论文部分内容阅读
变压器的安全运行是电力系统可靠供电的重要环节,而变压器油中溶解气体浓度变化是变压器运行状态监测的重要组成部分.本文以变压器油中溶解气体浓度为监测信息,提出了一种结合贝叶斯概率矩阵分解和长短期记忆神经网络的变压器运行状态监测方法.首先,针对油中溶解气体实际监测时存在的数据缺失问题,采用贝叶斯概率矩阵分解对缺失数据进行预测填补;然后,利用皮尔森相关系数和长短期记忆神经网络构建油中气体监测浓度变化趋势的预测模型,进而实现变压器运行状态的监测.实例分析结果表明,该方法可以有效填补监测数据缺失部分,准确预测油中溶解气体浓度变化趋势,为变压器运行状态监测提供一种新的思路.