杨海晶，孙运全，朱 伟，钱 尧，金 浩

(江苏大学电气信息工程学院,江苏 镇江 212013)

电力变压器是构成现代电力系统关键设备之一,确保变压器安全稳定的运行是电力设备领域的重要课题[1]。在变压器正常运行的进程中,设备会产生老化或者发生电、热故障,会导致产生多种气体。这些气体溶解在绝缘油中,其成分含量以及不同气体间的比例关系可以反映出当前变压器的健康状况[2-3]。所以,对溶解在变压器油中的各类气体浓度进行预测和分析,为变压器的运行状况的评估和故障的诊断提供了重要依据。

迄今为止,大量国内外学者对变压器油中溶解气体浓度预测这一课题进行了研究,并取得了许多重要成果。该课题的研究可以归纳为3 个方向:统计预测、智能预测和组合预测。

统计预测包含模糊预测模型[4]、灰度模型[5]和时间序列预测模型[6]等,此类模型最终预测结果受限于实验数据的分布规律。模糊预测对不确定事件具有良好的预测效果；灰度模型和时间序列模型分别在处理指数型数据和线性型数据时具有优势。

智能预测是指构建机器学习和深度学习的预测模型,使用海量的历史数据样本进行训练,最终使其能够较好反映时间序列的发展趋势。其中常见的机器学习模型有支持向量机、人工神经网络和决策树等[7]。由于传统的机器学习模型无法高效地处理大量训练数据以及提取训练数据中的时序趋势特征,影响其对油中溶解气体的预测精度。……