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
共找到320篇文章
< 1 2 … 16 >
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：
基于多元变分模态分解和时间卷积网络的油中溶解气体浓度预测方法
1
作者 喻竟哲 王文浩 +2 位作者 李业欣 邹国平 安斯光 《电工电能新技术》 北大核心 2025年第9期23-32,共10页
针对传统单一变量预测模型预测精度不高的问题,本文提出了一种基于多元变分模态分解和时间卷积网络的变压器油中溶解气体浓度预测模型。首先,选择与待预测气体相关性较高的气体作为输入特征,并采用多元变分模态分解(MVMD)同时对多种输... 针对传统单一变量预测模型预测精度不高的问题,本文提出了一种基于多元变分模态分解和时间卷积网络的变压器油中溶解气体浓度预测模型。首先,选择与待预测气体相关性较高的气体作为输入特征,并采用多元变分模态分解(MVMD)同时对多种输入特征进行模态分解,以克服不同序列的频率失衡问题;其次,利用时间卷积网络(TCN)对各子序列进行预测,挖掘气体时间信息特征,最后叠加重构得到预测结果。算例结果表明,与其他模型相比,该模型在预测中更具有优势,展现了好的迁移能力。 展开更多
关键词 电力变压器 油中溶解气体浓度预测 时间卷积网络 多元变分模态分解
在线阅读 下载PDF
基于变分模态分解-布谷鸟搜索-支持向量回归的变压器油中溶解气体浓度预测方法 被引量：2
2
作者 王娜娜 栗文义 李建萩 《电子测量技术》 北大核心 2024年第4期10-17,共8页
针对电力变压器油中溶解气体浓度预测过程中存在的时间序列内部复杂和预测困难等问题,研究了时间序列分解预测重构方式,提出变分模态分解,结合布谷鸟搜索-支持向量回归组合预测方法。首先采用VMD将原始溶解气体浓度分解成为一组平稳的... 针对电力变压器油中溶解气体浓度预测过程中存在的时间序列内部复杂和预测困难等问题,研究了时间序列分解预测重构方式,提出变分模态分解,结合布谷鸟搜索-支持向量回归组合预测方法。首先采用VMD将原始溶解气体浓度分解成为一组平稳的模态分量,降低了预测的复杂度。之后利用预测性能较好的SVR对各个模态分量分别进行预测。最后使用CS开展全局搜索对SVR参数进行优化选取,将得到的溶解气体浓度预测结果进行叠加重构。通过对油中溶解气体中H_(2)的仿真实验,得到VMD-CS-SVR组合模型预测结果的均方根误差为0.124μL/L,平均绝对百分比误差为1.19%,有效提升了预测精度。通过对CO和C 2H 4建模预测,进一步验证了本文所提模型的有效性。 展开更多
关键词 电力变压器 油中溶解气体浓度 支持向量回归 布谷鸟搜索 模态分解
在线阅读 下载PDF
基于互信息变量选择的变压器油中溶解气体浓度预测 被引量：44
3
作者 唐勇波 桂卫华 +1 位作者 彭涛 欧阳伟 《仪器仪表学报》 EI CAS CSCD 北大核心 2013年第7期1492-1498,共7页
针对变压器油中溶解气体浓度预测中存在的输入变量选择结果受噪声影响的问题,提出了改进的互信息变量选择和支持向量回归机的油中溶解气体浓度预测方法。首先,对油中溶解气体各变量进行相空间重构,利用独立成分分析方法进行信噪分离;然... 针对变压器油中溶解气体浓度预测中存在的输入变量选择结果受噪声影响的问题,提出了改进的互信息变量选择和支持向量回归机的油中溶解气体浓度预测方法。首先,对油中溶解气体各变量进行相空间重构,利用独立成分分析方法进行信噪分离;然后,提出改进的标准化互信息方法进行输入变量选择,以降低噪声对互信息变量选择的影响;最后,采用支持向量回归机作为预测器对变压器油中溶解气体浓度进行预测。实验结果表明,改进的标准化互信息的输入变量选择结果吻合油劣化热动力学研究结果,具有较优的预测精度和泛化能力。 展开更多
关键词 油中溶解气体 预测 互信息 支持向量回归机 变量选择
在线阅读 下载PDF
基于经验模态分解和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 被引量：78
4
作者 刘云鹏 许自强 +2 位作者 董王英 李哲 高树国 《中国电机工程学报》 EI CSCD 北大核心 2019年第13期3998-4007,共10页
