电力变压器作为微电网中传输和变换电能的主要设备，对油中溶解气体的浓度进行有效预测，可为变压器的故障诊断
及状态评估技术提供一定的理论依据。鉴于此，提出一种基于
粒子群优化算法（PSO）与长短期记忆网络（LSTM）的变压
器油中溶解气体浓度预测方法。首先该模型以油中溶解的7
种特征气体浓度序列作为可视输入；然后通过使用粒子群优化
算法对长短期记忆网络中相关超参数进行迭代优化；最后构建
PSO-LSTM 组合模型对油中溶解气体的浓度进行预测。该模
型克服了依据经验选取参数而导致预测精度低的问题。算例分
析结果表明，相较于传统预测算法，所提方法可以更好地追踪
油中溶解气体浓度的变化规律，提高了预测精度，为电力变压
器安全稳定运行提供了有力保障。
2021-07-27 16:28:10
870KB
1
行业分类-物理装置-商品销售额预测方法、装置、计算机设备和存储介质.zip
2021-07-25 18:02:09
1.12MB
行业分类-物理装置-基于细观力学的聚合物基复合材料疲劳寿命预测方法.zip
2021-07-25 09:02:26
1.21MB
行业分类-物理装置-基于相依马尔可夫链的电力CPS风险区域预测方法.zip
2021-07-25 09:02:09
1.1MB
行业分类-物理装置-基于随机GA-BP神经网络群的爆破块度预测方法、装置及介质.zip
2021-07-24 20:05:36
918KB
行业分类-物理装置-基于疲劳损伤熵熵产速率焊接接头疲劳极限快速预测方法.zip
2021-07-24 16:02:01
917KB
行业分类-物理装置-基于改进Shapley值模型的短期负荷预测方法.zip
2021-07-24 12:01:40
1.09MB
行业分类-物理装置-基于改进XGBoost的泛癌症基因通路预测方法、系统和存储介质.zip
2021-07-24 12:01:37
950KB