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

摘要：

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LSTM-CNN(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.

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

所属期刊栏目：56

分类号：TM411;O657.7;TP212

资助基金：国家自然科学基金;梯级水电站运行与控制湖北省重点实验室开放基金

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：132-141