基于BI-GRU改进的Seq2Seq网络的变压器油中溶解气体浓度预测方法

作     者：汤健 侯慧娟 陈洪岗 王劭菁 盛戈皞 江秀臣 TANG Jian;HOU Huijuan;CHEN Honggang;WANG Shaojing;SHENG Gehao;JIANG Xiuchen

作者机构：上海交通大学电气工程系上海200240 国网上海市电力公司电力科学研究院上海200437 

出 版 物：《电力自动化设备》 (Electric Power Automation Equipment)

年 卷 期：2022年第42卷第3期

页      面：196-202,217页

核心收录：

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：上海交通大学新进青年教师启动计划基金资助项目。 

主　　题：电力变压器 油中溶解气体 门控循环单元 Seq2Seq 注意力机制 Scheduled Sampling算法 

摘      要：基于门控循环单元(GRU)构建双向多层门控循环单元,并引入编码器-解码器结构搭建Seq2Seq网络模型,通过优化神经元及神经网络结构提取时序数据依赖关系。同时引入注意力机制和Scheduled Sampling算法,自动获取与当前时刻预测输出显著相关的关键输入时间点,提高长时间预测的精度。变压器正常运行状态下的气体浓度预测算例结果表明,与基于简单GRU模型及简单Seq2Seq模型的方法相比,所提方法的预测误差更低且预测的发展趋势更符合真实值;变压器异常运行状态下的气体浓度预测算例结果表明,所提方法的平均相对误差和最大相对误差相比长短期记忆(LSTM)网络方法分别降低了0.73%和2.31%。