文献类型：期刊文章

作　　者：张鹏坤[1] 余进[1] 李波[1] 单长吉[1] 张靖[1]

ZHANG Pengkun;YU Jin;LI Bo;SHAN Changji;ZHANG Jing(College of Physics and Information Engineering,Zhaotong University,Zhaotong 657000,China)

机构地区：[1]昭通学院物理与信息工程学院,云南昭通657000

出　　处：《电力科学与工程》

基　　金：云南省科技厅地方本科高校联合专项资金(112031401094)。

年　　份：2023

卷　　号：39

期　　号：6

起止页码：32-38

语　　种：中文

收录情况：AJ、JST、RCCSE、普通刊

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(Empiricalmode 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 cascadeforest,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

分 类 号：TM41]