一种基于Stacking集成学习框架的变压器温升评估方法及系统

本发明公开了一种基于Stacking集成学习框架的变压器温升评估方法及系统，采用拉丁超立方抽样原则与CFD仿真，基于输入变量包括挡油板尺寸、油道宽度、挡油板数量和边界温度与响应变量包括绕组线油温升和热点温升，构建样本数据集；分层构建融合多模型信息的Stacking集成温升模型，利用样本数据集对第一层进行独立训练，生成若干预测结果，将预测结果拼接后对第二层进行训练，得到融合多模型信息的Stacking集成温升模型；进行超参数联合优化确定超参数后，调用机器学习库对融合多模型信息的Stacking集成温升模型自动完成训练，得到训练后的温升预测模型，对新挡油板与油道结构配置的待预测变压器进行温升预测，得到输出线油温升与热点温升值预测值。