典型文献
基于量测数据贝叶斯概率矩阵分解的变压器运行状态监测方法
文献摘要：
变压器的安全运行是电力系统可靠供电的重要环节,而变压器油中溶解气体浓度变化是变压器运行状态监测的重要组成部分.本文以变压器油中溶解气体浓度为监测信息,提出了一种结合贝叶斯概率矩阵分解和长短期记忆神经网络的变压器运行状态监测方法.首先,针对油中溶解气体实际监测时存在的数据缺失问题,采用贝叶斯概率矩阵分解对缺失数据进行预测填补;然后,利用皮尔森相关系数和长短期记忆神经网络构建油中气体监测浓度变化趋势的预测模型,进而实现变压器运行状态的监测.实例分析结果表明,该方法可以有效填补监测数据缺失部分,准确预测油中溶解气体浓度变化趋势,为变压器运行状态监测提供一种新的思路.
文献关键词：
变压器;油中溶解气体;贝叶斯概率矩阵分解;长短期记忆神经网络;皮尔森相关系数
中图分类号：
作者姓名：
程逍;李平;郭凌旭;张文旭
作者机构：
国家电网有限公司,北京 100120;国网天津市电力公司,天津 300010;天津大学智能电网教育部重点实验室,天津 300072
文献出处：
引用格式：
[1]程逍;李平;郭凌旭;张文旭-.基于量测数据贝叶斯概率矩阵分解的变压器运行状态监测方法)[J].电力系统及其自动化学报,2022(01):100-107
A类：
贝叶斯概率矩阵分解
B类：
量测数据,运行状态监测,监测方法,电力系统,可靠供电,变压器油,油中溶解气体,气体浓度,浓度变化,监测信息,长短期记忆神经网络,数据缺失,缺失数据,皮尔森相关系数,网络构建,中气,气体监测,准确预测
AB值：
0.120713
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。
