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↓
