采用LSTM网络的电力变压器运行状态预测方法研究

被引：190

作者：

代杰杰 ^{[1
]}

宋辉 ^{[1
]}

盛戈皞 ^{[1
]}

江秀臣 ^{[1
]}

王健一 ^{[2
]}

陈玉峰 ^{[3
]}

机构：

[1] 上海交通大学电气工程系

[2] 中国电力科学研究院有限公司

[3] 国网山东省电力公司电力科学研究院

来源：

高电压技术 | 2018年 / 44卷 / 04期

基金：

国家高技术研究发展计划(863计划);

关键词：

变压器; 油中气体分析; 技术指标参数; 长短时记忆网络; 状态预测;

D O I：

暂无

中图分类号：

TM41 [电力变压器];

学科分类号：

080810 [电力电子与电能变换];

摘要：

为预测电力变压器运行状态,首先分析了变压器运行过程中状态变化的影响因素,选取油中溶解特征气体体积分数和运行工况、检修记录、运行时间作为关键影响因素。采用模糊综合评判思想对电力变压器运行状态进行评估,并以模糊综合隶属度为数据标签建立基于长短时记忆网络的电力变压器状态预测模型。利用变压器油中气体序列数据及技术指标参数的状态隶属度数据对长短时记忆网络进行训练,以发掘特征参量与变压器状态之间的对应关系及模型预测参数。实例分析表明,所提方法可有效预测电力变压器运行状态,基于长短时记忆网络的电力变压器状态预测模型对1周后变压器状态预测准确率达94.4%,对1个月后状态预测准确率达81.2%,能较准确地反映变压器的优劣状况。

引用

页码：1099 / 1106

页数：8

共 14 条

[1]

基于Markov决策过程的输变电设备最佳检修决策 [J].