基于DBSCAN和VMD-TCN-LSTM的变压器油中溶解气体预测方法

袁和金; 陈龙; 李金波; 马欢; 刘占康

doi:10.16543/j.2095-641x.electric.power.ict.2025.09.04

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 >

基于DBSCAN和VMD-TCN-LSTM的变压器油中溶解气体预测方法

特别推荐 | 更新时间：2026-01-30

- 基于DBSCAN和VMD-TCN-LSTM的变压器油中溶解气体预测方法
- 基于DBSCAN和VMD-TCN-LSTM的变压器油中溶解气体预测方法
- 电力信息与通信技术 2025年第9期页码：28-34
- 作者机构：
  
  1. 华北电力大学(保定)控制与计算机工程学院
  2. 国网电力科学研究院有限公司
  3. 国网安徽省电力有限公司超高压分公司
- 作者简介：
- 基金信息：
  
  国家电网有限公司总部管理科技项目“基于电网资源业务中台多模态数据的变压器状态感知与预测性运维技术研究与应用”(5700-202340289A-1-1-ZN)
- DOI：10.16543/j.2095-641x.electric.power.ict.2025.09.04
  中图分类号： TM41
- 纸质出版：2025
- 稿件说明：
移动端阅览
袁和金, 陈龙, 李金波, 等. 基于DBSCAN和VMD-TCN-LSTM的变压器油中溶解气体预测方法[J]. 电力信息与通信技术, 2025,(9):28-34.

袁和金, 陈龙, 李金波, et al. 基于DBSCAN和VMD-TCN-LSTM的变压器油中溶解气体预测方法[J]. 2025, (9): 28-34.
袁和金, 陈龙, 李金波, 等. 基于DBSCAN和VMD-TCN-LSTM的变压器油中溶解气体预测方法[J]. 电力信息与通信技术, 2025,(9):28-34. DOI： 10.16543/j.2095-641x.electric.power.ict.2025.09.04.

袁和金, 陈龙, 李金波, et al. 基于DBSCAN和VMD-TCN-LSTM的变压器油中溶解气体预测方法[J]. 2025, (9): 28-34. DOI： 10.16543/j.2095-641x.electric.power.ict.2025.09.04.

摘要

对变压器油中溶解气体进行预测可以提前掌握变压器运行趋势。为了解决数据噪声干扰和单一神经网络对时序依赖特征挖掘不完全的问题，文章提出了一种变压器油中溶解气体预测方法。首先，采用基于密度的聚类算法（density-based spatial clustering of applications with noise

DBSCAN）和3σ准则对数据进行清洗，以消除数据中的异常值。其次，设计了一种组合模型用于油中溶解气体含量预测，模型使用变分模态分解（variational mode decomposition

VMD）减少噪声的影响，分别利用时域卷积网络（temporal convolutional network

TCN）和长短期记忆网络（long short-term memory

LSTM）综合提取数据的局部特征和长期依赖特征。实验结果表明，该方法在预测变压器7天内的油中溶解气体含量时的MAE达到0.611×10

–6

MAPE达到1.95%，相较于基准模型分别提高了0.661×10

–6

和3.79%。

Abstract

关键词

Keywords

references

马玉轩.基于VMD的时频注意力TCN神经网络短期电力负荷预测[D].江西理工大学,2022(01).

金花,曹培治,金汪奥博,王劭鹤,贾玉轩.基于LSTM-MACNN的油色谱在线监测装置误告警识别[J].电力信息与通信技术,2023(11).

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).

刘展程,王爽,唐波.基于SSA-BiGRU-Attention模型的变压器油中溶解气体含量预测[J].高电压技术,2022(08).

周锋,孙廷玺,权少静,刘敏,王恒超,王树田.基于集合经验模态分解和极限学习机的变压器油中溶解气体体积分数预测方法[J].高电压技术,2020(10).

张婷婷,于明,李宾,刘哲.基于Wavelet降噪和支持向量机的锂离子电池容量预测研究[J].电工技术学报,2020(14).

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).

徐肖伟,李鹤健,于虹,刘可真,赵勇军,盛戈皞.基于随机森林的变压器油中溶解气体浓度预测[J].电子测量技术,2020(03).

崔宇,侯慧娟,胥明凯,李善武,盛戈皞,江秀臣.基于双重注意力机制的变压器油中溶解气体预测模型[J].中国电机工程学报,2020(01).

陈振宇,刘金波,李晨,季晓慧,李大鹏,黄运豪,狄方春,高兴宇,徐立中.基于LSTM与XGBoost组合模型的超短期电力负荷预测[J].电网技术,2020(02).

刘云鹏,许自强,董王英,李哲,高树国.基于经验模态分解和长短期记忆神经网络的变压器油中溶解气体浓度预测方法[J].中国电机工程学报,2019(13).

李文杰,闫世强,蒋莹,张松芝,王成良.自适应确定DBSCAN算法参数的算法研究[J].计算机工程与应用,2019(05).

赵文清,祝玲玉,高树国,李刚.基于多源信息融合的电力变压器故障诊断方法研究[J].电力信息与通信技术,2018(10).

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).

肖怀硕,李清泉,施亚林,张同乔,张纪伟.灰色理论–变分模态分解和NSGA-Ⅱ优化的支持向量机在变压器油中气体预测中的应用[J].中国电机工程学报,2017(12).

修春波,任晓,李艳晴,刘明凤.基于卡尔曼滤波的风速序列短期预测方法[J].电工技术学报,2014(02).

Li Guannan,Zhao Xiaowei,Fan Cheng,Fang Xi,Li Fan,Wu Yubei.Assessment of long short-term memory and its modifications for enhanced short-term building energy predictions[J].Journal of Building Engineering,2021.

Zexian Sun,Mingyu Zhao.Short-Term Wind Power Forecasting Based on VMD Decomposition, ConvLSTM Networks and Error Analysis[J].IEEE Access,2020.

Pangshi Wei,Hongjun Wang.Evaluation method of spindle performance degradation based on VMD and random forests[J].The Journal of Engineering,2019.

Chang Liu,Hongzhi Zhang,Zhicheng Xie,Zhixun Wang,Le Chen,Xiangning Lin,Hongfa Ding,Zhengtian Li,Weihong Xiong.Combined Forecasting Method of Dissolved Gases Concentration and Its Application in Condition-Based Maintenance[J].IEEE Transactions on Power Delivery,2019.

Xie Liwei,Li Yong,Luo Long Fu,Zhang Yu,Cao Yijia.A Traveling Wave Based Fault Location Method Employing VMD-TEO for Distribution Network[J].IEEE Transactions on Power Delivery,2019.

Huaishuo Xiao,Jianchun Wei,Hongshun Liu,Qingquan Li,Yalin Shi,Tongqiao Zhang.Identification method for power system low-frequency oscillations based on improved VMD and Teager–Kaiser energy operator[J].IET Generation, Transmission & Distribution,2017.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

电力变压器状态监测数据聚类研究

基于深度学习的文本分类研究进展

基于电力日志特征的DBSCAN聚类

基于Attention机制的TCN-LSTM非侵入式负荷分解

基于EEMD-IWOA-TCN的电网短期负荷预测