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SDS-SSA-LSTM的变压器油中溶解气体浓度预测
被引量：
11
1
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
职称材料
题名
基于SDS-SSA-LSTM的变压器油中溶解气体浓度预测
被引量：
11
1
作者
陈铁
陈一夫
李咸善
冷昊伟
陈卫东
机构
三峡大学电气与新能源学院
三峡大学梯级水电站运行与控制湖北省重点实验室
出处
《电子测量技术》
北大核心
2022年第12期6-11,共6页
基金
国家自然科学基金(51741907)
梯级水电站运行与控制湖北省重点实验室开放基金(2019KJX08)项目资助。
文摘
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。
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
Keywords
transformer
dissolved gas in oil
data leakage
stepwise decomposition sampling
singular spectrum analysis
long short-term memory
分类号
TM411 [电气工程—电器]
TP183 [自动化与计算机技术—控制理论与控制工程]
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SDS-SSA-LSTM的变压器油中溶解气体浓度预测
陈铁
陈一夫
李咸善
冷昊伟
陈卫东
《电子测量技术》
北大核心
2022
11
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
