一种变压器油中溶解气体浓度预测方法

本发明属于电力设备监测领域，涉及一种变压器油中溶解气体浓度预测方法，应用自适应噪声完全集合经验模态分解对溶解气体浓度数据集进行处理，得到多个内在模态函数；构建基于时间卷积网络、双向长短期记忆网络及变换器架构的混合深度学习模型，时间卷积网络用于捕捉局部特征，双向长短期记忆网络负责处理长期依赖关系，变换器利用自注意力机制实现信息交互；将训练集输入到混合深度学习模型中进行训练得到预测模型，将测试集输入到预测模型中进行测试、验证和优化，获得预测优化模型；利用预测优化模型给出最终的溶解气体浓度预测值。本发明将先进的信号处理技术和深度学习算法应用于电力设备维护，能为智能电网建设提供技术支持。