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... 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。 展开更多
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
在线阅读 下载PDF
基于粒子群优化–长短期记忆网络模型的变压器油中溶解气体浓度预测方法 被引量：63
5
作者 刘可真 苟家萁 +3 位作者 骆钊 王科 徐肖伟 赵勇军 《电网技术》 EI CSCD 北大核心 2020年第7期2778-2784,共7页
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(lo... 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。 展开更多
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
在线阅读 下载PDF
基于混合模态分解和LSTM-CNN的变压器油中溶解气体浓度预测 被引量：16
6
作者 陈铁 张治藩 +2 位作者 李咸善 陈一夫 李鸿鑫 《中国电力》 CSCD 北大核心 2023年第1期132-141,共10页
对油中溶解气体浓度进行预测,可提前掌握变压器运行趋势。提出一种基于混合模态分解和LSTMCNN(long short-term memory network-convolution network)网络的预测方法,实现精准的气体浓度预测。首先,为消除分解中模态混叠和残余白噪声的... 对油中溶解气体浓度进行预测,可提前掌握变压器运行趋势。提出一种基于混合模态分解和LSTMCNN(long short-term memory network-convolution network)网络的预测方法,实现精准的气体浓度预测。首先,为消除分解中模态混叠和残余白噪声的影响,对气体序列进行ICEEMDAN分解,以削弱序列的非平稳性;然后,使用VMD对聚合重构后的高频分量进行二次分解,降低高频分量的复杂度;最后,为了增强模型对序列时间特征和空间特征的拟合,采用结合时间注意力机制的LSTM-CNN网络对分解分量分别进行预测并重构气体浓度数据。算例验证表明,所提出的模型相比其他模型具有更强的预测性能,为后续故障预测提供有力支撑。 展开更多
关键词 变压器 油中溶解气体 混合模态分解 长短期记忆网络 注意力机制 卷积网络
在线阅读 下载PDF
KTA-SVM的变压器油中溶解气体浓度预测 被引量：6
7
作者 唐勇波 丰娟 《控制工程》 CSCD 北大核心 2017年第11期2263-2267,共5页
针对变压器油中溶解气体浓度预测中存在的变量取值范围影响预测精度问题,提出了基于核目标度量规则(Kernel Target Alignment,KTA)和支持向量机(Support Vector Machines,SVM)的油中溶解气体浓度预测方法。在分析油中溶解气体产生机理... 针对变压器油中溶解气体浓度预测中存在的变量取值范围影响预测精度问题,提出了基于核目标度量规则(Kernel Target Alignment,KTA)和支持向量机(Support Vector Machines,SVM)的油中溶解气体浓度预测方法。在分析油中溶解气体产生机理的基础上选取输入变量,采用KTA对输入变量进行尺度缩放来避免变量的取值范围影响SVM泛化性能问题,利用交叉验证法选择SVM的参数,建立油中溶解气体浓度的KTA-SVM预测模型。将所提出的方法与SVM和灰色模型进行比较,均方根误差分别为0.156 8、0.179 1、0.220 5,实验结果表明了所提出的方法具有较优的预测精度和泛化性能。 展开更多
关键词 变压器油 油中溶解气体 预测 支持向量机 核目标度量
在线阅读 下载PDF
基于核熵成分分析的油中溶解气体浓度预测 被引量：5
8
作者 江风云 唐勇波 《控制工程》 CSCD 北大核心 2020年第8期1419-1424,共6页
