傳統變壓器油中氣體預測領域通常使用單變量與多變量預測模型，並且多變量預測模型在輔助變量歷史數據採集精確與序列平穩性高的情況下預測精度較高。但是實際工程應用中歷史數據採集精確度並不理想，並且氣體歷史時間序列普遍存在非線性、非平穩特性，導致多變量預測模型預測精度和可靠性降低。西南大學工程技術學院電力設備狀態監測與故障診斷研究團隊通過對原始序列進行研究分析，提出了一種分解-預測-重構預測方法，有效地解決了原始序列非線性、非平穩特性與輔助變量影響預測精度的問題，並通過仿真實驗進行了有效性驗證。

研究背景

電力變壓器作為電網中最關鍵和最重要的電力設備之一，對其進行狀態診斷與預測是保障電網安全、穩定、可靠運行的關鍵一步，對促進社會經濟發展有著至關重要的意義。

變壓器主要採用油紙絕緣結構，在變壓器運行過程中，油紙絕緣材料受熱應力、電應力、催化劑等因素的影響，會逐漸老化分解，在油中產生少量的溶解氣體（H2、CH4等）。油中溶解氣體分析（Dissolved Gas Analysis, DGA）技術依據氣體組分含量、比值、相對百分比的變化，能夠有效地發現變壓器內部潛在故障，追蹤故障發展趨勢。因此，油中溶解氣體含量預測有著重要的意義。

論文所解決的問題及意義

變壓器油中溶解氣體含量值的預測及故障診斷技術的研究和應用是確保變壓器安全可靠運行的前提和依據。變壓器油中溶解氣體含量能從一定程度上反映變壓器的運行工況，通過在線監測油中溶解氣體含量，進而預測未來時刻氣體含量值，結合適當的方法判斷即將發生故障的類型。

分析油中溶解氣體含量是判斷變壓器是否即將出現故障的突破口，通過特徵氣體的「指標」（類型和濃度值），也可以實時掌握變壓器是否即將發生故障以及故障的類型。

變壓器油中溶解氣體歷史採集數據普遍存在非線性、非平穩特性，該特性也是導致現有預測模型預測效果欠佳與可靠性低的主要原因。

論文方法及創新點

1.論文使用差分法對原始時間序列趨勢項提取，結合粘菌優化算法（SMA）優化後的變分模態分解（VMD）對序列進行分解處理，可以將複雜的油中溶解氣體序列分解成為一組平穩的、周期性強的模態分量，有效地解決了原始序列非線性、非平穩特性對預測精度的影響。然後，結合參數優化的門控循環單元（GRU）分別對所得各分量進行預測。

2.研究建立了基於SMA-VMD-GRU的變壓器油中溶解氣體含量預測模型。所提方法操作流程如圖1所示。

實驗驗證與結論

研究基於某變壓器在線監測實測數據如圖2，首先以H2為例進行SMA-VMD-GRU仿真實驗，如圖3所示。

通過對H2序列仿真實驗，驗證了所提方法可以將複雜的油中溶解氣體序列(H2)分解成為一組平穩的、周期性強的模態分量，如圖3(b)所示，並且在後期分量預測中取得了理想的預測效果，如圖3(c)所示。然後，通過與多種預測模型對比分析，如圖3(d)所示，所提方法絕對百分比誤差僅為0.36%。

最後，為了驗證所提方法的有效性與可靠性，本文使用同一台變壓器油中CH4、CO、總烴含量做了有效性仿真實驗驗證，三種特徵氣體預測絕對百分比誤差分別為0.29%、0.15%、4.99%。皆取得了理想的預測效果，驗證了所提方法的有效性、可靠性。

團隊介紹

研究人員隸屬於西南大學工程技術學院電力設備狀態監測與故障診斷團隊，實驗室包含718研究室（涉及高電壓與絕緣技術、電氣設備在線監測技術、電介質材料改性技術研究，負責人唐超），629研究室（涉及狀態監測設備製備，故障數據邊設備和伺服器端算法設計和部署，負責人胡東）。

團隊負責人為唐超教授。團隊現包含教授2人，副教授4人，講師3人，多年來堅持面向電力設備狀態監測中絕緣材料機理、低功耗傳感器機理、低功耗高可靠性端設備製備、故障診斷算法的輕量化和魯棒性方面，進行深入、持之以恆的研究。近年來，團隊完成了多項國家，省和各類企業的研究項目，並為多家企業提供技術支持。

胡東，講師，主要從事智能設備軟硬體平台化設計、電力設備狀態監測與故障診斷等方面研究。

唐超，教授，博導，主要從事高電壓與絕緣技術、電氣設備在線監測技術、電介質材料改性技術等方面研究。

謝菊芳，副教授，碩士生導師，研究方向為電力系統自動化、電力設備狀態監測與故障診斷研究。

楊童亮，碩士研究生，研究方向為電力設備狀態評價與故障診斷。

方雲，碩士研究生，研究方向為電力設備狀態評價與故障診斷。

本文編自2023年第1期《電工技術學報》，論文標題為「基於SMA-VMD-GRU模型的變壓器油中溶解氣體含量預測」。本課題得到國家自然科學基金項目的支持。