一种基于神经动力学优化的变压器温度预测方法及系统

本发明公开了一种基于神经动力学优化的变压器温度预测方法及系统，属于电力设备状态监测与智能预测技术领域，该方法包括：采集变压器运行过程中的温度、电流、环境参数等多源数据，并进行标准化处理；构建融合长短期记忆网络与KAN神经网络的预测模型，利用LSTM提取时间序列特征，结合KAN结构增强模型对非线性关系的表达能力；引入基于神经动力学的优化机制，在训练过程中动态调整模型参数，提升模型对复杂非平稳数据的适应性与预测精度；对训练完成的模型进行性能验证并部署至实际监测平台，实现对变压器未来温度趋势的实时预测。该方法具备良好的泛化能力与工程应用价值，可有效降低变压器过热风险，提高设备运行的安全性与经济性。