基于时空特征挖掘的特高压变压器热状态参量预测方法OA北大核心CSTPCD
Forecasting Method for Thermal State Parameters in Ultra-high Voltage Transformers Based on Spatial-temporal Features Mining
热状态参量预测是特高压变压器绝缘老化评估及故障预警的重要技术方法.然而,现有预测方法侧重高维时间序列分析以构建数据驱动模型,未计及设备内部温度潜在的空间变化规律,为此,提出一种基于时空特征挖掘的特高压变压器热状态参量预测方法.首先,综合考虑多源数据间的相关度与冗余度,提出组合特征筛选策略寻找最优特征子集;其次,结合热状态参量的最优特征子集及相关系数,构建面向热状态参量预测的时空图数据;最后,建立双重自适应图卷积门控循环单元(dual adapti…查看全部>>
Thermal state parameters(TSPs)prediction is a significant technique for insulation aging assessment and fault warning of ultra-high voltage(UHV)transformers.However,the existing forecasting methods focus on high-dimensional time series analysis to build data-driven models,and fail to take the potential spatial variation law of the inside temperature into account.Thus,a spatial-temporal features mining based prediction method for TSPs in UHV transformers is p…查看全部>>
林蔚青;缪希仁;肖洒;江灏;卢燕臻;邱星华;阴存翊
福州大学电气工程与自动化学院,福建省 福州市 350108福州大学电气工程与自动化学院,福建省 福州市 350108国网福建省电力有限公司超高压分公司,福建省 福州市 350013福州大学电气工程与自动化学院,福建省 福州市 350108福州大学电气工程与自动化学院,福建省 福州市 350108福州大学电气工程与自动化学院,福建省 福州市 350108福州大学电气工程与自动化学院,福建省 福州市 350108
动力与电气工程
特高压变压器绕组温度顶层油温自适应图卷积网络门控循环单元
ultra-high voltage transformerwinding temperaturetop oil temperatureself-adaptivegraph convolution networkgate recurrent unit
《中国电机工程学报》 2024 (4)
1649-1661,中插33,14
国家留学基金项目(202206650012)福建省高校产学合作项目(2022H6020). The Program of China Scholarship Council(202206650012)The Industry-University Cooperation Project in Fujian Province(2022H6020).
评论