CN:36-1239/TH

ISSN:1672-3872

半月刊

JST日本科学技术振新机构数据库(日)(2022)

中文核心期刊(遴选)数据库收录期刊

中文科技期刊数据库收录期刊

中国学术期刊(光盘版)全文收录期刊

中国期刊网收录期刊

中国学术期刊综合评价数据库 统计源期刊

搜索
搜索
这是描述信息

基于智能算法的主变异常数据识别应用

访问量:

DOI:10.3969/j.issn.1672-3872.2024.05.041

作  者:薛文祺 ,汤美琪 (吉林师范大学信息技术学院,吉林 四平 136000)

 

摘 要:【目的】准确评估电力变压器的状态,提前判断是否存在故障,并安排工作人员进行维修,以防止进一步威胁电网的安全运行。【方法】以通过相关数据对电力变压器状态进行评估为目标,以人工智能和数据挖掘技术为工具,深入研究了包括数据扩充、趋势预测、故障诊断、健康评估在内的电力变压器评估方法。首先,对数据进行了清洗和整理。接着,采用了 Apriori算法进行数据挖掘,以便更好地理解数据之间的关联性。在完成数据挖掘工作后,利用LSTM模型进行异常数据识别。这包括模型诊断过程和模型建立。通过对模型进行反复测试和优化,以确保其能够准确识别出电力变压器中的异常情况。然后,通过仿真实验验证了所提出方法的有效性。在这个过程中,考虑了变压器油色谱气体之间的关联性,对数据进行 了预处理,并将多变量时间序列状态参量纳入回归预测模型,以提高预测精度。【结果】分析了状态参量变化对预测结果的影 响,确定了输入预测模型的状态参量维度。通过算例分析,成功准确地测出了H2、CH4、C2H6、C2H4、C2H2这5种典型的故障特征量。【结论】本研究能够及时发现变压器的潜在故障,提升评估的准确性。根据评估结果,可以提前安排维护人员进行检 修,预防变压器事故的发生。

关键词:异常数据识别;Apriori算法;LSTM模型;数据挖掘

 

引文信息:[1]薛文祺,汤美琪.基于智能算法的主变异常数据识别应用[J].南方农机,2024,55(5):157-162. 

查看全文请下载PDF文件↓

相关下载

分类:
2024年
文件大小:
1.4M
2024-03-27 17:24:48
所属人群:
所有人
上一页
1
底部logo

公众号

地       址:江西省南昌市红谷滩红谷中大道1326号江报传媒大厦908室

联系电话:0791-86202556

投稿邮箱:nfnj@vip.163.com

版权所有:江西南方农机杂志社有限责任公司.  All rights reserved.   SEO     赣ICP备2023003226号-1       技术支持:中企动力-南昌