[發明專利]基于長短時記憶網絡的變壓器運行狀態預測方法及系統

有效

• 申請號: 201711012217.4
• 申請日: 2017-10-26
• 公開（公告）號: CN108037378B
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 代杰杰;盛戈皞;徐玲玲;宋輝;侯慧娟;江秀臣
• 申請（專利權）人: 上海交通大學;國家電網公司
• 主分類號: G01R31/00
• 分類號: G01R31/00;G06N3/08;G06N3/04
• 代理公司: 上海東信專利商標事務所(普通合伙) 31228
• 代理人: 楊丹莉;李丹

1.一種基于長短時記憶網絡的變壓器運行狀態預測方法，其特征在于，包括步驟：

(1)獲取與變壓器運行狀態相關的歷史信息；

(2)基于所述歷史信息評估所述變壓器的歷史運行狀態；

(3)構建基于長短時記憶網絡的變壓器運行狀態預測模型；

(4)基于所述歷史信息和歷史運行狀態訓練所述變壓器運行狀態預測模型；

(5)基于所述歷史信息通過所述變壓器運行狀態預測模型預測變壓器的未來運行狀態，其中取最大置信度對應的所述變壓器運行狀態預測模型的輸出作為所預測的變壓器的未來運行狀態。

2.如權利要求1所述的基于長短時記憶網絡的變壓器運行狀態預測方法，其特征在于，所述歷史信息包括變壓器油中溶解氣體濃度、運行巡檢信息以及技術性能信息中的至少其中之一。

3.如權利要求2所述的基于長短時記憶網絡的變壓器運行狀態預測方法，其特征在于，所述步驟(2)中，針對所述歷史信息中的各類參量信息評估得到對應的歷史運行狀態評估結果，為所述歷史信息中的各類參量信息對應的歷史運行狀態評估結果賦予相應的權重，加權求得歷史運行狀態的綜合模糊評估結果。

4.如權利要求3所述的基于長短時記憶網絡的變壓器運行狀態預測方法，其特征在于，利用模糊理論評估得到變壓器油中溶解氣體濃度對應的歷史運行狀態評估結果。

5.如權利要求4所述的基于長短時記憶網絡的變壓器運行狀態預測方法，其特征在于，以變壓器油中溶解氣體濃度為輸入特征參量，以其對應的相對劣化度為輸出目標，建立支持向量機模型去擬合三角形半梯形組合隸屬函數與所述歷史運行狀態的分布關系，從而利用模糊理論評估得到變壓器油中溶解氣體濃度對應的歷史運行狀態評估結果。

6.如權利要求5所述的基于長短時記憶網絡的變壓器運行狀態預測方法，其特征在于，所述相對劣化度通過下式得到：

式中，l_k表示氣體k對應的相對劣化度，a為氣體k的濃度最優值或出廠值，b為注意值，x為當前實測數值。

7.如權利要求2所述的基于長短時記憶網絡的變壓器運行狀態預測方法，其特征在于，所述變壓器油中溶解氣體濃度包括H₂、CH₄、C₂H₄、C₂H₆、C₂H₂、總烴、CO、CO₂濃度的至少其中之一。

8.如權利要求2所述的基于長短時記憶網絡的變壓器運行狀態預測方法，其特征在于，所述技術性能信息包括運行工況、檢修記錄、運行時間的至少其中之一。

9.如權利要求3所述的基于長短時記憶網絡的變壓器運行狀態預測方法，其特征在于，采用改進層次分析法確定所述權重。

10.如權利要求1所述的基于長短時記憶網絡的變壓器運行狀態預測方法，其特征在于，采用沿時間反向傳播算法訓練所述變壓器運行狀態預測模型。

11.一種基于長短時記憶網絡的變壓器運行狀態預測系統，其采用如權利要求1-10中任意一項權利要求所述方法對變壓器的未來運行狀態進行預測。