典型文献
基于GWO-LSTM与NKDE的变压器油中溶解气体体积分数点—区间联合预测方法
文献摘要：
变压器油中溶解气体体积分数是表征变压器健康状态及故障特性的重要参量.因此,准确预测变压器油中溶解气体的体积分数,有助于及时把握变压器的状态演化与故障发展趋势.现有对气体体积分数预测的研究多集中在点预测方面,难以全面反映气体体积分数的不确定性信息.针对此问题,提出了一种基于灰狼优化长短期记忆网络(long short-term memory based on grey wolf optimization,GWO-LSTM)与非参数核密度估计(non-parametric kernel density estimation,NKDE)的变压器油中溶解气体体积分数点—区间联合预测方法.首先,搭建变压器油中溶解气体体积分数点—区间联合预测模型的整体结构,阐述预测的实现过程;其次,利用自适应噪声完备集合经验模态分解方法将气体体积分数原始序列分解成若干个较为平缓的子序列,再基于GWO-LSTM对上述子序列分别进行点预测,并将所有子序列点预测结果叠加合成还原为气体体积分数点预测结果;然后,基于气体体积分数点预测结果及NKDE构造气体体积分数预测误差的概率密度估计函数,进而生成不同置信水平下的区间预测结果;最后,对所提方法进行算例分析,算例结果验证了所提方法的有效性.
文献关键词：
电力变压器;油中溶解气体;点预测;区间预测;灰狼优化长短期记忆网络;非参数核密度估计
中图分类号：
作者姓名：
栗磊;王廷涛;殷浩然;牛健;梁亚波;赫嘉楠;苗世洪
作者机构：
国网宁夏电力有限公司电力科学研究院,银川 750002;华中科技大学电气与电子工程学院,武汉 430074
文献出处：
引用格式：
[1]栗磊;王廷涛;殷浩然;牛健;梁亚波;赫嘉楠;苗世洪-.基于GWO-LSTM与NKDE的变压器油中溶解气体体积分数点—区间联合预测方法)[J].高压电器,2022(11):88-97
A类：
NKDE,灰狼优化长短期记忆网络
B类：
GWO,变压器油,油中溶解气体,气体体积分数,数点,联合预测,健康状态,故障特性,参量,准确预测,体积分数预测,多集,点预测,long,short,term,memory,grey,wolf,optimization,非参数核密度估计,parametric,kernel,density,estimation,整体结构,实现过程,自适应噪声完备集合经验模态分解,分解方法,序列分解,分解成,若干个,子序列,行点,原为,造气,预测误差,概率密度,估计函数,置信水平,区间预测,算例分析,电力变压器
AB值：
0.205734
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
