来源：期刊VIP网 时间：
作者：裴丽君;徐慧;陈晗;张长开;单帅杰;
单位：南京地铁建设有限责任公司;南京南瑞继保电气有限公司;山东大学;
摘要：为提升变压器绕组温度预测的精确度，并降低因温度过高对电力设备造成的潜在损害，提出了一种基于粒子群优化算法（particle swarm optimization, PSO）与软注意力（soft attention, SA）机制相结合的改进长短期记忆网络模型（particle swarm optimization-soft attention-long short-term memory,PSO-SA-LSTM）。该模型在提取时间序列数据的周期性特征时，充分考虑了不同时间跨度内输入数据对绕组温度影响的重要性，并通过软注意力机制对影响预测结果的关键时间周期进行加权，从而增强了长短期记忆网络模型（long short-termmemory,LSTM）对高频细粒度特征的捕捉能力；同时，利用粒子群优化算法自适应选取最优的LSTM隐层超参数，有效克服了超参数选择过程中的随机性和主观性。实例分析表明，所提出的PSO-SALSTM网络模型能够实现对变压器绕组温度变化的精确预测。
关键词：地铁变压器;;绕组温度预测;;LSTM神经网络;;软注意力机制;;粒子群算法
基金资助：国家自然科学基金项目“短期负荷预测自适应动态建模理论与方法研究”（52177095）~~
