【技术实现步骤摘要】
本专利技术涉及传感器温度补偿方法，特别涉及一种电力变压器用磁致伸缩位移传感器的温度补偿方法。
技术介绍
1、电力变压器是电力系统的核心设备，在输变电工程中起着重要作用。变压器铁心的轻微松动故障会给变压器的安全稳定运行留下巨大隐患，从而影响电力系统的可靠性，因此有必要寻求准确的监测系统，诊断电力变压器铁心松动故障。
2、磁致伸缩位移传感器由于使用寿命长，可靠性高，广泛应用于电力变压器状态监测、故障诊断等领域。该传感器将磁敏感材料在外部磁场作用下发生的伸缩变化转换成电信号，来测量变压器的振动位移。然而受电力变压器损耗的影响，变压器内部存在温度传递，会对传感器产生压强干扰，导致位移测量值的偏差，影响变压器铁心松动故障监测的准确性，因此温度补偿是磁致伸缩位移传感器控制系统需要考虑的重要问题。
3、温度补偿方式主要分为硬件补偿和软件补偿两类，硬件补偿由于电力变压器内部空间有限，生产成本较高，实际工程应用限制较多，软件补偿准确度高且成本低，是目前主要的温度补偿方式。温度对位移测量误差的影响机制复杂，如何建立合适的温度补偿模型，实现高精度补偿，是该类研究的重难点之一。
技术实现思路
1、本专利技术所要解决的问题是建立合适的磁致伸缩位移传感器温度补偿模型，实现电力变压器振动位移值的精确测量。
2、为了解决上述问题所采用的技术方案是提出一种电力变压器用磁致伸缩位移传感器的温度补偿方法：包括以下步骤：
3、s1:建立电力变压器用磁致伸缩位移传感器的温度补
4、s2:根据s1中建立的温度补偿模型确定bp神经网络拓扑结构；
5、s3:基于改进的pso算法优化s2中建立的bp神经网络模型权值和阈值的初始值；
6、s4:利用s3中优化的bp神经网络训练并输出温度补偿模型。
7、优选的，s1中建立的电力变压器用磁致伸缩位移传感器的温度补偿模型需要考虑电力变压器的温度特性，建立电力变压器用磁致伸缩位移传感器的温度补偿模型：
8、yi＝g(hi,ki,t1i,t2i),i＝1,2,...,m
9、式中，m为选定时间段内的电力变压器振动位移值样本总数，yi是t时刻修正后的电力变压器振动位移值，hi是t时刻未修正的电力变压器振动位移值，ki是t时刻电力变压器的负载率，t1i为电力变压器t时刻的油温，t2i为t时刻的环境温度，g为温度补偿模型。
10、优选的，根据s1中温度补偿模型确定bp神经网络拓扑结构中，定义输出电力变压器振动位移值hi、负载率ki、电力变压器油温t1i和环境温度t2i作为模型输入层，电力变压器的实际振动位移值yi作为输出层。设置两层隐藏层，第一层4个节点，第二层3个节点。输入层-输出层之间的映射关系为：
11、
12、式中，xin，xmid1，xmid2，xout分别为输入层，第一层隐含层，第二层隐含层和输出层的神经元数据，w1为输入层和第一层隐含层之间的权值矩阵，w2为第一层隐含层和第二层隐含层之间的权值矩阵，w3为第二层隐含层和输出层之间的权值矩阵，bl1，bl2和blout分别为第一层隐含层，第二层隐含层和输出层的阈值矩阵。f为激活函数，其表达式为f(x)＝1/(1+e-x)。
13、优选的，基于改进的pso算法优化s2中bp神经网络模型权值和阈值的初始值，选取粒子群算法的适应度函数为实际振动位移值和bp神经网络优化后的振动位移值的均方误差：
14、
15、式中，yri为实际的振动位移值，选取权值矩阵w1，w2，w3和阈值矩阵bl1，bl2，blout中的矩阵元素作为粒子群优化的粒子位置向量x，并对其进行随机初始化；
16、设粒子对应的速度向量为v，则位置向量x和速度向量v的更新公式为
17、
18、式中，c1和c2为学习因子；rand()为(0,1)之间的随机数；pbest(i,:)表示第i个粒子的最优解；gbest表示所有粒子中的最优解；ω是动态变化的惯性因子，其计算公式为
19、ω＝ωmax-(ωmax-ωmin)*gi/gk
20、式中，ωmax为惯性因子的最大值；ωmin为惯性因子的最小值；gi为当前的迭代次数；gk为最大迭代次数；
