变压器油中乙炔门控循环单元网络多步预测超参数优化方法

作     者：赵军 高树国 何瑞东 相晨萌 芮逸凡 王亚林 尹毅 ZHAO Jun;GAO Shuguo;HE Ruidong;XIANG Chenmeng;RUI Yifan;WANG Yalin;YIN Yi

作者机构：国网河北省电力有限公司电力科学研究院石家庄050021 上海交通大学电气工程系上海200240 

出 版 物：《高压电器》 (High Voltage Apparatus)

年 卷 期：2024年第60卷第7期

页      面：163-172,190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] 

基　　金：国网河北省电力有限公司科技成本项目(kjcb2020-013) 

主　　题：变压器 乙炔 门控循环单元(GRU) 灰狼算法 多步预测 

摘      要：油中溶解乙炔作为电力变压器中重要的放电程度表征参量之一,对其进行多步预测可以为变压器故障诊断及预警提供重要依据。现有的状态预测模型主要集中于单步预测,对于未来更长时期变化趋势的预测手段不足。此外,基于深度学习的多步预测模型的超参数选择大多基于经验和朴素的单一控制变量法,超参数之间的耦合关系没有得到充分的研究。文中提出基于多输出策略的门控循环单元(gated recurrent unit,GRU)神经网络多步预测模型,通过改变模型结构超参数和训练超参数研究超参数之间的耦合关系,使用多目标灰狼优化算法对不同预测结果倾向的GRU模型进行超参数优化。结果表明,GRU模型可以较为准确的对变压器油中乙炔含量进行30天预测,GRU模型的各超参数对输出预测结果的影响规律并不统一且相互影响,一组超参数无法同时达到多目标最优。多目标灰狼优化算法能够根据预测目标的不同,优化选择合适的超参数,为人工智能算法超参数的选取提供参考。