基于CEEMDAN-CNN-BIGRU的变压器油中溶解气体预测方法

本发明公开了基于CEEMDAN‑CNN‑BIGRU的变压器油中溶解气体预测方法，属于电力系统检测技术领域，通过CEEMDAN分解算法对原始溶解气体时间序列进行分解，得到多个平稳与非平稳的本征模态分量（IMFs），然后使用溶解气体预测模型对各个分量进行训练和预测，一维卷积神经网络（CNN）用于提取原始数据的时序特征，门控循环神经网络（GRU）捕获时序依赖关系，最终叠加各分量的预测结果，实现对原始时间序列的重构与预测，获得高精度的预测结果，本申请能够有效应对变压器油中溶解气体数据的非平稳性与非线性特征，通过CEEMDAN‑CNN‑BiGRU模型表现出了最高的预测精度，其预测结果与实际气体含量的变化趋势最为接近。