System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及变压器油温监测领域,具体而言,涉及一种电力变压器的油温预测方法、预测装置、计算机可读存储介质和电力变压器监测系统。
技术介绍
1、在电力系统领域,电力变压器作为核心设备,承担着电能传输和分配的关键角色。然而,变压器在运行过程中会受到热性、电性和机械性等多重应力,这些应力可能导致变压器故障,影响电力系统的稳定性和可靠性。特别是变压器油温的异常升高,往往是变压器故障的前兆。因此,对电力变压器油温进行准确预测,对于预防故障、维护系统安全运行具有重要意义。
2、目前,针对电力变压器油温预测的研究主要集中在数学模型法和基于数据驱动的机器学习方法。数学模型法依据ieee和iec等标准,通过建立变压器绕组热点温度与负载的动态模型来进行油温预测。这种方法的局限性在于需要准确的物理参数和假设条件,而这些在实际应用中往往难以完全满足。随着机器学习技术的发展,特别是深度学习技术在时间序列预测领域的应用,基于数据的油温预测方法逐渐展现出其在处理复杂非线性问题方面的优势。
3、在深度学习领域,transformer模型凭借其独特的注意力机制在多个任务中取得了显著成效,但其分布式的注意力分配方式可能会增加模型的复杂度并影响计算效率。此外,现有技术在处理多通道时间序列数据时,往往缺乏对不同通道间相互作用的有效挖掘,这限制了模型对变压器油温变化的准确预测能力,如何有效感知时序数据具备长期周期性趋势与短期非线性变化特点,已成为各类预测模型对变压器油温预测的关键问题。
技术实现思路
< ...【技术保护点】
1.一种电力变压器的油温预测方法,其特征在于,油温预测模型包括多个输入通道,标准化层、多个集中聚合和统一分配模块、预测层和逆标准化层,每个所述集中聚合和统一分配模块包括多通道暂态特征表示层、多通道特征聚合层和通道特征融合层,各所述集中聚合和统一分配模块之间串联,所述油温预测方法包括:
2.根据权利要求1所述的方法,其特征在于,根据所述第一目标数据对应的均值和方差进行实例标准化,得到第二目标数据,包括:
3.根据权利要求1所述的方法,其特征在于,通过所述多通道暂态特征表示层对所述第二目标数据进行特征提取,包括:
4.根据权利要求1所述的方法,其特征在于,所述多通道特征聚合层包括TKAN神经网络、随机池化层和信息聚合层,通过所述多通道特征聚合层对所述第三目标数据进行整合,得到全局共性特征,包括:
5.根据权利要求2所述的方法,其特征在于,通过所述通道特征融合层对所述全局共性特征和各所述第三目标数据分别进行融合,得到第四目标数据包括:
6.根据权利要求5所述的方法,其特征在于,所述预测层包括双向门控循环网络和全连接层,根据所述
7.根据权利要求6所述的方法,其特征在于,根据所述油温时序数据进行逆标准化得到油温预测数据包括:
8.一种电力变压器的油温预测装置,其特征在于,油温预测模型包括多个输入通道,标准化层、集中聚合和统一分配模块、预测层和逆标准化层,所述集中聚合和统一分配模块包括多通道暂态特征表示层、多通道特征聚合层和通道特征融合层,所述油温预测装置包括:
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的方法。
10.一种电力变压器监测系统,其特征在于,包括:一个或多个处理器,存储器,以及一个或多个程序,其中,所述一个或多个程序被存储在所述存储器中,并且被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的方法。
...【技术特征摘要】
1.一种电力变压器的油温预测方法,其特征在于,油温预测模型包括多个输入通道,标准化层、多个集中聚合和统一分配模块、预测层和逆标准化层,每个所述集中聚合和统一分配模块包括多通道暂态特征表示层、多通道特征聚合层和通道特征融合层,各所述集中聚合和统一分配模块之间串联,所述油温预测方法包括:
2.根据权利要求1所述的方法,其特征在于,根据所述第一目标数据对应的均值和方差进行实例标准化,得到第二目标数据,包括:
3.根据权利要求1所述的方法,其特征在于,通过所述多通道暂态特征表示层对所述第二目标数据进行特征提取,包括:
4.根据权利要求1所述的方法,其特征在于,所述多通道特征聚合层包括tkan神经网络、随机池化层和信息聚合层,通过所述多通道特征聚合层对所述第三目标数据进行整合,得到全局共性特征,包括:
5.根据权利要求2所述的方法,其特征在于,通过所述通道特征融合层对所述全局共性特征和各所述第三目标数据分别进行融合,得到第四目标数据包括:
6.根据权利要求5所述的...
【专利技术属性】
技术研发人员:何胜红,郑伟钦,唐鹤,钟炜,陈志平,姚积坤,莫靖,徐朋江,金向朝,马欣,王志刚,谭家勇,倪非非,张勇,张哲铭,谭泳岚,吴洁璇,兰天松,王俊波,李国伟,张殷,梁志斌,贺俊良,冯镇生,钟嘉燊,
申请(专利权)人:广东电网有限责任公司佛山供电局,
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。