基于CEEMD和ABC-LSTM的电力变压器油中溶解气体预测

作者：张玲; 卞建鹏; 郝培旭; 李亚敏; 孙晓云

来源：兰州交通大学学报, 2021, 40(05): 58-92.

• 油中溶解气体
• 补充集合经验模态分解
• 长短期记忆神经网络
• 气体预测

对电力变压器油中溶解气体进行预测有助于及时发现电力变压器潜伏性故障.针对油中溶解气体数据测量过程中存在噪声以及采用经验模态分解法会出现混叠现象的问题,提出应用补充集合经验模态分解抑制噪声,消除时间序列数据间噪声耦合的方法;同时根据分解后的固有模态函数(intrinsic mode function, IMF)之间的非线性程度将其重构为微尺度、中尺度和宏尺度3种分量,使序列具备更强的平稳性和规律性;并应用人工蜂群优化的长短期记忆神经网络对3种尺度分别进行预测.通过算例分析表明,相比于传统机器学习支持向量机、BP神经网络以及长短期记忆神经网络等预测方法,所提方法提高了气体预测精度,具有较高的预测稳定性与可靠性.

• 单位
  电子工程学院; 石家庄铁道大学