上传者: SparkQiang
|
上传时间: 2021-07-27 16:28:10
|
文件大小: 870KB
|
文件类型: PDF
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。