基于长短时记忆网络的变压器运行状态预测方法及系统技术方案

本发明专利技术公开了一种基于长短时记忆网络的变压器运行状态预测方法，其包括步骤：(1)获取与变压器运行状态相关的历史信息；(2)基于所述历史信息评估所述变压器的历史运行状态；(3)构建基于长短时记忆网络的变压器运行状态预测模型；(4)基于所述历史信息和历史运行状态训练所述变压器运行状态预测模型；(5)基于所述历史信息通过所述变压器运行状态预测模型预测变压器的未来运行状态。此外，本发明专利技术还公开了相应的系统。本发明专利技术能有效预测变压器的未来运行状态；对变压器运行状态进行预测，有助于及时感知变压器潜在威胁，掌握变压器故障发展趋势；对提高设备运行安全可靠性具有重大意义。

Prediction method and system of transformer operation state based on long and short time memory network

The invention discloses a method of predicting the running state of transformer based on long and short time memory network, which includes steps: (1) obtaining historical information related to the running state of the transformer; (2) evaluating the historical running state of the transformer based on the historical information; (3) constructing the transformer running state based on the long short memory network. The prediction model; (4) the prediction model of the transformer running state based on the history information and the history running state; (5) the prediction of the transformer's future running state is predicted based on the history information of the transformer running state prediction model. In addition, the present invention also discloses the corresponding system. The invention can predict the future running state of transformer effectively, and predict the operation state of the transformer can help to perceive the potential threat of transformer in time, grasp the trend of transformer fault development, and have great significance to improve the safety and reliability of the equipment operation.

