王  杰1，李永鑫2，张军亮1，焦明明1
（1.国能锦界能源有限责任公司， 陕西 榆林 719319； 2.天津科技大学经济与管理学院， 天津 300222）

摘要：通过变压器油中溶解气体分析可以实现对变压器潜在故障的早期预警和诊断。为此，作者提出一种基于秘书鸟优化算法（SBOA）优化时变滤波经验模态分解（TVFEMD）结合双向长短期记忆（BiLSTM）神经网络的预测方法。首先为避免人为指定TVFEMD的带宽阈值和B样条阶数这两个参数时存在的主观性，采用SBOA来搜索最优参数组合；然后使用最优参数组合来对油中溶解气体浓度序列进行TVFEMD分解，得到多个子序列，降低序列非平稳性带来的影响；随后通过BiLSTM来对各子序列分别进行单步预测，最后对各子序列的预测结果进行叠加重构。试验结果表明，该方法能够显著提升预测精度，对变压器状态评估具有重要意义。
关键词：油中溶解气体浓度；秘书鸟优化算法；时变滤波经验模态分解；双向长短期记忆神经网络
中图分类号：ＴＭ４０6      文献标识码：Ｂ      文章编号：１００１－８４２５（２０25）０5－００23－０9

作者简介：王  杰 1982-，男，陕西榆林人，工程师，主要从事火力发电信息化方面的研究工作。

          李永鑫（通信作者）2001-，男，河北邯郸人，主要从事电气设备在线监测及故障诊断研究工作。

          张军亮1985-，男，陕西榆林人，高级工程师，主要从事火力发电自动控制方面的研究工作。