[发明专利]一种变压器油中溶解气体含量的长期预测方法

权利要求书

1.一种变压器油中溶解气体含量的长期预测方法，其特征在于，具体按照以下步骤实施：

步骤1、测量变压器油中溶解气体含量作为样本数据，采用最小值-最大值归一化处理，并对归一化后的数据进行分化，分为测试集与训练集；

步骤2、通过长短期记忆人工神经网络方法建立数学模型；

步骤3、利用遗传算法寻找数学模型中的最优参数，获得优化长短期记忆人工神经网络模型；

步骤4、通过训练集对优化长短期记忆人工神经网络模型进行网络训练，并通过测试集进行检测，得到最优长短期记忆人工神经网络模型；

步骤5、将变压器油中溶解气体含量作为输入数据，输入至最优长短期记忆人工神经网络模型，得到下一阶段变压器油中溶解气体含量的预测值。

2.根据权利要求1所述一种变压器油中溶解气体含量的长期预测方法，其特征在于，步骤1所述测试集与训练集所占比例为1:4。

3.根据权利要求1所述一种变压器油中溶解气体含量的长期预测方法，其特征在于，步骤2具体过程为：将变压器油中溶解气体含量的数据参与在长短期记忆人工神经网络链路中，采用细胞状态进行传递；具体为：

在t时刻，长短期记忆人工神经网络方法建立数学模型即细胞状态计算公式如下：

i_t＝σ(W_xix_t+W_hih_t-1+b_i)

f_t＝σ(W_xfx_t+W_fhh_t-1+b_f)

o_t＝σ(W_oxx_t+W_ohh_t-1+b_o)

c′_t＝tanh(W_c·h_t-1+W_f·x_t+b_c)

c_t＝f_t⊙c_t-1+i_t⊙c′_t

h_t＝o_t⊙tanh(c_t)

其中，i_t代表对于当前的变压器油中溶解气体含量保留到记忆单元状态；o_t代表控制记忆单元中气体含量状态对当前的输出；f_t代表上一时刻记忆单元中气体含量状态保留多少到下一时刻的记忆单元中气体含量状态；t代表时刻；i表示气体预测模型的输入门、f表示气体预测模型的遗忘门、o表示气体预测模型的输出门，W_hi、W_fh、Who均表示气体预测模型的权重矩阵，h表示隐藏层；W_xi、W_xf、W_ox均表示权重矩阵，x表示输入对应的气体含量；b_i、b_f、b_o均表示偏置项，b为系数；σ表示sigmoid激活函数；c′_t表示时刻t的单元状态输入；tanh为双曲正切激活函数；W_c表示输入层的状态权重矩阵，b_c表示输入层的状态偏置项，C代表记忆单元状态。

4.根据权利要求1所述一种变压器油中溶解气体含量的长期预测方法，其特征在于，步骤3所述数学模型中的最优参数是指变压器油中溶解气体含量数据集的步长、网络隐藏层、训练次数、随机失活参数。