21、在每次迭代过程，通过计算适应度函数值来判断是否更新最优解pbest和gbest，如果适应度函数值过大且最优解长时间不更新，则对粒子位置进行扰动变异，变异后的粒子位置向量计算公式为：
22、x(i,:)＝x(i,:)+rand()×(region(1,:)-region(2,:))×0.1
23、式中，region为粒子搜索的范围宽度矩阵；
24、当适应度函数满足要求时，输出最优解作为bp神经网络的初始权值和阈值。
25、优选的，利用改进的bp神经网络训练并输出温度补偿模型是采用s3所示pso算法得到的初始权值和阈值，根据s1中提出的输入层-输出层之间的映射关系，从输入层依次向前计算到输出层。再从输出层反向计算损失函数，根据损失函数更新权值和阈值；
26、定义模型的损失函数为：
27、
28、损失函数值反映了真实振动位移值与模型输出位移值的差异程度，为了减小该差异，根据梯度下降方法在网络层中反向更新模型的网络参数，则权值和阈值的调整值为：
29、
30、
31、
32、δbl1＝-η2(yi-yri)δ3w3δ2w2δ1
33、δbl2＝-η2(yi-yri)δ3w3δ2
34、δblout＝-η2(yi-yri)δ3
35、式中，η1和η2为模型的超参数学习率，δ1，δ2和δ3的表达式为
36、
37、当损失函数满足条件时，停止更新权值矩阵和阈值矩阵，结束训练并输出温度补偿模型。
38、本专利技术的有益效果如下：
39、本专利技术基于变压器的温度特性，在电力变压器用磁致伸缩位移传感器的温度优化模型中考虑了负载率、油温和环境温度对传感器测量准确性的影响。针对该模型，采用改进的pso算法优化的bp神经网络，优化粒子群算法种群多样性，避免bp神经网络陷入局部最优，获得高精度的温度补偿模型，有效提高了变压器铁心松动故障检测的准确性。
本文档来自技高网...【技术保护点】
1.一种电力变压器用磁致伸缩位移传感器的温度补偿方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种电力变压器用磁致伸缩位移传感器的温度补偿方法，其特征在于：S1中建立的电力变压器用磁致伸缩位移传感器的温度补偿模型需要考虑电力变压器的温度特性，建立电力变压器用磁致伸缩位移传感器的温度补偿模型：
3.如权利要求2所述的一种电力变压器用磁致伸缩位移传感器的温度补偿方法，其特征在于：根据S1中温度补偿模型确定BP神经网络拓扑结构中，定义输出电力变压器振动位移值hi、负载率Ki、电力变压器油温T1i和环境温度T2i作为模型输入层，电力变压器的实际振动位移值yi作为输出层。设置两层隐藏层，第一层4个节点，第二层3个节点。输入层-输出层之间的映射关系为：
4.如权利要求3所述的一种电力变压器用磁致伸缩位移传感器的温度补偿方法，其特征在于：基于改进的PSO算法优化S2中BP神经网络模型权值和阈值的初始值，选取粒子群算法的适应度函数为实际振动位移值和BP神经网络优化后的振动位移值的均方误差：
5.如权利要求4所述的一种电力变压器用磁致伸缩位
...【技术特征摘要】
1.一种电力变压器用磁致伸缩位移传感器的温度补偿方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种电力变压器用磁致伸缩位移传感器的温度补偿方法，其特征在于：s1中建立的电力变压器用磁致伸缩位移传感器的温度补偿模型需要考虑电力变压器的温度特性，建立电力变压器用磁致伸缩位移传感器的温度补偿模型：
3.如权利要求2所述的一种电力变压器用磁致伸缩位移传感器的温度补偿方法，其特征在于：根据s1中温度补偿模型确定bp神经网络拓扑结构中，定义输出电力变压器振动位移值hi、负载率ki、电力变压器油温t1i和环境温度t2i作为模型输入层，电力变压器的实际振动位移值yi作为输出层。设置两层隐藏层，第一层4...
【专利技术属性】
技术研发人员：林雪，陈立兴，韩晓新，钱剑东，蔡昌春，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：
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。