基于EMD-gcForest模型的变压器油中溶解气体浓度预测方法

摘要：

首先,考虑到气体浓度序列的波动性,利用经验模态分解(Empirical mode decomposition,EMD)方法,将油中溶解气体浓度序列分解为不同特征尺度的本征模态函数(Intrinsic mode function,IMF)分量和 1个剩余分量;然后,采用多粒度级联森林(Multi-grained cascade forest,gcForest)模型对分解得到各子序列分量分别进行预测;最后,叠加所有各子序列分量的预测值作为最终结果.算例分析结果表明,相较传统预测方法,所提的EMD-gcForest 方法具有较高的预测精度和泛化能力.

关键词：电力变压器、故障诊断、经验模态分解、多粒度级联森林、油中溶解气体

所属期刊栏目：39

分类号：TM41(变压器、变流器及电抗器)

资助基金：云南省科技厅地方本科高校联合专项112031401094

在线出版日期：2023-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：32-38