电力变压器油中溶解气体异常数据识别与含量预测研究

杜江; 范志远; 范仲华; 王庆凯; 李佩贤

doi:10.13335/j.1000-3673.pst.2024.0072

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

电力变压器油中溶解气体异常数据识别与含量预测研究

高电压技术 | 更新时间：2025-10-18

- 电力变压器油中溶解气体异常数据识别与含量预测研究
- 暂无标题
- 电网技术 2025年第2期页码：844-853
- 作者机构：
  
  1. 1.河北省电磁场与电器可靠性重点实验室(河北工业大学)
  2. 2.省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学)
  3. 3.国网山东夏津县供电公司
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(52007047);天津市自然科学基金重点项目(19JCZDJC32100)~~
- DOI：10.13335/j.1000-3673.pst.2024.0072
  中图分类号： TM41;TP183
- 纸质出版：2025
- 稿件说明：
移动端阅览
杜江, 范志远, 范仲华, 等. 电力变压器油中溶解气体异常数据识别与含量预测研究[J]. 电网技术, 2025,(2):844-853.
杜江, 范志远, 范仲华, 等. 电力变压器油中溶解气体异常数据识别与含量预测研究[J]. 电网技术, 2025,(2):844-853. DOI： 10.13335/j.1000-3673.pst.2024.0072.

DOI：

摘要

采用神经网络模型对油中溶解气体含量进行预测是目前评估电力变压器运行状态的重要方法，数据质量是影响神经网络模型预测精度的关键因素，然而，由于变压器复杂的运行环境，使得采集到的气体数据中不可避免地存在多种类型的异常数据，进而造成数据质量下降，严重影响模型的预测精度。此外，神经网络模型的参数是否匹配也是影响其预测性能的重要因素，然而，传统依据人工经验选择参数存在主观性、低效性和不可扩展性等缺点，也在一定程度上影响了模型的预测性能。为解决上述问题，该文通过对最近邻集成隔离法(isolationusingnearestneighborensemble

iNNE)进行修正，提出了修正最近邻集成隔离法(modified isolation using nearest neighbor ensemble

Mi NNE)，利用Mi NNE综合考虑局部度量与全局度量的特性实现气体异常数据的准确识别，有效提升数据质量。同时，对鹈鹕优化算法进行改进，提出了改进鹈鹕优化算法(improved pelican optimization algorithm

IPOA)，并利用IPOA对影响神经网络模型预测精度的关键参数进行优化，有效克服了传统依据经验选参而导致模型预测精度低与传统POA易陷入局部最优的问题，提高了模型的预测性能。采用电力变压器实际运行数据对所提模型进行验证，结果表明，相较于其他模型，所提模型在7种特征气体预测中均取得了最佳的预测效果，充分证明了所提模型的优越性。

Abstract

关键词

Keywords

references

范茜茜,王国强,罗贺,台建玮.基于N-BEATS与辅助编码器的短期电力负荷预测[J].电网技术,2024(04).

辛保安,李明节,贺静波,何剑,孙为民.新型电力系统安全防御体系探究[J].中国电机工程学报,2023(15).

廖才波,杨金鑫,邱志斌,胡雄,曾清霖,黄智勇.一种基于夏普利值及油中溶解气体分析的可解释变压器故障诊断方法[J].电网技术,2024(04).

李云淏,咸日常,张海强,赵飞龙,李嘉洋,王玮,李增悦.基于改进灰狼算法与最小二乘支持向量机耦合的电力变压器故障诊断方法[J].电网技术,2023(04).

范志远,杜江.基于相关变分模态分解和CNN-LSTM的变压器油中溶解气体体积分数预测[J].高电压技术,2024(01).

王秀杰,张帅,田福昌,苑希民,曹鲁赣.基于TVF-EMD-PSO-GRU的月径流模型与应用研究[J].天津大学学报(自然科学与工程技术版),2022(08).

傅世元,高欣,张浩,刘蒙,李军良,徐建航.基于元学习动态选择集成的电力调度数据异常检测方法[J].电网技术,2022(08).

僧德文,吕凡顺,梁紫怡,史晓颖,方启明.基于多图卷积网络和门控循环单元的不规则区域交通流量预测（英文）[J].Frontiers of Information Technology & Electronic Engineering,2021(09).

张鹏,齐波,张若愚,邵梦雨,李成榕.基于经验小波变换和梯度提升径向基的变压器油中溶解气体预测方法[J].电网技术,2021(09).

王锋,高欣,贾欣,任昺,查森.一种基于对数区间隔离森林的电力调度数据异常检测集成算法[J].电网技术,2021(12).

沈江飞,李怀洲,黄立军,毛晓明,张圣.基于局部离群因子和神经网络模型的设备状态在线监测方法研究[J].核动力工程,2021(03).

张育杰,冯健,李典阳,王善渊.基于油色谱数据的变压器故障征兆新优选策略[J].电网技术,2021(08).

刘可真,苟家萁,骆钊,王科,徐肖伟,赵勇军.基于粒子群优化–长短期记忆网络模型的变压器油中溶解气体浓度预测方法[J].电网技术,2020(07).

代杰杰,宋辉,盛戈皞,江秀臣,王健一,陈玉峰.采用LSTM网络的电力变压器运行状态预测方法研究[J].高电压技术,2018(04).

Nenavath Chander,Mummadi Upendra Kumar.Enhanced pelican optimization algorithm with ensemble-based anomaly detection in industrial internet of things environment[J].Cluster Computing,2024.

Lewis Z. M.,Wild J. A.,Allcock M.,Walach M.T..Assessing the Impact of Weak and Moderate Geomagnetic Storms on UK Power Station Transformers[J].Space Weather,2022(4).

Trojovský Pavel,Dehghani Mohammad.Pelican Optimization Algorithm: A Novel Nature-Inspired Algorithm for Engineering Applications[J].Sensors,2022.

Khaledian Ehdieh,Pandey Shikhar,Kundu Pratim,Srivastava Anurag K..Real-Time Synchrophasor Data Anomaly Detection and Classification Using Isolation Forest, KMeans, and LoOP[J].IEEE TRANSACTIONS ON SMART GRID,2021.

Tharindu R. Bandaragoda,Kai Ming Ting,David Albrecht,Fei Tony Liu,Ye Zhu,Jonathan R. Wells.Isolation‐based anomaly detection using nearest‐neighbor ensembles[J].Computational Intelligence,2018.

浏览量

634

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

变压器局部放电多目标无源定位中去除测向交叉定位虚假点的快速算法

电力变压器故障红外诊断专家系统

俄罗斯110～500kV电力变压器运行故障和事故分析

局部放电脉冲在单绕组变压器中传播过程的仿真分析

基于改进GA-BP混合算法的电力变压器故障诊断