科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有设备故障检测模型难以及时精确检测或预测电力变压器故障的问题，研究提出一种基于PMS的变压器设备故障数据分析模型，并设计了一种基于LSTM网络的变压器故障预测方法。利用PMS采集的变压器油中H2、CH4、C2H6、C2H4、C2H2、CO、CO2此7种故障气体浓度作为LSTM网络训练数据，构建7种不同故障气体预测模型;通过实验确定了不同故障气体最佳预测模型的时间步与网络结构;通过仿真对提出的模型进行验证。结果表明:基于PMS的变压器故障数据分析模型，通过LSTM网络对故障数据进行分析，可有效预测40 d内变压器故障气体浓度，进而实现对变压器故障的预测。该模型性能优于基于多变量的灰色预测模型GM(1,7)，预测均方根误差约为10%。
- 单位
