详情

原文传递一种基于长短期记忆网络的变压器油中溶解气体浓度预测方法

专利名称：	一种基于长短期记忆网络的变压器油中溶解气体浓度预测方法
摘要：	本发明公开了一种基于长短期记忆网络的变压器油中溶解气体浓度预测方法，通过准确预测变压器油中溶解气体的浓度，从而实现对变压器运行状态的评估；首先收集变压器在线油色谱样本数据，确定其特征参量并进行归一化处理；然后利用变压器油中溶解气体的序列数据对长短期记忆网络进行训练，得到最优的预测模型参数；最后以油中溶解的7种特征气体浓度为输入，以待预测气体的浓度为输出，实现对变压器油中溶解气体浓度的预测。本发明提供的方法可以准确预测油中溶解气体浓度的变化，对电力变压器的运行状况判断提供依据，为运维人员检修提供借鉴。
专利类型：	发明专利
国家地区组织代码：	云南;53
申请人：	昆明理工大学
发明人：	刘可真;苟家萁;和婧;刘通;卢涛;王骞;刘兴琳
专利状态：	有效
申请日期：	2019-08-15T00:00:00+0800
发布日期：	2019-11-12T00:00:00+0800
申请号：	CN201910751886.6
公开号：	CN110441500A
代理机构：	昆明润勤同创知识产权代理事务所(特殊普通合伙)
代理人：	付石健
分类号：	G01N33/28(2006.01);G;G01;G01N;G01N33
申请人地址：	650000云南省昆明市昆明理工大学呈贡校区电力工程学院电力楼401
主权项：	1.一种基于长短期记忆网络的变压器油中溶解气体浓度预测方法，其特征在于，包括如下步骤： A、选择变压器油中溶解的氢气(H2)浓度、甲烷(CH4)浓度、乙烷(C2H6)浓度、乙烯(C2H4)浓度、乙炔(C2H2)浓度、一氧化碳(CO)浓度、二氧化碳(CO2)浓度作为特征参量； B、获取步骤A中的特征参量在历史时间维度变压器油中的色谱样本数据，并对样本数据进行归一化处理，划分训练集数据和测试集数据； C、构建包括输入层、隐藏层、输出层的长短期记忆网络预测模型LSTM； D、使用步骤B中获得的训练集数据对步骤C中构建的长短期记忆网络预测模型LSTM进行优化，确定长短期记忆网络预测模型LSTM的参数； E、使用步骤B中的测试集数据作为步骤D中经优化的长短期记忆网络预测模型LSTM的输入变量，选取步骤A中的特征参量之一作为步骤D中经优化的长短期记忆网络预测模型LSTM的输出变量，得到预测结果。 2.根据权利要求1所述的一种基于长短期记忆网络的变压器油中溶解气体浓度预测方法，其特征在于：所述步骤B中对样本数据进行归一化处理指将样本数据映射到[0，1]之间，转换函数为：式中xmin为样本数据最小值，xmax为样本数据最大值，x为转化前的样本数据，x*为转换后的样本数据；所述步骤B中划分训练集数据和测试集数据指将归一化处理后的样本数据的80％作为训练集数据，将归一化处理后的样本数据的20％作为测试集数据。 3.根据权利要求1所述的一种基于长短期记忆网络的变压器油中溶解气体浓度预测方法，其特征在于：所述步骤C中长短期记忆网络预测模型LSTM的具体构建过程如下： C1、收集变压器在线油色谱样本数据，取特征参量氢气(H2)、甲烷(CH4)、乙烷(C2H6)、乙烯(C2H4)、乙炔(C2H2)、一氧化碳(CO)、二氧化碳(CO2)的浓度作为模型的输入层的样本数据； C2、将各特征参量的样本数据进行归一化处理，映射到[0，1]之间，划分训练集数据和测试集数据； C3、隐藏层采用训练集数据和测试集数据对长短期记忆网络预测模型LSTM进行训练、测试，在预测结果评价标准误差较小的情况下，确定优化后的长短期记忆网络预测模型LSTM的参数； C4、采用步骤C3得到的优化后的长短期记忆网络预测模型LSTM对测试数据集进行预测，得到预测结果P1、P2、…Pn； C5、输出层采用以平均值的方式计算n个预测结果，并进行反归一化处理得到最终的预测结果，最后结合实验评价指标对预测结果进行评价分析。 4.根据权利要求1所述的一种基于长短期记忆网络的变压器油中溶解气体浓度预测方法，其特征在于：所述步骤D中对构建的长短期记忆网络预测模型LSTM进行优化，在保证平均相对百分误差yMAPE、根均方误差yRMSE最小、预测精度yFA最高的前提下，确定长短期记忆网络预测模型LSTM的最优参数；具体步骤包含：隐藏层中使用ReLU函数作为激活函数，适用于时间序列非线性预测，初始学习率设置为0.001，每一层网络节点的舍弃率为0.2，防止过度拟合，迭代次数取200，输入层与输出层之间神经元的个数由训练集数据的特征决定，采用经验公式(2)和评价指标最优的条件下选取神经元的个数为10，进而控制神经元个数为10不变的情况下，逐步增加网络层数来测试模型，最后结合平均相对误差的评价指标，选取网络层为2；式中，n和m分别为输出层和输入层的节点数，a为[0，10]之间的常数。 5.根据权利要求1所述的一种基于长短期记忆网络的变压器油中溶解气体浓度预测方法，其特征在于：所述步骤E中得到的预测结果使用平均相对百分误差yMAPE、根均方误差yRMSE以及预测精度yFA三个实验评价指标进行评价，公式如下：式中：n表示预测总次数；Xact(i)和Xpred(i)分别为i时刻油中溶解气体浓度的真实值和预测值，其中平均相对百分误差和根均方误差越小、预测精度越高表示预测结果越好。
所属类别：	发明专利