期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于混合模态分解和LSTM-CNN的变压器油中溶解气体浓度预测
被引量:
6
1
作者
陈铁
张治藩
+2 位作者
李咸善
陈一夫
李鸿鑫
《中国电力》
CSCD
北大核心
2023年第1期132-141,共10页
对油中溶解气体浓度进行预测,可提前掌握变压器运行趋势。提出一种基于混合模态分解和LSTMCNN(long short-term memory network-convolution network)网络的预测方法,实现精准的气体浓度预测。首先,为消除分解中模态混叠和残余白噪声的...
对油中溶解气体浓度进行预测,可提前掌握变压器运行趋势。提出一种基于混合模态分解和LSTMCNN(long short-term memory network-convolution network)网络的预测方法,实现精准的气体浓度预测。首先,为消除分解中模态混叠和残余白噪声的影响,对气体序列进行ICEEMDAN分解,以削弱序列的非平稳性;然后,使用VMD对聚合重构后的高频分量进行二次分解,降低高频分量的复杂度;最后,为了增强模型对序列时间特征和空间特征的拟合,采用结合时间注意力机制的LSTM-CNN网络对分解分量分别进行预测并重构气体浓度数据。算例验证表明,所提出的模型相比其他模型具有更强的预测性能,为后续故障预测提供有力支撑。
展开更多
关键词
变压器
油中溶解气体
混合模态分解
长短期记忆网络
注意力机制
卷积网络
下载PDF
职称材料
题名
基于混合模态分解和LSTM-CNN的变压器油中溶解气体浓度预测
被引量:
6
1
作者
陈铁
张治藩
李咸善
陈一夫
李鸿鑫
机构
梯级水电站运行与控制湖北省重点实验室(三峡大学)
三峡大学电气与新能源学院
出处
《中国电力》
CSCD
北大核心
2023年第1期132-141,共10页
基金
国家自然科学基金资助项目(51741907)
梯级水电站运行与控制湖北省重点实验室开放基金(2019KJX08)。
文摘
对油中溶解气体浓度进行预测,可提前掌握变压器运行趋势。提出一种基于混合模态分解和LSTMCNN(long short-term memory network-convolution network)网络的预测方法,实现精准的气体浓度预测。首先,为消除分解中模态混叠和残余白噪声的影响,对气体序列进行ICEEMDAN分解,以削弱序列的非平稳性;然后,使用VMD对聚合重构后的高频分量进行二次分解,降低高频分量的复杂度;最后,为了增强模型对序列时间特征和空间特征的拟合,采用结合时间注意力机制的LSTM-CNN网络对分解分量分别进行预测并重构气体浓度数据。算例验证表明,所提出的模型相比其他模型具有更强的预测性能,为后续故障预测提供有力支撑。
关键词
变压器
油中溶解气体
混合模态分解
长短期记忆网络
注意力机制
卷积网络
Keywords
transformer
dissolved gas
hybrid mode decomposition
long short-term memory network
attention mechanism
convolutional network
分类号
TM40 [电气工程—电器]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于混合模态分解和LSTM-CNN的变压器油中溶解气体浓度预测
陈铁
张治藩
李咸善
陈一夫
李鸿鑫
《中国电力》
CSCD
北大核心
2023
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部