期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多分解策略和BO-LSTM的变压器油中溶解气体预测方法
1
作者
陈志勇
杜江
《高压电器》
北大核心
2025年第9期81-91,共11页
为了提高油中溶解气体体积分数的预测精度,进而为变压器早期故障预警和制定维修方案提供理论依据,提出了一种基于多分解策略和贝叶斯优化—长短期记忆神经网络的预测模型。首先,采用改进的完全自适应噪声集合经验模态分解对原始油中溶...
为了提高油中溶解气体体积分数的预测精度,进而为变压器早期故障预警和制定维修方案提供理论依据,提出了一种基于多分解策略和贝叶斯优化—长短期记忆神经网络的预测模型。首先,采用改进的完全自适应噪声集合经验模态分解对原始油中溶解气体时间序列进行一次分解,得到一系列不同时间尺度下的子序列分量;其次,利用变分模态分解对预测难度最高的高频IMF1分量进行二次分解,进一步降低IMF1分量的非线性和非平稳性;然后采用贝叶斯优化的长短期记忆神经网络对二次分解后得到的所有子序列分量进行时序建模,并进行单步预测和递归多步预测;最后将所有分量的预测结果叠加重构得到最终的单步和多步预测结果。算例分析结果表明,文中所提方法能够有效提高油中溶解气体体积分数预测精度,相较于其他6种对比模型,所提方法在单步和多步预测方面的表现最好,充分验证了所提方法的有效性。
展开更多
关键词
油中溶解气体
时间序列预测
多分解策略
长短期记忆神经网络
贝叶斯优化
在线阅读
下载PDF
职称材料
题名
基于多分解策略和BO-LSTM的变压器油中溶解气体预测方法
1
作者
陈志勇
杜江
机构
河北工业大学河北省电磁场与电器可靠性重点实验室
河北工业大学省部共建电工装备可靠性与智能化国家重点实验室
出处
《高压电器》
北大核心
2025年第9期81-91,共11页
文摘
为了提高油中溶解气体体积分数的预测精度,进而为变压器早期故障预警和制定维修方案提供理论依据,提出了一种基于多分解策略和贝叶斯优化—长短期记忆神经网络的预测模型。首先,采用改进的完全自适应噪声集合经验模态分解对原始油中溶解气体时间序列进行一次分解,得到一系列不同时间尺度下的子序列分量;其次,利用变分模态分解对预测难度最高的高频IMF1分量进行二次分解,进一步降低IMF1分量的非线性和非平稳性;然后采用贝叶斯优化的长短期记忆神经网络对二次分解后得到的所有子序列分量进行时序建模,并进行单步预测和递归多步预测;最后将所有分量的预测结果叠加重构得到最终的单步和多步预测结果。算例分析结果表明,文中所提方法能够有效提高油中溶解气体体积分数预测精度,相较于其他6种对比模型,所提方法在单步和多步预测方面的表现最好,充分验证了所提方法的有效性。
关键词
油中溶解气体
时间序列预测
多分解策略
长短期记忆神经网络
贝叶斯优化
Keywords
dissolved gas in oil
time series prediction
multiple decomposition strategies
long short-term memory neural networks
Bayesian optimization
分类号
TM411 [电气工程—电器]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多分解策略和BO-LSTM的变压器油中溶解气体预测方法
陈志勇
杜江
《高压电器》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
