基于小波分解和长短期记忆网络的变压器油中溶解气体浓度预测
Electric Engineering（2020）
摘要
对油中溶解气体浓度进行精确预测,可为变压器故障预警提供重要依据.现有的油中溶解气体预测模型主要基于单一或少数状态参量,而状态参量变化并非独立过程.利用Apriori算法挖掘变压器油中溶解气体间的关联规则,在此基础上提出了一种基于小波分解和长短期记忆网络的变压器油中溶解气体浓度预测方法.Apriori算法可挖掘变压器油中溶解气体间的关联规则,以此确定预测模型的输入矩阵.通过小波变换提取出参量序列中的低频趋势分量和高频波动分量,运用长短期记忆神经网络在不同分量上分别进行预测,并重构得到各参量的预测结果.算例结果表明,所提方法能更好地追踪油中溶解气体的浓度变化趋势,具有更高的预测精度.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要