针对变压器油中溶解气体浓度预测中信息利用不完善问题,提出基于核熵成分分析(Kernel Entropy Component Analysis,KECA)的油中溶解气体浓度预测建模方法。首先用灰关联分析方法选取预测模型的输入变量;然后对选取的输入变量进行相空间... 针对变压器油中溶解气体浓度预测中信息利用不完善问题,提出基于核熵成分分析(Kernel Entropy Component Analysis,KECA)的油中溶解气体浓度预测建模方法。首先用灰关联分析方法选取预测模型的输入变量;然后对选取的输入变量进行相空间重构;最后采用Renyi熵信息测度确定KECA核参数,用KECA对重构相空间提取核熵成分作为支持向量机(Support Vector Machine,SVM)的输入,建立变压器油中溶解气体浓度预测模型。用本文方法、单变量时间序列方法、多元变量时间序列方法测试60例样本,本文方法具有最小的均方根误差,为0.1607。实验结果表明,本文提出的方法具有较优的预测精度和泛化能力。 展开更多
关键词 变压器 油中溶解气体 核熵成分分析 RENYI熵 预测
在线阅读 下载PDF
基于SDS-SSA-LSTM的变压器油中溶解气体浓度预测 被引量：11
9
作者 陈铁 陈一夫 +2 位作者 李咸善 冷昊伟 陈卫东 《电子测量技术》 北大核心 2022年第12期6-11,共6页
油中溶解气体浓度预测对变压器早期故障检测至关重要。为了提高预测精度,本文提出了奇异谱分析(SSA)结合长短期记忆网络(LSTM)的预测模型。首先针对传统序列分解做法中的数据泄露问题,提出一种基于SSA逐步分解的采样策略,然后基于该策... 油中溶解气体浓度预测对变压器早期故障检测至关重要。为了提高预测精度,本文提出了奇异谱分析(SSA)结合长短期记忆网络(LSTM)的预测模型。首先针对传统序列分解做法中的数据泄露问题,提出一种基于SSA逐步分解的采样策略,然后基于该策略将特征复杂的原始油中溶解气体浓度序列分解为特征相对单一的趋势分量与波动分量,最后利用LSTM网络对各个分量分别进行单步和多步预测。累加各分量的预测值,得到原气体浓度的预测结果。算例表明,相较于单一LSTM,本文所提模型在实验天数内整体的预测精度更高。 展开更多
关键词 变压器 油中溶解气体 数据泄露 逐步分解采样 奇异谱分析 长短期记忆网络
在线阅读 下载PDF
基于CNN-BiLSTM模型的机车变压器油中溶解气体浓度预测方法 被引量：7
10
作者 李小平 白超 石森 《铁道学报》 EI CAS CSCD 北大核心 2022年第5期42-48,共7页
针对现有变压器油中溶解气体浓度预测方法未考虑气体参量之间存在的关联关系,以及模型训练时未考虑数据的时序关联性,从而导致预测精度不高的问题,提出一种基于卷积神经网络-双向长短期记忆模型的变压器油中溶解气体浓度预测方法。利用... 针对现有变压器油中溶解气体浓度预测方法未考虑气体参量之间存在的关联关系,以及模型训练时未考虑数据的时序关联性,从而导致预测精度不高的问题,提出一种基于卷积神经网络-双向长短期记忆模型的变压器油中溶解气体浓度预测方法。利用卷积神经网络提取变压器油中溶解气体参量之间的关联关系,利用双向长短期记忆网络提取变压器油中溶解气体浓度数据中的时序特征,通过全连接层实现变压器油中溶解气体浓度预测输出,同时引入Dropout方法进行过拟合处理,提高泛化能力。以某机务段HXD_(1C)型电力机车变压器最近2年油中溶解气体检测数据进行试验,结果表明,利用本文提出的方法对油中溶解气体浓度进行预测,平均绝对百分比误差降到了2.41%,比CNN-LSTM方法降少1.55%。 展开更多
关键词 变压器 油中溶解气体 浓度预测 CNN-BiLSTM模型
在线阅读 下载PDF
基于二次维数约简的油中溶解气体浓度预测 被引量：4
11
作者 唐勇波 熊印国 《电工技术学报》 EI CSCD 北大核心 2017年第21期104-112,共9页
