摘要
本发明提出了一种变压器铜损预测方法及系统,属于电力技术领域,包括:采集变压器的历史工况数据;预处理采集的历史工况数据;根据采集到的功率信号计算得出功率效率,以功率效率的倒数表征铜损程度;生成变压器铜损预测模型的训练样本;构建改进的时序感知神经网络rTCN‑Attention预测模型,并训练得到最终的预测模型;获取当前工况数据,利用改进的时序感知神经网络rTCN‑Attention预测模型预测下一时刻的铜损程度;根据预测的铜损程度确定预警等级。本发明通过预处理生成三维图像数据和构建时序感知神经网络,提高变压器铜损预测的准确性。
技术关键词
历史工况数据
变压器
通道注意力机制
卷积模块
功率
样本
时序
训练预测模型
生成三维图像数据
数据随时间
绕组
信号
表达式
电流
电压
卡尔曼滤波器
计算机
系统为您推荐了相关专利信息
深度学习模型
储能系统
储能变流器
相位偏移值
变压器
孤岛检测方法
光伏并网逆变器
光伏电池
主动频率偏移
周期性扰动信号