[发明专利]基于相重构和神经网络的变压器油中溶解气体预测方法

权利要求书

1.基于相重构和神经网络的变压器油中溶解气体预测方法，其特征在于，具体按以下步骤实施：

步骤1，采集变压器油中溶解气体其中的一种气体积数据的时间序列；

步骤2，将经步骤1采集的气体体积数据的时间序列进行归一化处理；

步骤3，将经步骤2归一化处理后的气体体积数据的时间序列进行相空间重构，得到气体体积数据的时间序列相空间重构矩阵；

步骤4，利用步骤3气体体积数据的时间序列相空间重构矩阵对BP神经网络进行训练；

步骤5，利用步骤4中训练好的BP神经网络时间序列预测模型预测该气体含量，最后重复上述步骤1～5对其余特征气体进行预测。

2.根据权利要求1所述的基于相重构和神经网络的变压器油中溶解气体预测方法，其特征在于，所述步骤1中溶解气体包括氢气、甲烷、乙烷、乙烯、乙炔、一氧化碳、二氧化碳七种气体体积，采集变压器油中七种溶解气体其中的一种气体积数据的时间序列。

3.根据权利要求1所述的基于相重构和神经网络的变压器油中溶解气体预测方法，其特征在于，所述步骤2具体包括：将采集到的气体体积数据的时间序列进行归一化处理，归一化到[0,1]区间内，如下式所述：

式中，x表示归一化后的气体体积数据；x_n表示气体体积原始数据；x_min为气体体积数据中的最小值；x_max为气体体积数据中的最大值。

4.根据权利要求1所述的基于相重构和神经网络的变压器油中溶解气体预测方法，其特征在于，所述步骤3中，对归一化处理后的气体体积数据的时间序列进行相空间重构，将一维的气体体积时间序列{x_k|k＝1,……,N}进行相空间重构，则相空间重构的集合表示为：

X_n＝(x_n,x_n+τ,…,x_n+(m-1)τ)(n＝1,……,M) (2)

式中，N表示气体时间序列的长度；τ表示延迟时间；m表示嵌入维数；M表示重构点的维数，且参数τ，m，M满足条件M＝N-((m-1)×τ)。

5.根据权利要求4所述的基于相重构和神经网络的变压器油中溶解气体预测方法，其特征在于，所述相空间重构延迟时间τ的计算方法为：

延迟时间τ为互信息法第一次达到极小值时所对应的时间，对于两个随机序列X₁，X₂之间的互信息I(X₁,X₂)，互信息I(X₁,X₂)即为所求延迟时间τ的函数I(τ)，且取使I(τ)第一次达到极小值时的τ值为延迟时间，计算公式如下式(3)所示：

I(X₁,X₂)＝H(X₁)+H(X₂)-H(X₁,X₂) (3)

式中，H(X₁)为X₁的信息熵，H(X₂)为X₂的信息熵，H(X₁,X₂)为X₁和X₂的联合熵，其中信息熵H(X)，计算公式如式(4)所示：

式中，p_i为变量X在i状态出现的概率，l为状态总数；

其中联合熵H(X₁,X₂)的计算公式如式(5)所示：

式中，p_ij为变量X₁在i状态且X₂在j状态出现的概率。