【技术实现步骤摘要】
基于长短时记忆网络的变压器运行状态预测方法及系统
本专利技术涉及电力设备监控领域，尤其涉及一种变压器运行状态预测方法及系统。
技术介绍
在服役过程中，电力变压器遭受热、电及机械等应力长期作用，由完全良好状态逐步劣化直至故障。一旦出现故障，不仅严重损害变压器，也极大地威胁人民正常生产生活。对变压器运行状态进行预测，有助于及时感知变压器潜在威胁，掌握变压器故障发展趋势。变压器状态全景信息的不断积累，为变压器运行状态评估及预测提供了先决条件。变压器状态全景信息通常包括与变压器运行状态相关的各类信息，例如变压器油中溶解气体浓度、运行巡检信息、技术性能信息等。其中技术性能信息通常包括运行工况、检修记录、运行时间等。因此，变压器运行状态预测工作切实可行，对提高设备运行安全可靠性具有重大意义。
技术实现思路
本专利技术的目的之一是提供一种基于长短时记忆网络的变压器运行状态预测方法，其能有效预测变压器的未来运行状态。基于上述目的，本专利技术提供了一种基于长短时记忆网络的变压器运行状态预测方法，其包括步骤：(1)获取与变压器运行状态相关的历史信息；(2)基于所述历史信息评估所述变压器的历史运行状态；(3)构建基于长短时记忆网络的变压器运行状态预测模型；(4)基于所述历史信息和历史运行状态训练所述变压器运行状态预测模型；(5)基于所述历史信息通过所述变压器运行状态预测模型预测变压器的未来运行状态。本专利技术所述的基于长短时记忆网络的变压器运行状态预测方法中：所述历史信息和历史运行状态通常是对应时间序列的一组数据。长短时记忆网络(LSTM，LongShort-TermMemory)是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。本专利技术所述的基于长短时记忆网络的变压器运行状态预测方法，其以与变压器运行状态相关的历史信息为基础评估所述变压器的历史运行状态，例如以变压器运行状态全景信息为基础，选取DGA(变压器油中溶解气体分析)特征气体含量，同时综合运行巡检信息中关键参量及技术性能信息中运行工况、检修记录、运行时间，综合评估所述变压器的历史运行状态；构建并训练基于长短时记忆网络的变压器运行状态预测模型，充分提取所述历史信息与所述历史运行状态之间蕴含的内在关系，全面反映故障演变与表现特征之间的客观规律，从而有效预测变压器的未来运行状态。进一步地，本专利技术所述的基于长短时记忆网络的变压器运行状态预测方法中，所述历史信息包括变压器油中溶解气体浓度、运行巡检信息以及技术性能信息中的至少其中之一。上述方案中，变压器油中溶解气体浓度对应的历史运行状态评估结果可以通过模糊理论评估得到；运行巡检信息以及技术性能信息对应的历史运行状态评估结果可以通过模糊统计实验评估得到。更进一步地，上述基于长短时记忆网络的变压器运行状态预测方法中，所述步骤(2)中，针对所述历史信息中的各类参量信息评估得到对应的历史运行状态评估结果，为所述历史信息中的各类参量信息对应的历史运行状态评估结果赋予相应的权重，加权求得历史运行状态的综合模糊评估结果。上述方案中，可以采用改进层次分析法确定所述权重，其中层次分析法是现有技术，改进之处为利用最优传递矩阵求解相对权重，使其自然满足一致性需求。所述综合模糊评估结果即作为步骤(2)中的历史运行状态。更进一步地，上述基于长短时记忆网络的变压器运行状态预测方法中，利用模糊理论评估得到变压器油中溶解气体浓度对应的历史运行状态评估结果。更进一步地，上述基于长短时记忆网络的变压器运行状态预测方法中，以变压器油中溶解气体浓度为输入特征参量，以其对应的相对劣化度为输出目标，建立支持向量机模型去拟合三角形半梯形组合隶属函数与所述历史运行状态的分布关系，从而利用模糊理论评估得到变压器油中溶解气体浓度对应的历史运行状态评估结果。上述方案是为了求变压器油中溶解气体浓度与所述历史运行状态之间的模糊隶属关系。通常首先分别计算各气体浓度的相对劣化度，再求和求平均，得到气体浓度总的相对劣化度，从而评估得到变压器油中溶解气体浓度对应的历史运行状态评估结果。更进一步地，上述基于长短时记忆网络的变压器运行状态预测方法中，所述相对劣化度通过下式得到：式中，lk表示气体k对应的相对劣化度，a为气体k的浓度最优值或出厂值，b为注意值，x为当前实测数值。上述方案中，从自然劣化角度，建立变压器油中溶解气体浓度相对劣化度函数，反映基于DGA表征的变压器运行状态由正常向故障模式的转化程度。更进一步地，上述基于长短时记忆网络的变压器运行状态预测方法中，所述变压器油中溶解气体浓度包括H2、CH4、C2H4、C2H6、C2H2、总烃、CO、CO2浓度的至少其中之一。更进一步地，上述基于长短时记忆网络的变压器运行状态预测方法中，所述技术性能信息包括运行工况、检修记录、运行时间的至少其中之一。更进一步地，上述基于长短时记忆网络的变压器运行状态预测方法中，采用改进层次分析法确定所述权重。进一步地，本专利技术所述的基于长短时记忆网络的变压器运行状态预测方法中，采用沿时间反向传播算法训练所述变压器运行状态预测模型。上述方案提取关键参量与历史运行状态之间的特征联系，获取预测模型参数。进一步地，本专利技术所述的基于长短时记忆网络的变压器运行状态预测方法中，取最大置信度对应的所述变压器运行状态预测模型的输出作为所预测的变压器的未来运行状态。本专利技术的另一目的是提供一种基于长短时记忆网络的变压器运行状态预测系统，其能有效预测变压器的未来运行状态。基于上述目的，本专利技术提供了一种基于长短时记忆网络的变压器运行状态预测系统，其采用上述任一方法对变压器的未来运行状态进行预测。本专利技术所述的基于长短时记忆网络的变压器运行状态预测系统，由于其采用了本专利技术所述的方法，同样能实现对变压器的未来运行状态的预测。具体原理前已描述，在此不再赘述。所述系统可以是具有对应本专利技术方法的软件的计算机。本专利技术所述的基于长短时记忆网络的变压器运行状态预测方法，其具有以下优点和有益效果：1)能有效预测变压器的未来运行状态。2)对变压器运行状态进行预测，有助于及时感知变压器潜在威胁，掌握变压器故障发展趋势。3)对提高设备运行安全可靠性具有重大意义。本专利技术所述的基于长短时记忆网络的变压器运行状态预测系统，其同样具有上述优点和有益效果。附图说明图1为本专利技术所述的基于长短时记忆网络的变压器运行状态预测方法的基本流程示意图。图2为本专利技术实施例中的基于长短时记忆网络的变压器运行状态预测系统的结构示意图。图3为本专利技术实施例中的基于长短时记忆网络的变压器运行状态预测系统的部分工作流程示意图。图4为三角形半梯形组合隶属函数示意图。具体实施方式下面结合说明书附图及实施例进一步说明本专利技术所述的技术方案。图1示意了本专利技术所述的基于长短时记忆网络的变压器运行状态预测方法的基本流程。如图1所示，本专利技术所述的基于长短时记忆网络的变压器运行状态预测方法包括步骤：(1)获取与变压器运行状态相关的历史信息。在某些实施方式下，历史信息包括变压器油中溶解气体浓度、运行巡检信息以及技术性能信息中的至少其中之一。在某些实施方式下，变压器油中溶解气体浓度包括H2、CH4、C2H4、C2H6、C2H2、总烃、CO、CO2浓度的至少其中之一。在某些实施方式下，技术性能信息包括本文档来自技高网...

