电工电能新技术

作者：王瑾媚， 王艳

单位：华北电力大学电力工程系， 河北 保定 071003

关键词：乙炔； 超高压； 变分模态分解； 固有模态分量； 长短期记忆神经网络

基金：国家自然科学基金项目(51807063)

乙炔是变压器内高温过热和各种放电故障产生的特征气体，可导致油劣化并降低绝缘性能，还会使油酸化腐蚀变压器内金属表面；超高压变压器运行中乙炔含量的报警值要求为1 μL/L，目前研究的变压器油中溶解气体预测模型对1 μL/L及以下气体浓度预测误差较大。本文提出结合变分模态分解的长短期记忆网络(VMD-LSTM)预测模型来实现变压器油中乙炔低浓度的准确预测，采用变分模态分解(VMD)将乙炔时序数据分解成固有模态分量(IMF)，调整容限参数降低数据噪声对模型的影响，结合长短期记忆神经网络(LSTM)进行预测。对本文所提模型的预测效果进行验证：预测模型的均方根误差为0.010 9，平均绝对误差为0.008 7，平均绝对百分比误差为1.641%，达到非常理想的预测效果。

来源：2025年第5期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2025年第5期