[發明專利]一種基于預測數據的變壓器預警評估方法及裝置

有效

• 申請號: 201611221973.3
• 申請日: 2016-12-27
• 公開（公告）號: CN108241901B
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 沈敏軒;周勝軍;談萌;劉穎英;安哲;王同勛;范瑞祥;鄧才波;熊俊杰;曹蓓
• 申請（專利權）人: 全球能源互聯網研究院;國網江西省電力科學研究院;國家電網公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

本發明提供了一種基于預測數據的變壓器預警評估方法及裝置，其方法包括：基于獲取的訓練樣本數據，建立氣體濃度的預測模型；根據預測模型獲得的預測數據，建立模糊相似矩陣，得到預警閾值；根據預警閾值和國標限值確定警告范圍，實現預警報告或不報告。本發明提供的技術方案根據各類型預警指標的特征，合理設置具有“多重標準”的預警閾值，結合國家標準使預警結果最大限度滿足了實際應用要求。

技術領域

本發明涉及電力自動化技術領域，具體涉及一種基于預測數據的變壓器預警評估方法及裝置。

背景技術

現階段，變壓器在線監測技術已經發展成熟，各類監測方法已被廣泛地應用，更準確全面的變壓器實時監測數據可提供給技術人員以指導他們的工作。但若是在獲取實時變壓器監測數據之后，對監測數據進行預測分析，探索出各監測點的各類變壓器指標數據的變化趨勢，并得到未來時段指標預測值，則可以指導技術工作人員根據趨勢走向和預測值對相應變壓器存在的潛在故障提出正確合理的解決措施。因此，非常有必要研究出一套科學的變壓器預警評估方法。

通常的變壓器預警方法僅針對了歷史監測數據，對變壓器預測數據的預警研究比較少。預測數據是對變壓器歷史數據的內在變化規律和發展趨勢分析的結果，若將預測工作和預警工作良好地結合起來，同時對變壓器歷史數據和預測數據進行預警，則可以提高預警的準確性，及時地解決已經存在的或者潛在的變壓器故障問題，減少甚至避免該類型電力事故的發生。

變壓器油中溶解氣體分析(dissolved gas analysis，DGA)是發現變壓器缺陷和潛伏性故障的有效手段，在故障發生前，各種氣體的濃度隨時間的變化是漸進的、有規律的，因此在對各氣體濃度進行預測的基礎上實現故障預測是可能的。

然而，利用單個預測模型進行預測存在一些缺陷，如信息源的不廣泛性、對模型設定形式敏感等，這使得單一模型的預測效果往往不能令人滿意。有必要考慮對DGA數據進行組合預測。

此外，現有的變壓器預警方法通常是依據國家標準的限值來設置預警閾值從而判斷是否需告警，而此類預警閾值的設置在許多應用場合會顯得比較僵硬。然而，判斷某一變壓器監測指標是否合格，僅參考國家標準是不可靠的，需要依據實際情況合理地設置預警閾值。

因此，需要提供一種技術方案來滿足現有技術的需要。

發明內容

為解決上述現有技術中的不足，本發明的目的是提供一種基于預測數據的變壓器預警評估方法及裝置，其包括步驟：基于獲取的訓練樣本數據，建立氣體濃度的預測模型；根據預測模型獲得的預測數據，建立模糊相似矩陣，得到預警閾值；根據預警閾值和國標限值確定警告范圍，實現預警報告或不報告。

預測模型包括：模糊支持向量機預測模型；按照下述方式建立所述模糊支持向量機預測模型：

對不同特征氣體含量的訓練樣本進行歸一化處理；根據訓練樣本中數據的采樣時間，計算訓練樣本的模糊隸屬度；根據歸一化值和模糊隸屬度，建立模糊訓練樣本；采用高斯徑向基函數作為核函數，獲得模糊支持向量機預測模型。

預測模型包括：灰色預測模型；按照下述方式建立灰色預測模型包括：

對特征氣體含量的指標數據列進行級比計算，確定指標數據列；對指標數據列進行一次累加計算；利用累加結果，建立一階線性微分方程，確定待辨識參數；基于待辨識參數，建立離散時間響應函數；根據離散時間響應函數獲得的指標預測值，建立灰色預測模型。

預測模型包括：線性回歸模型；按照下述方式建立線性回歸預測模型：

利用訓練樣本的監測時間，建立一元線性回歸模型；根據一元線性回歸模型，確定線性回歸預測模型。

利用不同預測模型獲得的預測值權重，建立優選組合預測模型。

根據預測模型獲得的預測數據，建立模糊相似矩陣，得到預警閾值包括：