针对变压器油中溶解气体浓度的检测问题,提出基于二次维数约简的油中溶解气体浓度预测模型。首先,采用互信息变量选择方法选取预测模型的输入变量;然后,对输入变量进行相空间重构,采用核主元分析对重构相空间进行特征提取,达到数据降维... 针对变压器油中溶解气体浓度的检测问题,提出基于二次维数约简的油中溶解气体浓度预测模型。首先,采用互信息变量选择方法选取预测模型的输入变量;然后,对输入变量进行相空间重构,采用核主元分析对重构相空间进行特征提取,达到数据降维、滤除数据噪声、消除变量间相关性的目的,并用Renyi熵信息测度确定核主元分析的模型参数;最后,将核主元分析提取的主元变量作为核极限学习机的输入,建立变压器油中溶解气体浓度的预测模型。与灰色预测模型、仅变量选择的预测模型、仅特征提取的预测模型的对比实验结果表明,所提出的基于二次维数约简的油中溶解气体浓度预测模型具有较优的预测精度和泛化能力。 展开更多
关键词 油中溶解气体 核极限学习机 核主元分析 RENYI熵 变量选择 特征提取
在线阅读 下载PDF
基于深度信念网络的变压器油中溶解气体浓度预测方法 被引量：47
12
作者 代杰杰 宋辉 +3 位作者 杨祎 陈玉峰 盛戈皞 江秀臣 《电网技术》 EI CSCD 北大核心 2017年第8期2737-2742,共6页
对油中溶解气体浓度发展趋势进行预测,可为变压器状态评估提供重要依据。提出一种基于深度信念网络的变压器油中溶解气体浓度预测模型。该模型以7种特征气体浓度、环境温度、变压器油温为可视输入,通过对基于受限玻尔兹曼机的多隐层机... 对油中溶解气体浓度发展趋势进行预测,可为变压器状态评估提供重要依据。提出一种基于深度信念网络的变压器油中溶解气体浓度预测模型。该模型以7种特征气体浓度、环境温度、变压器油温为可视输入,通过对基于受限玻尔兹曼机的多隐层机器学习模型训练,可自动提取气体浓度自身发展规律,逐层激活各气体组分之间及温度对气体浓度影响的强相关性,抑制、弱化无关和冗余信息。该模型具有较高预测精度,克服了传统单一变量预测方法稳定性差的问题,同时避免了人工干预过程。通过算例分析,验证了该方法的有效性。 展开更多
关键词 变压器 油中溶解气体 深度信念网络 相关性 预测
在线阅读 下载PDF
基于BI-GRU改进的Seq2Seq网络的变压器油中溶解气体浓度预测方法 被引量：14
13
作者 汤健 侯慧娟 +3 位作者 陈洪岗 王劭菁 盛戈皞 江秀臣 《电力自动化设备》 EI CSCD 北大核心 2022年第3期196-202,217,共8页
基于门控循环单元(GRU)构建双向多层门控循环单元,并引入编码器-解码器结构搭建Seq2Seq网络模型,通过优化神经元及神经网络结构提取时序数据依赖关系。同时引入注意力机制和Scheduled Sampling算法,自动获取与当前时刻预测输出显著相关... 基于门控循环单元(GRU)构建双向多层门控循环单元,并引入编码器-解码器结构搭建Seq2Seq网络模型,通过优化神经元及神经网络结构提取时序数据依赖关系。同时引入注意力机制和Scheduled Sampling算法,自动获取与当前时刻预测输出显著相关的关键输入时间点,提高长时间预测的精度。变压器正常运行状态下的气体浓度预测算例结果表明,与基于简单GRU模型及简单Seq2Seq模型的方法相比,所提方法的预测误差更低且预测的发展趋势更符合真实值;变压器异常运行状态下的气体浓度预测算例结果表明,所提方法的平均相对误差和最大相对误差相比长短期记忆(LSTM)网络方法分别降低了0.73%和2.31%。 展开更多
关键词 电力变压器 油中溶解气体 门控循环单元 Seq2Seq 注意力机制 Scheduled Sampling算法
在线阅读 下载PDF
基于随机森林的变压器油中溶解气体浓度预测 被引量：15
14
作者 徐肖伟 李鹤健 +3 位作者 于虹 刘可真 赵勇军 盛戈皞 《电子测量技术》 2020年第3期66-70,共5页
对油中溶解气体浓度进行分析及发展趋势预测,可以为变压器的状态评估提供重要的依据。传统的离线DGA方法因易导致延迟判断变压器的运行状态,造成一定的经济损失,现已不适用于油中溶解气体浓度分析及预测。因此,提出一种基于随机森林的... 对油中溶解气体浓度进行分析及发展趋势预测,可以为变压器的状态评估提供重要的依据。传统的离线DGA方法因易导致延迟判断变压器的运行状态,造成一定的经济损失,现已不适用于油中溶解气体浓度分析及预测。因此,提出一种基于随机森林的变压器油中溶解气体浓度预测模型,以更准确地分析与预测油中溶解气体浓度。该模型以7种气体浓度构成特征向量空间,作为可视输入,并以目标气体浓度作为输出。试验结果表明,相较于传统的机器学习方法(BPNN、RBF和SVM),随机森林模型能更准确地预测油中溶解气体浓度,且需要调整参数少、训练效率高。通过算例分析,验证了该方法的有效性。 展开更多
