一种变压器糠醛含量预测的方法

1.一种变压器糠醛含量预测的方法，其特征在于，包括如下步骤：步骤1.收集油中糠醛含量、气象数据，负荷数据的历史信息；步骤2. 以第 i 次采样的糠醛含量 h i 、第 i 次采样与第 j 次采样间隔的平均温度 T i,j 、平均功率 P i,j 、糠醛含量采样间隔 I i,j 作为输入，第 j 次采样的糠醛含量 h j 作为输出，采用BP神经网络建立糠醛预测模型，其中 ；步骤3. 基于糠醛预测模型，以第 i 次糠醛采样的糠醛含量、第 i 次糠醛采样与第 j 次糠醛采样间隔的平均温度、平均功率、采样间隔作为输入，对第 j 次糠醛采样的糠醛含量进行预测，预测结果定义为 ；步骤4.取 i=j-k，k=1,2,3,……,l ，令输入矢量 ，输入矩阵 ，输出矢量 ，将数据集 U 和 V 随机打乱，并将其分为训练输入集 U train 、训练输出集 V train 和验证输入集 U valid 、验证输出集 V valid ，在 U train 和 V train 的基础上，对其进行归一化处理并采用集成学习进行训练，采用 U valid 和 V valid 进行调参，从而建立集成学习模型；步骤5. 以第 a 次采样的糠醛含量 h a 、第 a 次采样与第 b 次采样间隔的平均温度 T a,b 、平均功率 P a,b 、糠醛采样间隔 I a,b 作为输入，借助于糠醛预测模型对第 b 次采样的糠醛含量进行预测，预测值为 ， ；步骤6. 将 进行归一化处理后，采用集成学习模型进行计算，对计算值进行反归一化即得到最终的预测值。 2.根据权利要求1所述的一种变压器糠醛含量预测的方法，其特征在于：气象数据指室外温度。 3.根据权利要求1所述的一种变压器糠醛含量预测的方法，其特征在于：糠醛含量、气象数据，负荷数据的历史信息采样时间间隔均匀；平均温度 T i,j 为两次采样间隔中的运行温度的平均值；平均功率 P i,j 为两次采样间隔中的负荷的平均值；平均温度 T i,j 定义为：t 1 、t 2 、…、t m 、…、t M 为第 i 次糠醛采样和第 j 次糠醛采样间隔的温度采样时刻， t 1 、t 2 、…、 t m 、…、t M 对应的温度则为 τ 1 、τ 2 、…、τ m 、…、τ M ， M 为温度采样次数，其中 α 和 β 分别为第 i 次糠醛采样和第 j 次糠醛采样的时刻，即 α<t 1 <t 2 、…<t m <…<t M <β 。 4.根据权利要求3所述的一种变压器糠醛含量预测的方法，其特征在于：平均功率 P i,j 定义为：s 1 、s 2 、…、s n 、…、s N 为第 i 次糠醛采样和第 j 次糠醛采样间隔的功率采样时刻， s 1 、s 2 、…、 s n 、…、s N 对应的温度则为 ρ 1 、ρ 2 、…、ρ n 、…、ρ N ，N 为功率采样次数，即 α<s 1 <s 2 、…<s n <…<s N <β 。 5. 根据权利要求3所述的一种变压器糠醛含量预测的方法，其特征在于：糠醛采样间隔 I i,j 则可定义为 。