆网络  油中溶解气体 预测  

分 类 号：TM85]