关键词 变压器 油中溶解气体 随机森林 预测
在线阅读 下载PDF
基于离散灰色模型的变压器油中溶解气体浓度预测 被引量：5
15
作者 孙丽萍 杨江天 《电力自动化设备》 EI CSCD 北大核心 2006年第9期58-60,共3页
油中溶解气体浓度分析被广泛用于监测油浸电力设备的早期故障。将改进灰色模型引入变压器油中溶解气体浓度预测。分析了灰色预测模型GM(1,1)和离散灰色预测模型DGM(1,1)两者之间的关系,讨论了模型预测的准确性和稳定性。分别用GM(1,1)... 油中溶解气体浓度分析被广泛用于监测油浸电力设备的早期故障。将改进灰色模型引入变压器油中溶解气体浓度预测。分析了灰色预测模型GM(1,1)和离散灰色预测模型DGM(1,1)两者之间的关系,讨论了模型预测的准确性和稳定性。分别用GM(1,1)模型和DGM(1,1)模型对变压器油中溶解气体浓度进行建模预测。对比分析结果表明:GM(1,1)模型从离散形式到连续形式的跳跃使得模型不够稳定,随着发展系数的增加,预测精度下降。DGM(1,1)模型是GM(1,1)模型的精确形式,具有更高的预测精度和较好的稳定性,被推荐替代GM(1,1)模型预测变压器油中溶解气体浓度。 展开更多
关键词 变压器 油中溶解气体 离散灰色模型 预测
在线阅读 下载PDF
基于LSTM网络的变压器油中溶解气体浓度预测 被引量：14
16
作者 王科 苟家萁 +3 位作者 彭晶 刘可真 田小航 盛戈皞 《电子测量技术》 2020年第4期81-87,共7页
电力变压器作为电力系统中传输和变换电能的主要设备,其安全稳定性运行在电网中起着重要的作用。对变压器油中溶解气体浓度变化的趋势进行预测,可为其运行状态评估提供重要依据,鉴于此提出了一种基于长短期记忆网络(LSTM)的变压器油中... 电力变压器作为电力系统中传输和变换电能的主要设备,其安全稳定性运行在电网中起着重要的作用。对变压器油中溶解气体浓度变化的趋势进行预测,可为其运行状态评估提供重要依据,鉴于此提出了一种基于长短期记忆网络(LSTM)的变压器油中溶解气体浓度预测模型。该模型克服了传统神经网络在序列预测方面存在的"梯度消散"问题,利用油中溶解气体的序列数据对长短期记忆网络进行训练,得到最优的预测模型参数。以变压器油中溶解的7种特征气体浓度为输入,以待预测气体的浓度为输出。通过算例分析表明,相比于传统的机器学习预测方法支持向量机(support vector machine, SVM)与反向传播神经网络(back propagation neural network,BPNN),本文所提的LSTM预测模型更能准确地预测油中溶解气体的浓度。 展开更多
关键词 变压器 油中溶解气体 长短期记忆网络 预测
在线阅读 下载PDF
基于支持向量机的变压器油中溶解气体浓度预测 被引量：4
17
作者 张小奇 朱永利 王芳 《华北电力大学学报（自然科学版）》 CAS 北大核心 2006年第6期6-9,共4页
提出利用支持向量机进行电力变压器油中溶解气体浓度预测的方法,该方法能很好地解决小样本的学习问题,适合贫数据的DGA建模且具有较高的精度和良好的泛化能力。
关键词 电力变压器 油中气体浓度 支持向量机
在线阅读 下载PDF
电力变压器油中溶解气体异常数据识别与含量预测研究 被引量：2
18
作者 杜江 范志远 +2 位作者 范仲华 王庆凯 李佩贤 《电网技术》 北大核心 2025年第2期844-853,I0116,共11页
采用神经网络模型对油中溶解气体含量进行预测是目前评估电力变压器运行状态的重要方法,数据质量是影响神经网络模型预测精度的关键因素,然而,由于变压器复杂的运行环境,使得采集到的气体数据中不可避免地存在多种类型的异常数据,进而... 采用神经网络模型对油中溶解气体含量进行预测是目前评估电力变压器运行状态的重要方法,数据质量是影响神经网络模型预测精度的关键因素,然而,由于变压器复杂的运行环境,使得采集到的气体数据中不可避免地存在多种类型的异常数据,进而造成数据质量下降,严重影响模型的预测精度。此外,神经网络模型的参数是否匹配也是影响其预测性能的重要因素,然而,传统依据人工经验选择参数存在主观性、低效性和不可扩展性等缺点,也在一定程度上影响了模型的预测性能。