一种基于Adam算法优化的神经网络变压器顶层油温预测

基于国内外现有变压器老化影响因素、绕组热点温度的预测方法及变压器绝缘状态评估的研究基础,以变压器顶层油温为研究对象,利用灰色关联分析法分析变压器监测量与顶层油温的相关性,采用Adam算法优化的人工神经网络对热点温度进行预测。该预测方法速度快、精度高,能在变压器负载状态和散热设备动态变化明显的工作情况下实现顶层油温的高精度预测。

基于Adam算法的变压器顶层油温预测方法研究

顶层油温是反映电力变压器负载能力和绝缘老化程度的重要指标。为准确预测顶层油温,文中实现了一种基于自适应动量估计(Adaptive Momentum Estimation,Adam)算法优化的神经网络变压器顶层油温预测方法。首先运用灰色相关性分析法计算变压器各监测量与顶层油温的相关性,构建预测顶层油温的后向传播(Back Propagation,BP)神经网络模型;结合变压器状态监测历史数据,利用Adam算法训练模型和数据验证,结果表明该模型预测值与实际测量值基本一致,与Susa D热路模型和基于随机梯度下降法神经网络模型预测结果相比较,该方法预测精度相比其他两者分别提高了78.1%和33.9%;最后选择不同的变压器进行建模预测,结果表明该方法具有普遍适用能力。