典型文献
基于EMD和GCT的变压器油中溶解气体预测
文献摘要：
针对传统预测方法在变压器油中溶解气体预测时精度不高的问题,提出一种EMD和GCT联合应用的新型预测方法.首先使用EMD将溶解气体浓度、环境温度、油温及负载电流等时序信息分解成平稳的模态分量;然后使用GCT分析模态之间的预测关系,提取每阶模态的格兰杰原因;最后将待预测分量及其格兰杰原因所对应的历史时序输入到时间注意力机制LSTM网络进行预测,并采用改进的蚁狮算法优化网络参数,经叠加重构得到特征气体浓度最终预测结果.实验结果表明:与传统LSTM网络相比,所提方法具有更高的预测精度和可行性.
文献关键词：
变压器;油中溶解气体;时间序列预测;经验模态分解;格兰杰因果关系检验;时间注意力机制;长短时记忆网络
中图分类号：
作者姓名：
陈铁;陈卫东;李咸善;张会颖;邹祖冰
作者机构：
三峡大学电气与新能源学院,湖北宜昌 443002;三峡大学梯级水电站运行与控制湖北省重点实验室,湖北宜昌 443002;中国长江三峡集团有限公司,北京 100000
文献出处：
引用格式：
[1]陈铁;陈卫东;李咸善;张会颖;邹祖冰-.基于EMD和GCT的变压器油中溶解气体预测)[J].高压电器,2022(04):70-79
A类：
B类：
EMD,GCT,变压器油,油中溶解气体,传统预测,联合应用,气体浓度,油温,负载电流,时序信息,信息分解,分解成,成平,模态分量,时间注意力机制,蚁狮算法,算法优化,网络参数,特征气体,时间序列预测,经验模态分解,格兰杰因果关系检验,长短时记忆网络
AB值：
0.258815
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。
