一种基于深度学习的变压器油中溶解气体浓度预测方法技术

本发明专利技术提供一种基于深度学习的变压器油中溶解气体浓度预测方法，包括如下步骤：S1、在线监测系统对变压器油中溶解气体浓度进行监测，将各油中溶解气体浓度时间序列送入CEEMDAN分解模型进行模态分解；S2、将分解得到的各子序列输入DBO‑BiLSTM模型进行点预测；S3、将各子序列预测结果进行叠加拟合得到油中溶解气体浓度点预测结果并评价；S4、将拟合的点预测结果与原始序列相比较，得到的点预测误差序列；S5、选择点预测误差序列重复抽样次数，拟合不同置信度下的误差置信区间，结合点预测结果，得到不同置信水平下区间预测结果并评价。该方法在提高点预测精度的同时，考虑点预测模型误差生成不同置信度下的区间预测，提高预测的准确度。

【技术实现步骤摘要】

本专利技术涉及电力设备故障诊断，特别涉及一种基于深度学习的变压器油中溶解气体浓度预测方法。

技术介绍

1、电力变压器作为电力系统中负责电力能量的传输以及分配的关键性设备，保证其稳定安全的运行对整个电网的健康运行意义重大。目前采用的故障检修虽然节约了运维成本，但外部故障具有强随机性和不可预测性，会存在维修不及时的问题。同样，定期检修虽考虑内部器件老化问题，但未考虑设备差异容易造成欠维修和过维修，不仅增加运维成本还减少了设备寿命。考虑变压器的故障具有潜伏性和突变型的特征，和故障会引起少量气体溶解于绝缘油中的特点。油中溶解气体分析(dissolved gas analysis，dga)方法以油中气体溶解含量和产气速率在不同运行状态的差异化表现为核心，在变压器故障诊断
广泛应用。作为dga技术的补充，建立基于模型和算法对油中溶解气体数据进行预测，可为变压器早期故障判别和预警提供理论支撑。

2、已有针对变压器油中溶解气体浓度预测的研究主要从预测模型和优化算法出发，实现对气体浓度时序序列的点预测。但大部分研究都未深入考虑目前预测模型无法学习时序数据的本文档来自技高网...

【技术保护点】

1.一种基于深度学习的变压器油中溶解气体浓度预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于深度学习的变压器油中溶解气体浓度预测方法，其特征在于，所述S1中，CEEMDAN分解模型将正负成对正态分布的高斯白噪声δi(t)分M次加入原始待分解信号y(t)，得到新待分解信号yi(t)，并对yi(t)做EMD分解得到各第一阶本征模态分量和残差rm，然后对M个分量做总体平均得到原始待分解信号CEEMDAN的第一个本征模态分量C1(t)和将分量去除后的残差r1(t)，最后，将r1(t)作为下一步原始待分解信号重复之前步骤，直到N次后获得的残差信号R(t)为单调函数...

【技术特征摘要】

1.一种基于深度学习的变压器油中溶解气体浓度预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于深度学习的变压器油中溶解气体浓度预测方法，其特征在于，所述s1中，ceemdan分解模型将正负成对正态分布的高斯白噪声δi(t)分m次加入原始待分解信号y(t)，得到新待分解信号yi(t)，并对yi(t)做emd分解得到各第一阶本征模态分量和残差rm，然后对m个分量做总体平均得到原始待分解信号ceemdan的第一个本征模态分量c1(t)和将分量去除后的残差r1(t)，最后，将r1(t)作为下一步原始待分解信号重复之前步骤，直到n次后获得的残差信号r(t)为单调函数，无法继续分解，结束重复，此时原始信号y(t)被分解为：

3.根据权利要求1所述的一种基于深度学习的变压器油中溶解气体浓度预测方法，其特征在于，所述s2中，通过dbo优化算法对bilstm模型的超参数进行自动寻优，将数据预处理阶段得到的分量的训练集输入dbo-bilstm模型中训练，并用训练好的模型对测试集进行预测，得到各分量的点预测结果；dbo优化算法按所需优化参数先生成一组初始参数值x＝[x1,x2,…,xn]，将这组值送入算法中四个子种群，并竞争得到最优参数值：

4.根据权利要求1所...

【专利技术属性】
技术研发人员：熊威，刘庆国，杜晓霜，龚康，周新启，朱长东，潘郁，谭娟，陈泽华，张洋，汪谦，
申请(专利权)人：国网湖北省电力有限公司宜昌供电公司，
类型：发明
国别省市：