[发明专利]基于长短时记忆网络的变压器运行状态预测方法及系统

权利要求书

1.一种基于长短时记忆网络的变压器运行状态预测方法，其特征在于，包括步骤：

(1)获取与变压器运行状态相关的历史信息；

(2)基于所述历史信息评估所述变压器的历史运行状态；

(3)构建基于长短时记忆网络的变压器运行状态预测模型；

(4)基于所述历史信息和历史运行状态训练所述变压器运行状态预测模型；

(5)基于所述历史信息通过所述变压器运行状态预测模型预测变压器的未来运行状态，其中取最大置信度对应的所述变压器运行状态预测模型的输出作为所预测的变压器的未来运行状态。

2.如权利要求1所述的基于长短时记忆网络的变压器运行状态预测方法，其特征在于，所述历史信息包括变压器油中溶解气体浓度、运行巡检信息以及技术性能信息中的至少其中之一。

3.如权利要求2所述的基于长短时记忆网络的变压器运行状态预测方法，其特征在于，所述步骤(2)中，针对所述历史信息中的各类参量信息评估得到对应的历史运行状态评估结果，为所述历史信息中的各类参量信息对应的历史运行状态评估结果赋予相应的权重，加权求得历史运行状态的综合模糊评估结果。

4.如权利要求3所述的基于长短时记忆网络的变压器运行状态预测方法，其特征在于，利用模糊理论评估得到变压器油中溶解气体浓度对应的历史运行状态评估结果。

5.如权利要求4所述的基于长短时记忆网络的变压器运行状态预测方法，其特征在于，以变压器油中溶解气体浓度为输入特征参量，以其对应的相对劣化度为输出目标，建立支持向量机模型去拟合三角形半梯形组合隶属函数与所述历史运行状态的分布关系，从而利用模糊理论评估得到变压器油中溶解气体浓度对应的历史运行状态评估结果。

6.如权利要求5所述的基于长短时记忆网络的变压器运行状态预测方法，其特征在于，所述相对劣化度通过下式得到：

式中，l_k表示气体k对应的相对劣化度，a为气体k的浓度最优值或出厂值，b为注意值，x为当前实测数值。

7.如权利要求2所述的基于长短时记忆网络的变压器运行状态预测方法，其特征在于，所述变压器油中溶解气体浓度包括H₂、CH₄、C₂H₄、C₂H₆、C₂H₂、总烃、CO、CO₂浓度的至少其中之一。

8.如权利要求2所述的基于长短时记忆网络的变压器运行状态预测方法，其特征在于，所述技术性能信息包括运行工况、检修记录、运行时间的至少其中之一。

9.如权利要求3所述的基于长短时记忆网络的变压器运行状态预测方法，其特征在于，采用改进层次分析法确定所述权重。

10.如权利要求1所述的基于长短时记忆网络的变压器运行状态预测方法，其特征在于，采用沿时间反向传播算法训练所述变压器运行状态预测模型。

11.一种基于长短时记忆网络的变压器运行状态预测系统，其采用如权利要求1-10中任意一项权利要求所述方法对变压器的未来运行状态进行预测。