论文部分内容阅读
电力变压器状态参数预测分析可以为设备状态评估提供有力技术支撑.现有变压器状态参量预测模型主要基于单一或少数状态参量进行分析和判断,预测稳定性和科学性都有待提高.文中结合变压器设备大量状态信息、电网运行和环境气象数据,提出了一种考虑复杂关联关系深度挖掘的变压器状态参量预测方法,通过栅格长短时记忆网络提取各参量之间蕴含的内在规律和关联关系,用以修正状态参量的预测结果.将该方法用于某500kV变压器顶层油温趋势预测中,结果表明所提出的栅格长短时记忆网络能挖掘分析设备状态影响因素之间的关联关系,与未考虑关联性的预测方法及传统方法相比,通过参量序列间关联性提高了预测模型的稳定性,降低了预测误差.