针对非平稳和长序列的电力变压器油温点预测缺乏变压器不确定性状态估计信息的问题，提出一种融合变 分模式分解和变换器分位数回归（variational mode decomposition and transformer quantile regression，VMD-QR-Trans⁃ former）的区间预测模型 。首先，利用VMD模型，将非平稳油温序列分解为5个更平稳的分量；然后，创建能够捕捉序 列全局信息的自注意力机制Transformer模型及其分位数损失函数；其次，搭建QR-Transformer模型对各分量进行不 同分位数的预测；最后，重构预测分量生成不同置信水平的油温预测区间 。结合某实际变压器油温数据进行算例分 析，结果显示，相比单一模型，所提组合模型显著提升了预测区间性能，为变压器状态评估提供有效决策依据。
[1] 舒印彪，张正陵，汤涌，等 . 新型电力系统构建的若干基本问题[J].中国电机工程学报，2024，44（21）∶8327-8341.
[2] 倪子瞻，罗颖婷，江俊飞，等 . 基于自适应扩展卡尔曼滤波的变压器顶层油温多时间尺度预测[J].电网技术，2024，48（10）∶4397-4406.
[3] Yang J，Lu W，Liu X.Prediction of top oil temperature for oil-immersed transformers based on PSO-LSTM[C].Internation‐al Conference on Energy，Electrical and Power Engineering，2021∶278-283.
[4] An P. EMD-CPO-GRU-based Transformer Oil TemperaturePrediction[J].Journal of Computer Science and Artificial In‐
telligence，2025，2（02）∶69-76.
[5] 江星星，宋秋昱，杜贵府，等 . 变分模式分解方法研究与应用综述[J].仪器仪表学报，2023，44（01）∶55-73.
[6] 李启明，李彬，刘浩，等 . 基于自监督预训练与时序注意力机制的变压器顶层油温预测[J].中国电机工程学报，2024，44（增刊1）∶318-331.
[7] 吴建华 .基于深度学习分位数回归的行程时间概率分布预测研究[D].哈尔滨∶哈尔滨工业大学，2023.
[8] Zhou H，Zhang S，Peng J，et al. Informer: beyond efficient transformer for long sequence time-series forecasting[J].Pro‐
ceedings of the AAAI Conference on Artificial Intelligence，2021，35（12）∶11106-11115.
[9] 李锦程 . 基于门控循环单元的短期风电功率预测研究[D].徐州∶中国矿业大学，2019.
