摘要
本发明提出一种基于混合分解与Bi TCN‑Bi GRU的变压器油中溶解气体浓度预测方法,应用于油中溶解气体浓度预测领域。首先,利用改进的自适应噪声完备集合经验模态分解对气体浓度序列进行初步分解。其次,结合样本熵重构子序列,并应用变分模态分解对高熵子序列进行二次分解。最后,构建了Bi TCN‑B i GRU预测模型,利用双向卷积和双向门控机制同时捕捉时序数据的正向与反向特征,对一次分解和二次分解的子序列进行预测,并重构气体浓度序列。与现有技术相比,本发明的预测精度更高,鲁棒性和泛化性更好。
技术关键词
溶解气体浓度预测方法
混合神经网络模型
变分模态分解算法
门控循环单元
变压器油色谱气体
时间序列数据处理
时序
集合经验模态分解
增广拉格朗日
评估指标体系
交替方法
重构
噪声
线性单元
系统为您推荐了相关专利信息
故障定位系统
清洁能源
故障特征
故障定位方法
设备健康状态
滚动轴承振动信号
门控循环单元
编码机制
位置更新方法
工业生产安全监控
短期电力负荷预测
变分模态分解算法
曲线
电力负荷预测技术
蝙蝠算法
GRU模型
数据预测方法
客户端
差分隐私机制
拉普拉斯噪声