针对传统预测方法在变压器油中溶解气体预测时精度不高的问题，提出一种EMD和GCT联合应用的新型预测方法。首先使用EMD将溶解气体浓度、环境温度、油温及负载电流等时序信息分解成平稳的模态分量；然后使用GCT分析模态之间的预测关系，提取每阶模态的格兰杰原因；最后将待预测分量及其格兰杰原因所对应的历史时序输入到时间注意力机制LSTM网络进行预测，并采用改进的蚁狮算法优化网络参数，经叠加重构得到特征气体浓度最终预测结果。实验结果表明：与传统LSTM网络相比，所提方法具有更高的预测精度和可行性。
科研之友
微信
新浪微博
Facebook
分享链接
