[發明專利]一種換流閥TVM板發熱預測方法、系統、裝置及介質有效
| 申請號: | 202010123872.2 | 申請日: | 2020-02-27 |
| 公開(公告)號: | CN111460610B | 公開(公告)日: | 2022-04-08 |
| 發明(設計)人: | 游俊良;李靖翔;古智鵬;李瑋;賴皓 | 申請(專利權)人: | 中國南方電網有限責任公司超高壓輸電公司廣州局 |
| 主分類號: | G06F30/20 | 分類號: | G06F30/20;G06F119/08 |
| 代理公司: | 廣州科粵專利商標代理有限公司 44001 | 代理人: | 鄧潮彬;黃培智 |
| 地址: | 510663 廣東省廣州*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 換流 tvm 發熱 預測 方法 系統 裝置 介質 | ||
1.一種換流閥TVM板發熱預測方法,其特征在于,
按照預設的時間間隔獲取閥廳區域內的TVM板溫度數據模型;
按照預設的時間間隔獲取閥廳區域內的篩選模型,采用數據關聯性分析所述篩選模型,并建立溫度預測模型;
將所述溫度預測模型劃分為訓練數據集以及驗證數據集,訓練所述溫度預測模型;
結合所述TVM板溫度數據模型對所述溫度預測模型進行分析判斷,正常情況下則持續運行監控,處于異常情況則發出異常告警;
所述TVM板溫度數據模型包括TVM板溫度、閥廳溫度、閥廳濕度、直流功率以及前一時間間隔的平均直流功率;
所述篩選模型包括TVM板溫度、閥廳溫度、閥廳濕度、直流功率以及前一時間間隔的平均直流功率;
所述溫度預測模型的訓練方法基于LSTM深度學習模型結構;
所述溫度預測模型的訓練方法具體包括以下步驟:
步驟一,獲取所述溫度預測模型f(x)=(w·x+b);
步驟二,對所述溫度預測模型進行歸一化處理;
步驟三,初始化每個變量x的權重w和偏置b;
步驟四,前向計算f(x)=(w·x+b),并計算預測誤差e=f(x)-y,f(x)為TVM板溫度預測值,y為TVM板溫度實際值,x為本次模型的變量:閥廳溫度、閥廳濕度、直流功率以及前一時間間隔的平均直流功率,w為權重,b為偏置,e為誤差值;
步驟五,判斷e<ε是否成立,是則由此獲取經過初始化的每個變量x的所述權重w和所述偏置b,否則重新返回步驟三;ε為設定的均方誤差;
所述結合TVM板溫度數據模型對溫度預測模型進行分析判斷的具體流程包括以下步驟:
對所述TVM板溫度數據模型進行分析,獲取當前溫度曲線斜率,對所述溫度預測模型進行分析,獲取標準溫度曲線斜率;
所述當前溫度曲線斜率與標準溫度曲線斜率作乘法,若結果連續三次出現不大于0的情況,累計負告警一次,考慮數據的差異性,若連續負告警三次,輸出總負告警,并判斷TVM板被擊穿或損壞,否則持續運行監控;
所述當前溫度曲線斜率與標準溫度曲線斜率作減法,若結果連續三次處于最大值,累計正告警一次,考慮數據的差異性,若連續正告警三次,輸出總正告警,并判斷TVM板正在發熱惡化,否則持續運行監控;
所述標準溫度曲線斜率的具體獲取方法為:根據總調下發次日的功率曲線,從所述溫度預測模型中的大數據的算法推送關聯點,預測出次日的溫度參考曲線,由所述溫度參考曲線獲取所述標準溫度曲線斜率。
2.一種換流閥TVM板發熱預測裝置,其特征在于,所述裝置包括存儲器和處理器,其中,
所述存儲器用于存儲可執行程序代碼;
所述處理器與所述存儲器耦合;
所述處理器調用所述存儲器中存儲的所述可執行程序代碼,執行如權利要求1所述的換流閥TVM板發熱預測方法。
3.一種計算機可存儲介質,其特征在于,所述計算機存儲介質存儲有計算機指令,所述計算機指令被調用時,用于執行如權利要求1所述的換流閥TVM板發熱預測方法。
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中國南方電網有限責任公司超高壓輸電公司廣州局,未經中國南方電網有限責任公司超高壓輸電公司廣州局許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010123872.2/1.html,轉載請聲明來源鉆瓜專利網。





