基于长短期记忆神经网络的电力变压器油温预测方法研究  

作　　者：李贤明 阳瑞霖 

机构地区：[1]五凌电力有限公司 [2]湖南五凌电力科技有限公司,湖南长沙410118

出　　处：《中国设备工程》2025年第4期119-121,共3页China Plant Engineering

摘　　要：电力变压器油温准确预测对于电力系统稳定运行至关重要。本研究通过使用长短期记忆(Long Short-Term Memory,LSTM)神经网络捕捉油温数据中的长期依赖关系和短期波动特征,提升油温预测精度。实验结果表明,LSTM预测最小误差仅-1.93%,平均误差率为9.76%,同时,LSTM模型在测试过程中展现出更高的时间效能,平均反应时间仅为32.96s,远低于其他模型。

关 键 词：电力变压器 油温预测 长短期记忆神经网络 预测准确性 电力系统监测 

分 类 号：TM407[电气工程—电器]