文献类型：期刊文章

作　　者：谢乐[1] 仇炜[2] 李振伟[1] 刘洋[1] 蒋启龙[1] 刘东[1]

XIE Le;QIU Wei;LI Zhenwei;LIU Yang;JIANG Qilong;LIU Dong(School of Electrical Engineering,Southwest Jiaotong University,Chengdu 611756,China;Zhuhai Power Supply Company,Guangdong Power Grid Co.,Ltd.,Zhuhai 519000,China)

机构地区：[1]西南交通大学电气工程学院,成都611756 [2]广东电网有限责任公司珠海供电局,珠海519000

出　　处：《高电压技术》

基　　金：国家自然科学基金(61531016);国家自然科学联合基金(U1934204);四川省区域创新合作项目(20QYCX0095)。

年　　份：2022

卷　　号：48

期　　号：2

起止页码：653-660

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：油中溶解气体分析是变压器早期故障诊断的一种有效方法,对变压器油中溶解气体进行精准预测,可为变压器早期故障监测和预警提供理论依据。为此本研究提出了一种基于变分模态分解和门控循环单元神经网络的变压器油中溶解气体预测模型。首先对变压器原始油中溶解气体体积分数时间序列进行变分模态分解,将其分解为各子序列,消除其不平稳性的影响;然后分别建立门控循环单元神经网络预测模型对各子序列进行单步和多步预测;最后将预测得到的各子序列进行叠加重构从而得到对变压器油中溶解气体体积分数的单步和多步预测。算例分析表明,该模型单步预测的平均绝对误差和均方根误差分别为0.0576和0.0684,多步预测的平均绝对误差和均方根误差分别为0.1679和0.2041。相比于其他预测模型,该研究所提出模型在单步和多步预测能力上均有较大提升,为电力变压器监测预警提供了参考。

关 键 词：变分模态分解  门控循环单元神经网络  变压器 油中溶解气体 预测模型  

分 类 号：TM41] TP183]