摘要
本发明涉及变压器顶层油温预测技术领域,特别是一种基于变压器的顶层油温预测方法及系统。获取变压器历史监测数据包括顶层油温、绕组温度、高压侧有功功率、无功功率、相电压及相电流数据;采用K近邻插值法处理缺失值并使用孤立森林算法剔除异常点;利用改进的能量谷优化算法IEVO进行优化,该算法采用多项式变异扰动策略并结合α、β、γ三种衰变模式更新参数;通过VMD分解提取数据频率成分结合Kernel PCA对顶层油温数据进行非线性降维,构建SHAP‑MLP特征选择模型筛选重要特征;最后基于SOFTS模型进行预测该模型通过STAR模块处理时间序列数据,采用多层感知机提取特征并使用残差连接增强表达能力本发明实现了变压器顶层油温的高精度预测,可为设备维护提供可靠依据。
技术关键词
历史监测数据
变压器顶层油温
特征选择
孤立森林算法
建立预测模型
K近邻
深度学习模型
有功功率
多层感知机
插值法
高压
多项式
异常点
绕组
编码器
非线性
系统为您推荐了相关专利信息
车道检测方法
融合特征
多尺度特征提取
特征融合网络
解码器
预测特征
回归树模型
决策树模型
分类特征
小程序
信息增益算法
实时数据处理
机制
市场动态
可读存储介质
壁挂炉
数据处理中心
异常信号
应急保护装置
多任务深度学习模型