【技术保护点】
一种基于长短时记忆网络的变压器运行状态预测方法，其特征在于，包括步骤：(1)获取与变压器运行状态相关的历史信息；(2)基于所述历史信息评估所述变压器的历史运行状态；(3)构建基于长短时记忆网络的变压器运行状态预测模型；(4)基于所述历史信息和历史运行状态训练所述变压器运行状态预测模型；(5)基于所述历史信息通过所述变压器运行状态预测模型预测变压器的未来运行状态。

【技术特征摘要】
1.一种基于长短时记忆网络的变压器运行状态预测方法，其特征在于，包括步骤：(1)获取与变压器运行状态相关的历史信息；(2)基于所述历史信息评估所述变压器的历史运行状态；(3)构建基于长短时记忆网络的变压器运行状态预测模型；(4)基于所述历史信息和历史运行状态训练所述变压器运行状态预测模型；(5)基于所述历史信息通过所述变压器运行状态预测模型预测变压器的未来运行状态。2.如权利要求1所述的基于长短时记忆网络的变压器运行状态预测方法，其特征在于，所述历史信息包括变压器油中溶解气体浓度、运行巡检信息以及技术性能信息中的至少其中之一。3.如权利要求2所述的基于长短时记忆网络的变压器运行状态预测方法，其特征在于，所述步骤(2)中，针对所述历史信息中的各类参量信息评估得到对应的历史运行状态评估结果，为所述历史信息中的各类参量信息对应的历史运行状态评估结果赋予相应的权重，加权求得历史运行状态的综合模糊评估结果。4.如权利要求3所述的基于长短时记忆网络的变压器运行状态预测方法，其特征在于，利用模糊理论评估得到变压器油中溶解气体浓度对应的历史运行状态评估结果。5.如权利要求4所述的基于长短时记忆网络的变压器运行状态预测方法，其特征在于，以变压器油中溶解气体浓度为输入特征参量，以其对应的相对劣化度为输出目标，建立支持向量机模型去拟合三角形半梯形组合隶属函数与所述历史运行状态的分布关系，从而利用模糊理论评估得到变压器油中溶解气体浓度对应的历史运行状...

【专利技术属性】
技术研发人员：代杰杰，盛戈皞，徐玲玲，宋辉，侯慧娟，江秀臣，
申请(专利权)人：上海交通大学，国家电网公司，
类型：发明
国别省市：上海,31