为解决上述问题,该文通过对最近邻集成隔离法(isolation using nearest neighbor ensemble,iNNE)进行修正,提出了修正最近邻集成隔离法(modified isolation using nearest neighbor ensemble,MiNNE),利用MiNNE综合考虑局部度量与全局度量的特性实现气体异常数据的准确识别,有效提升数据质量。同时,对鹈鹕优化算法进行改进,提出了改进鹈鹕优化算法(improved pelican optimization algorithm,IPOA),并利用IPOA对影响神经网络模型预测精度的关键参数进行优化,有效克服了传统依据经验选参而导致模型预测精度低与传统POA易陷入局部最优的问题,提高了模型的预测性能。采用电力变压器实际运行数据对所提模型进行验证,结果表明,相较于其他模型,所提模型在7种特征气体预测中均取得了最佳的预测效果,充分证明了所提模型的优越性。 展开更多
关键词 电力变压器 油中溶解气体 异常数据识别 气体含量预测
在线阅读 下载PDF
基于策略梯度优化的变压器油中溶解气体预测模型 被引量：1
19
作者 汤健 侯慧娟 +3 位作者 王劭菁 任茂鑫 盛戈皞 江秀臣 《高压电器》 北大核心 2025年第7期91-100,共10页
对变压器油中溶解气体浓度进行预测分析可为其运行状态评估提供重要依据,从而有效掌握设备状态发展趋势,为预警和检修提供参考。鉴于现有算法难以实现长期精确预测,文中首次提出一种基于策略梯度(policy gradient, PG)算法优化的变压器... 对变压器油中溶解气体浓度进行预测分析可为其运行状态评估提供重要依据,从而有效掌握设备状态发展趋势,为预警和检修提供参考。鉴于现有算法难以实现长期精确预测,文中首次提出一种基于策略梯度(policy gradient, PG)算法优化的变压器油中溶解气体体积分数预测模型。首先以门控循环单元(gate recurrent unit,GRU)为基础,引入编码器—解码器结构搭建Sequence to Sequence(Seq2Seq)网络模型,并且结合注意力机制和Scheduled Sampling算法,提高长时间多步预测的准确性及稳定性。其次运用强化学习中策略梯度算法对网络模型进行超参数调优,并由基线函数和经验池结构改进算法减小策略网络决策方差。算例分析表明,文中方法能够深度提取特征参量时序间关系,准确预测特征气体体积分数发展趋势。相比Seq2Seq模型,平均相对误差和最大相对误差分别降低了23.91%和10.22%;相比LSTM模型,分别降低了61.54%和59.02%。 展开更多
关键词 变压器 油中溶解气体 策略梯度 Seq2Seq 多步预测
在线阅读 下载PDF
基于加性模型的电力变压器油中溶解气体预测方法研究
20
作者 徐惠 罗传仙 张静 《电网与清洁能源》 北大核心 2025年第7期27-35,共9页
油中溶解气体分析(dissolved gas analysis,DGA)监测技术数据质量的管理、维护及保障体系不完善,导致目前油中溶解气体数据质量存在一定缺陷。提出一种适合油中溶解气体时序数据的趋势预测方法,通过对油中溶解气体在线监测时序数据的特... 油中溶解气体分析(dissolved gas analysis,DGA)监测技术数据质量的管理、维护及保障体系不完善,导致目前油中溶解气体数据质量存在一定缺陷。提出一种适合油中溶解气体时序数据的趋势预测方法,通过对油中溶解气体在线监测时序数据的特征进行深入分析,选择了泛化性能优越的统计模型,并借鉴加性模型的优点,对存在缺失值的油中溶解气体数据进行拟合,并对预测效果进行分析。同时,与XGBoos(textreme gradient boosting,XGBoost)模型预测效果进行对比,通过实例对比了两者在预测效果上的差异。 展开更多
关键词 油中溶解气体分析 数据质量 趋势预测 加性模型
在线阅读 下载PDF
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 2 … 16 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部