【技术实现步骤摘要】
一种基于多维信息的变压器顶层油温异常监测方法
本专利技术涉及电力设备检测领域,具体的,涉及一种基于多维信息的变压器顶层油温异常监测方法。
技术介绍
油浸式变压器作为电力系统的重要组成器件,其内部过热将导致变压器发生绝缘性能下降等诸多问题。绕组过热是导致变压器内部过热的重要原因,但绕组热点温度的直接测量存在较大难度,因此通过顶层油温度的变化表征绕组热点温度的变化。目前对顶层油温升计算模型主要根据IEEEC57.91和IEC60076-7的温升计算公式,一方面简化了环境因素,未能充分考虑变压器自身所处环境条件,另一方面计算模型中的参数数值大多根据经验推荐得到,没有考虑变压器实际的运行情况。中国专利,公告号:CN109060176B,公告日:2019年7月12日,提出了一种油浸式变压器顶层油温监测方法,包括以下步骤:步骤1,获取已知的油浸式变压器相关结构及物性参数。步骤2,求解待定未知量,包括,绕组区域油流体积流量、散热器油流体积流量、散热器流通面积、散热器有效散热面积、温差指数、环境温度。步骤3,列出顶层油温升计算模型,利用双对数线性回归模型对油指数n进行回归估计。步骤4,将步骤2所计算的顶层油温升数据与负载系数代入步骤3所确定的回归模型,求出油指数n。步骤5,计算顶层油温。这种缺顶层油温监测方法的缺点在于:1、顶层温升计算模型中涉及多个关键的参数,该方法只修正了油指数n的偏差,在某些场景下可能无法满足油温预测精度的要求。2、该方法未考虑变压器所处环境条件的差异对顶层油温升的影响。中国专利,公告号:CN1 ...
【技术保护点】
1.一种基于多维信息的变压器顶层油温异常监测方法,其特征在于:包括如下步骤:/n步骤A、初始化CS算法,建立鸟巢位置的适应度评价模型,并初始化适应度值;/n步骤B、迭代更新鸟巢的位置,计算全局最优解和各鸟巢位置的局部最优解,迭代完成后,全局最优解即为各参数辨识优化后的结果;/n步骤C、根据辨识后的参数分别构建Susa热路计算模型和SVR回归补偿模型;/n步骤D、基于Susa热路计算模型,对负载、环境温度进行计算,得到初步的顶层油温预测值;/n步骤E、基于SVR回归补偿模型,选取顶层油温初步预测值、电压、一次侧电流、环境温度进行回归补偿计算,得到顶层油温的最终预测值;/n步骤F、根据顶层油温的实测值和最终预测值得到残差,采用ARIMA方法对滑动平均后的残差进行短期趋势预测。/n
【技术特征摘要】 【专利技术属性】
1.一种基于多维信息的变压器顶层油温异常监测方法,其特征在于:包括如下步骤:
步骤A、初始化CS算法,建立鸟巢位置的适应度评价模型,并初始化适应度值;
步骤B、迭代更新鸟巢的位置,计算全局最优解和各鸟巢位置的局部最优解,迭代完成后,全局最优解即为各参数辨识优化后的结果;
步骤C、根据辨识后的参数分别构建Susa热路计算模型和SVR回归补偿模型;
步骤D、基于Susa热路计算模型,对负载、环境温度进行计算,得到初步的顶层油温预测值;
步骤E、基于SVR回归补偿模型,选取顶层油温初步预测值、电压、一次侧电流、环境温度进行回归补偿计算,得到顶层油温的最终预测值;
步骤F、根据顶层油温的实测值和最终预测值得到残差,采用ARIMA方法对滑动平均后的残差进行短期趋势预测。
2.根据权利要求1所述的一种基于多维信息的变压器顶层油温异常监测方法,其特征在于:所述步骤A中,初始化CS算法,建立鸟巢位置的适应度评价模型,并初始化适应度值,包括取下步骤:
步骤A1、选择Susa热路计算模型中的n,R,Tor,τor和SVR超参数C,gamma作为辨识优化的对象,确定各对象的优化范围,并随机初始化K个鸟巢的位置{n,R,Tor,τor,C,gamma};第k个鸟巢的初始化位置可以表示为:
xk={randn()*(vi,max-vi,min)+vi,min,...}
其中,n表示考虑油流循环状态的非线性指数;R表示额定电流下,负载损耗与空载损耗之比;Tor表示额定负载下顶层油温相对环境的稳态温升;τor表示额定顶层油时间常数;randn()表示满足高斯分布的随机函数,vi,max和vi,min分别表示待辨识优化对象的最大值和最小值;
步骤A2、初始化发现概率Pα和最大迭代次数T,选择R2-Score作为适应度函数;
步骤A3、根据鸟巢位置中的参数n,R,Tor,τor构建Susa热路计算模型,根据鸟巢位置中的参数C,gamma构建SVR回归补偿模型;
步骤A4、根据K-Fold交叉验证的方法,将训练数据随机的分为M组子数据集;
步骤A5、取M份数据中的1组子数据集为验证集,其它(M-1)组子数据集为训练集;
步骤A6、基于训练集对顶层油温预测模型进行训练;
步骤A7、基于验证集得到顶层油温预测结果,并根据R2-Score得到相应的适应度值;
步骤A8、每一组子数据集分别作一次验证集,重复步骤A4~A7,最终取M次适应度值的均值作为鸟巢位置的适应度值;
步骤A9、重复步骤A3~A8,得到每一个鸟巢位置的适应度值,取其中的最优适应度值对应的鸟巢位置作为全局最优解。
3.根据权利要求2所述的一种基于多维信息的变压器顶层油温异常监测方法,其特征在于:所述步骤A2中R2-Score用于衡量预测值和真实值y的拟合程度,其值越接近于1表示预测效果越好,R2-Score可以表示为:
根据权利要求2所述的一种基于多维信息的变压器顶层油温异常监测方法,其特征在于:所述步骤A3中,Susa热路计算模型为:
其中,K为负载系数;θoil为辨识修正n,R,Tor,τor后计算得到的顶层油温;θamb为环境温度;μpu为油粘度变化因子,其中m为绝缘油参数。
技术研发人员:杨皓杰,杨雨,李倩,孙丰诚,
申请(专利权)人:杭州安脉盛智能技术有限公司,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。