基于多变量时序数据的电力变压器油温预测方法

本发明涉及电力系统状态监测与预测技术领域，尤其是基于多变量时序数据的电力变压器油温预测方法及系统，融合了多域特征提取、自适应长度补丁划分和基于元学习的对比学习机制。首先，通过多域特征提取模块获取输入数据在时域、残差域与频域的多维表示，充分捕捉数据的周期性与局部变化特征；随后，利用主干网络中的自适应长度补丁生成器实现语义完整的补丁划分，并结合稀疏注意力机制建模长期时序依赖与短期交互关系；进一步通过门控融合单元整合多层次特征并完成预测输出。同时，引入基于元学习的对比学习网络，自适应生成高质量增强样本，辅助主干网络提升特征表示能力和泛化性能；该方法能够用于提高在复杂电网运行环境下实现对电力变压器油温的高精度、稳定预测。