侯勇严，郑恩让，郭文强，李建望，董 瑶

(1.陕西科技大学 电气与控制工程学院, 陕西 西安 710021；2.陕西科技大学 电子信息与人工智能学院, 陕西 西安 710021)

0 引言

随着国民经济的提升与国家科技的大力发展，用户对电力系统逐渐有了更高的期待，由对供电量的需求转向对供电质量的需求[1,2].在智能电网建设的进程中，电力设备的安全可靠运行成为电网安全的前提保障[3,4]，电力开关柜在电力系统的运行中起着不可替代的作用.开关柜长期运行在高压环境下，其内部设备的老化、积灰、连接点松动等均是引起设备发热的主要因素，而温度直接表征了电力设备的运行健康状态，因此对开关柜内设备温度状态进行监测与高温预警具有一定的实际意义，有利于及早发现开关柜安全隐患问题并及时采取相应措施，避免事故的发生.通过对电力开关柜内易发生温升的设备进行温度监测、预测可为传统预防性维护到主动预测性维护的转变提供一种有效途径.

随着计算机技术的发展，人工智能得到快步发展，在金融、电力、城市等多个领域都可见人工智能的身影.针对温度预测方法的研究也逐渐深入，常见的预测方法可分为：基于模型的预测、基于知识的预测和基于数据驱动的预测[5-8].文献[9]提出了一种基于顺序重要性重采样的动态二进粒子滤波器的价格预测，并将其用于股票价格预测中，取得了有效的预测结果.该方法适应于一些结构联系清晰或者线性系统的状态预测，但是不适合难以建立准确数学模型的复杂非线性系统；……