变电站电气设备运行状态自动化预测方法

变电站在电力系统中具有重要作用，其中电气设备的运行状态直接影响着电网的可靠性。为了保证变电站能够安全运行，提出变电站电气设备运行状态自动化预测方法。根据高斯滤波器对采集的变电站电气设备运行信号展开滤波去噪处理，使用小波包原理对去噪后的电气设备运行信号进行特征提取，确定设备运行状态特征值，利用长短期记忆网络（long short-term memory,LSTM）建立变电站电气设备状态自动化预测模型，将提取的特征作为模型输入向量输入模型中，通过模型的学习训练，确定模型输出值，实现对变电站电气设备状态的精准预测。实验结果表明，所提方法处理后的设备运行信号更加平滑，平均绝对误差和预测时间始终在0.052%和79 ms以下，具有良好的预测能力。