摘要: 变压器绕组热点温度过高会导致绝缘老化速度变快,剩余寿命变短.为此提出了一种基于时序性外因非线 性自回归 (NARX)的自适应神经网络模型以获得更精准的绕组热点温度预测数据.首先,确定影响变压器绕组温度 的外部特征因子种类;然后,对变压器绕组热点数据和其他数据进行预处理;最后,将处理后的数据输入时序 NARX 自适应神经网络模型进行训练和调参,完成模型的构建.经实例验证,提出的外因 NARX 自适应神经网络绕组热点 温度预测模型能对不同类型变压器数据进行特定的预处理,并且与支持向量机回归、回归树、高斯核回归方法相比, 预测误差更小,在提高精度上具有更大优势.