郭鹏鸿1，唐治平2，张光昊1，王新兵1，朱美欣1，孔德靖1
（1.山东电力设备有限公司， 山东 济南 250013；2.天津国电电力新能源开发有限公司， 天津 300407）

摘要：针对当前变压器油温预测模型难以充分利用大量时间序列数据的问题，提出一种双重注意力优化WOA-CNN-BiLSTM的变压器油温预测模型。该模型以变压器历史油温数据作为输入，将输入数据通过滑窗法进行升维，通过将通道注意力机制（Channel Attention Mechanism，CAM）即挤压激励模块（Squeeze-Excitation-Networks，SENet）与卷积神经网络（Convolutional neural network，CNN）结合挖掘特征关系，并采用双向长短时记忆网络（Bidirectional Long Short-Term Memory，BiLSTM）进一步挖掘时序特征；然后加入时间注意力机制（Time Attention Mechanism，TAM）进行权重分配，将建立好的模型使用鲸鱼算法（Whale Optimization Algorithm，WOA）进行超参数寻优，实现变压器油温预测。最后使用实测数据进行算例分析，验证此方法优越性。
关键词：变压器油温预测；卷积神经网络；双向长短期记忆网络；注意力机制；鲸鱼算法
中图分类号：ＴＭ４０1+.2      文献标识码：Ｂ      文章编号：１００１－８４２５（２０25）０1－００41－10

作者简介：

郭鹏鸿1985-，男，山西太原人，高级工程师，主要从事直流输电技术、变压器高压绝缘理论及应用方面的研究工作。

张光昊（通信作者）1996-，男，山东枣庄人，从事变压器故障研究工作。