基于小波KPCA与Bi-LSTM的特高压换流站测控装置健康评估和预测

特高压换流站测控装置作为模拟量非线性、传输转换高要求的二次设备,目前的评估和预测方法不完全适用于测控装置的健康分析。提出了一种基于小波核主元(kernel principal component analysis, KPCA)分析和双向长短期记忆网络(bi-directional long short-term memory, Bi-LSTM)结合的健康评估和预测方法。通过引入小波核函数,以提高KPCA对健康状态影响因素进行特征提取的能力。通过第一核主元建立健康指数,以评估测控装置状态变化。通过构建Bi-LSTM网络模型以输入特征信息达到健康预测目的。以浙江某换流站采集到的真实数据作为样本,通过实验数据进行了对比分析。结果表明,该方法可以提升多维健康监测数据的准确评估和预测精度,为检修人员制定检修策略提供科学参考。