[發(fā)明專利]基于多因素的油浸式變壓器頂層油溫預測方法有效
| 申請?zhí)枺?/td> | 201410553382.0 | 申請日： | 2014-10-17 |
| 公開（公告）號： | CN104299057B | 公開（公告）日： | 2018-02-13 |
| 發(fā)明（設計）人： | 陳錦銘;郭雅娟;李斌;姜海濤;黃偉;郭靜 | 申請（專利權）人： | 國家電網公司;江蘇省電力公司;江蘇省電力公司電力科學研究院 |
| 主分類號： | G06Q10/04 | 分類號： | G06Q10/04;G06Q50/06 |
| 代理公司： | 南京縱橫知識產權代理有限公司32224 | 代理人： | 董建林 |
| 地址： | 100761 *** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 因素 油浸式 變壓器 頂層 預測 方法 | ||
1.一種基于多因素的油浸式變壓器頂層油溫預測方法，其特征在于：包括如下步驟：
步驟一：抽取歷史氣溫、歷史油溫、歷史負荷、歷史人體舒適度日統(tǒng)計值；
步驟二：根據歷史氣溫、歷史油溫、歷史負荷95概率值的日統(tǒng)計值，建立變壓器油溫線性回歸分析模型，并計算得到變壓器油溫線性回歸分析模型系數：a、b、c、d；
步驟三：對于非自冷型變壓器，通過對冷卻器運行異常時油溫實測值與理論計算期望值之間分析比較，得到冷卻器運行異常修正常量；
步驟四：根據天氣預報信息計算得到未來某日的人體舒適度預測值，并利用相似日負荷預測模型，得到未來某日的變壓器日負荷95概率預測值；
步驟五：根據未來某日的日氣溫預測最大值、未來某日的變壓器日負荷預測95概率預測值、變壓器基礎油溫數據，代入變壓器油溫線性回歸分析模型計算得到未來某日內的油溫預測最大值，如果變壓器冷卻系統(tǒng)工況異常，還應將未來某日內的油溫預測最大值與冷卻器運行異常修正常量求代數和，得到最終變壓器頂層油溫預測值；
所述步驟一包括如下步驟：
步驟1a：從EMS系統(tǒng)中獲取全省所有油浸式變壓器的歷史油溫和歷史負荷數據，并統(tǒng)計得到各主變壓器的歷史油溫的最大值和歷史負荷數據的95概率值；
步驟1b：從氣象信息系統(tǒng)中獲取各市縣的歷史日氣溫最大統(tǒng)計值，并以市縣區(qū)位信息為主題將歷史日氣溫最大統(tǒng)計值與各主變壓器歷史油溫最大值、歷史負荷95概率值進行關聯合并；
步驟1c：從氣象信息系統(tǒng)獲取各市縣的歷史溫度、歷史濕度、歷史風速數據，計算各日的人體舒適度統(tǒng)計值，結合工作日、節(jié)假日、特殊日，以市縣區(qū)位信息為主題將各日的人體舒適度統(tǒng)計值與各主變壓器歷史負荷95概率統(tǒng)計值關聯合并；
所述步驟二包括如下步驟：
步驟2a：抽取指定時間窗口內的歷史日氣溫最大值、歷史日油溫最大值、歷史日負荷95概率值和基礎油溫值，剔除冷卻系統(tǒng)工況異常日的記錄，所述時間窗口設置為45-90天，所述基礎油溫值設置為前一日油溫最高值；
步驟2b：利用最小二乘法，建立油溫與氣溫、負荷、基礎油溫的線性回歸分析模型，變壓器油溫線性回歸分析模型：OT＝a*T+b*I+c*BOT+d；其中，OT指預測日的油溫最大值,T指預測日的環(huán)境溫度最大值，I指預測日的負荷95概率值，BOT指預測日前一日的油溫最大值，即基礎油溫值；
步驟2c：將歷史日氣溫最大值、歷史日油溫最大值、歷史日負荷95概率值和基礎油溫值代入線性回歸分析模型，計算得到線性回歸分析模型系數：a、b、c、d；
所述步驟三包括如下步驟：
步驟3a：對于非自冷型變壓器，抽取冷卻器運行異常日期內的數據，包括：氣溫最大值、負荷95概率值、基礎油溫值；
步驟3b：將上述數據代入變壓器油溫線性回歸分析模型回歸模型，計算得到當日油溫期望值，將當日油溫期望值與當日實際油溫值之間求差值，得到冷卻器運行異常日修正量，再求平均值，最終得到冷卻器異常修正常量；
步驟3c：對于自冷型變壓器直接跳過該步驟；
所述步驟四包括如下步驟：
步驟4a：根據未來某日的天氣預報信息，抽取溫度、濕度、風速、基準溫度的數據；
步驟4b：根據人體舒適度計算公式：計算得到未來某日人體舒適度預測值；其中：DI為人體舒適度指數；T為當日最高溫度；RH為日平均相對濕度；V為風速，取日最高風速與日最低風速平均值；TN為基準溫度；
步驟4c：提取未來某日之前的連續(xù)120個歷史日的日類型、特殊日、日期距離、人體舒適度值四個因素數據，代入相似日預測模型，根據公式：F＝m1*m2*m3*m4，計算出120個歷史日相對于未來某日相似度，其中F為未來某日與歷史日相似度值，m1為日類型相似度值，m2為特殊日相似度值，m3為日期距離相似度值，m4為人體舒適度相似度值；
日類型相似度值m1；日類型分為工作日或周末；m1取值方法如下：
特殊日相似度值m2，特殊日指負荷明顯不同的特定日期，根據歷史日與待預測日的類型，m2的取值方法如下：
日期距離相似度值m3，按下式計算:
m3＝max(βk,a)
式中:β為衰減系數，含義是歷史日與待預測日的距離每增加1d的相似度縮減比率,取值在0.90-0.98之間；k為歷史日與待預測日的間隔天數；a為該因素的最低相似度,默認值為0.4；m3設置為βk與a之間的大值，即當βk值小于0.4時，m3＝0.4；
人體舒適度相似度值m4，計算方法如下：其中DI0為未來某日的人體舒適度預測值，DId為歷史日的人體舒適度實測值；
步驟4d：取120個歷史日相似度最大值的當日歷史負荷95概率值，再求平均值，得到歷史負荷95概率值平均值即設置為未來某日變壓器日負荷的95概率預測值。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于國家電網公司;江蘇省電力公司;江蘇省電力公司電力科學研究院，未經國家電網公司;江蘇省電力公司;江蘇省電力公司電力科學研究院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201410553382.0/1.html，轉載請聲明來源鉆瓜專利網。
- 同類專利
- 專利分類
G06Q 專門適用于行政、商業(yè)、金融、管理、監(jiān)督或預測目的的數據處理系統(tǒng)或方法；其他類目不包含的專門適用于行政、商業(yè)、金融、管理、監(jiān)督或預測目的的處理系統(tǒng)或方法
G06Q10-00 行政；管理
G06Q10-02 .預定，例如用于門票、服務或事件的
G06Q10-04 .預測或優(yōu)化，例如線性規(guī)劃、“旅行商問題”或“下料問題”
G06Q10-06 .資源、工作流、人員或項目管理，例如組織、規(guī)劃、調度或分配時間、人員或機器資源；企業(yè)規(guī)劃；組織模型
G06Q10-08 .物流，例如倉儲、裝貨、配送或運輸；存貨或庫存管理，例如訂貨、采購或平衡訂單
G06Q10-10 .辦公自動化，例如電子郵件或群件的計算機輔助管理
