基于CNN-BiLSTM模型的机车变压器油中溶解气体浓度预测方法

摘要：

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HXD1C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方法减少1.55％.

关键词：变压器、油中溶解气体、浓度预测、CNN-BiLSTM模型

所属期刊栏目：44

分类号：TM41(变压器、变流器及电抗器)

资助基金：科技部科技助力经济重点专项SQ2020YFF0403641

在线出版日期：2022-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：42-48