電力變壓器作為微電網中傳輸和變換電能的主要設備，對油中溶解氣體的濃度進行有效預測，可為變壓器的故障診斷
及狀態評估技術提供一定的理論依據。鑒于此，提出一種基于
粒子群優化算法（PSO）與長短期記憶網絡（LSTM）的變壓
器油中溶解氣體濃度預測方法。首先該模型以油中溶解的7
種特征氣體濃度序列作為可視輸入；然后通過使用粒子群優化
算法對長短期記憶網絡中相關超參數進行迭代優化；最后構建
PSO-LSTM 組合模型對油中溶解氣體的濃度進行預測。該模
型克服了依據經驗選取參數而導致預測精度低的問題。算例分
析結果表明，相較于傳統預測算法，所提方法可以更好地追蹤
油中溶解氣體濃度的變化規律，提高了預測精度，為電力變壓
器安全穩定運行提供了有力保障。