一种基于多专家学习的油中溶解气体异常预测方法与系统

本发明涉及一种基于多专家学习的油中溶解气体异常预测方法与系统，包括收集变压器油中各溶解特征气体的历史浓度数据，并按时序整理为溶解特征气体时序数据集并进行清洗；通过清洗后的溶解特征气体时序数据集对自回归滑动平均模型，灰度预测模型，深度学习回归模型进行训练，并融合长短期记忆网络为骨干，得到多专家模型；将基于油中溶解特征气体实时的浓度参数，输入多专家模型，预测油中溶解特征气体下一时刻的浓度信号，若与下一时刻的实际浓度信号误差超过设定阈值，则判断特征气体浓度异常。本发明所提供的方法可快速地完成油中溶解气体回归预测和传感器异常状态检测，并为下游油中溶解气体多级预警任务提供可靠依据。