典型文献
基于SDS-SSA-LSTM的变压器油中溶解气体浓度预测
文献摘要：
油中溶解气体浓度预测对变压器早期故障检测至关重要.为了提高预测精度,本文提出了奇异谱分析(SSA)结合长短期记忆网络(LSTM)的预测模型.首先针对传统序列分解做法中的数据泄露问题,提出一种基于SSA逐步分解的采样策略,然后基于该策略将特征复杂的原始油中溶解气体浓度序列分解为特征相对单一的趋势分量与波动分量,最后利用LSTM网络对各个分量分别进行单步和多步预测.累加各分量的预测值,得到原气体浓度的预测结果.算例表明,相较于单一LSTM,本文所提模型在实验天数内整体的预测精度更高.
文献关键词：
变压器;油中溶解气体;数据泄露;逐步分解采样;奇异谱分析;长短期记忆网络
中图分类号：
作者姓名：
陈铁;陈一夫;李咸善;冷昊伟;陈卫东
作者机构：
三峡大学电气与新能源学院 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 宜昌443002
文献出处：
引用格式：
[1]陈铁;陈一夫;李咸善;冷昊伟;陈卫东-.基于SDS-SSA-LSTM的变压器油中溶解气体浓度预测)[J].电子测量技术,2022(12):6-11
A类：
逐步分解采样
B类：
SDS,SSA,变压器油,油中溶解气体,气体浓度预测,早期故障检测,奇异谱分析,长短期记忆网络,统序,序列分解,数据泄露,泄露问题,采样策略,度序列,单步,多步预测,累加,原气
AB值：
0.225358
相似文献
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。
