摘要
本发明公开了一种电缆热劣化产生气体预测方法及系统,涉及电力系统技术领域,包括采集数据,进行数据预处理;对处理后的序列进行自适应噪声的完全集成经验模态分解,分解出本征模态函数序列;对每一个本征模态函数序列进行门控循环单元循环神经网络训练并预测;将预测后的本征模态函数序列进行自适应噪声的完全集成经验模态分解逆过程得到预测结果;进行模型评价与优化。本发明能够避免传统方法中对序列特征的单一假设,提升预测精度。通过该方法,不仅能更准确地预测电缆热劣化过程中气体浓度的变化,还能够对电缆的状态变化进行更为精确的评估,为设备的健康监测和故障预警提供可靠的支持。
技术关键词
集成经验模态分解
气体预测方法
门控循环单元
神经网络训练
电缆
噪声分量
数据处理模块
曲线
线性插值法
故障气体
噪声系数
序列特征
样本
节点
系统为您推荐了相关专利信息
新建风电场
短期风电功率预测方法
风电功率预测模型
分量特征
初始聚类中心
多用户
神经网络参数
训练神经网络
先进先出
矩阵
磁电耦合传感器
信号
在线定位方法
电磁感应原理
频率
强化学习控制方法
门控循环单元
多层感知器
四足机器人
网络