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

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-short term memory,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

所属期刊栏目：44

分类号：TM85(高电压技术)

资助基金：国家自然科学基金;云南电网有限责任公司科技项目;昆明理工大学引进人才科研启动基金;云南省教育厅科研项目

在线出版日期：2020-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2778-2784,中插28