专利交易市场

一种变压器油中溶解气体浓度预测模型建模方法，选择可能对变压器油中溶解气体预测具有积极影响的重要因素并建立变量环境，设定每一种气体的预测都受到其余所有变量的积极影响，使用长短时记忆网络(LSTM)预测模型分别预测并比较误差，验证假设并提取对待预测气体变量具有积极影响的重要因素，在已筛选出重要因素的基础上，建立融合时间注意力机制的LSTM预测模型，增强重要因素历史时序数据中关键信息的表达，将重要因素对应的时序数据作为融合时间注意力机制的LSTM的输入，预测模型建模完成。本发明方法可以根据已采集的变压器历史运行状态数据，解决基于传统关联性分析方法的变压器油中溶解气体浓度预测方法精度不高的问题。

本发明公开了一种VOCs气体浓度预测方法及系统，首先实时采集VOCs气体浓度以及气象数据，并对数据进行预处理；其次，建立基于CKF的多传感器数据融合模型，对多变量数据进行局部、全局融合；然后，建立GCN‑TCN时空关联模型，将融合数据以及预处理过的历史实测数据送入GCN‑TCN时空关联模型中进行时空特征提取；利用改进的AOS算法同步优化基于CKF的多传感器数据融合模型的参数和GCN‑TCN时空关联模型的参数，搜寻两模型参数的最优解；最后，利用训练优化后的GCN‑TCN时空关联模型对化工园区的敏感区域的VOCs气体浓度进行预测，并通过云平台数据可视化实时显示。本发明可以对敏感区域的VOCs气体浓度实现更精确的预测，及时发现隐患，降低风险发生。