基于双重注意力机制的变压器油中溶解气体预测模型

作者：崔宇; 侯慧娟; 胥明凯; 李善武; 盛戈皞; 江秀臣

来源：中国电机工程学报, 2020, 40(01): 338-347+400.

• 电力变压器
• 油中溶解气体
• 长短时记忆网络
• 注意力机制 power transformer
• dissolved gas in oil
• long short-term memory neural network
• attention mechanism

对电力变压器油中溶解气体进行预测分析可以有效掌握设备状态和发展趋势。该文以长短时记忆网络时序分析模型为基础,引入特征和时序双重注意力机制,利用参量间关联关系和时序信息依赖关系提升气体的预测准确率。特征注意力机制可以自动提取待预测气体与其他状态信息、环境和运行数据等特征之间的关联关系,为预测提供辅助信息进行适当修正,并不受传统关联规则算法的预设阈值限制;同时,利用时序注意力机制自主选取历史信息关键时间点,在LSTM时序模型基础上进一步增强关键时间点的信息表达,提升较长时间段预测效果的稳定性。在对某正常状态运行变压器甲烷气体数值预测实验中,该方法在基础LSTM模型上降低最大相对误差3%;在对某缺陷...

• 单位
  国网山东省电力公司; 上海交通大学