[发明专利]一种基于预测数据的变压器预警评估方法及装置

权利要求书

1.一种基于预测数据的变压器预警评估方法，其特征在于，包括：

基于获取的训练样本数据，建立气体浓度的预测模型；

根据所述预测模型获得的预测数据，建立模糊相似矩阵，得到预警阈值；

根据所述预警阈值和国标限值确定警告范围，实现预警报告或不报告；

所述预测模型包括：模糊支持向量机预测模型；

按照下述方式建立所述模糊支持向量机预测模型：

对不同特征气体含量的训练样本进行归一化处理；

根据训练样本中数据的采样时间，计算所述训练样本的模糊隶属度；

根据归一化值和模糊隶属度，建立模糊训练样本；

采用高斯径向基函数作为核函数，获得所述模糊支持向量机预测模型；

所述预测模型包括：灰色预测模型；

按照下述方式建立所述灰色预测模型包括：

对特征气体含量的指标数据列进行级比计算，确定指标数据列；

对所述指标数据列进行一次累加计算；

利用累加结果，建立一阶线性微分方程，确定待辨识参数；

基于所述待辨识参数，建立离散时间响应函数；

根据所述离散时间响应函数获得的指标预测值，建立灰色预测模型；

所述预测模型包括：线性回归模型；

按照下述方式建立线性回归预测模型：

利用训练样本的监测时间，建立一元线性回归模型；

根据所述一元线性回归模型，确定所述线性回归预测模型；

利用不同预测模型获得的预测值权重，建立优选组合预测模型；

根据所述预测模型获得的预测数据，建立模糊相似矩阵，得到预警阈值包括：

用所述优选组合预测模型获得的预测数据建立模糊相似矩阵R＝(r_ij)_m×n，其中模糊矩阵元素r_ij按下式计算：

r_ij＝1-c×d(x_i,x_j)

式中，d(x_i,x_j)为x_i与x_j间的距离，距离系数c使得所有r_ij∈[0,1](i,j＝1,2,...,n)；

根据不同的置信水平λ∈[0,1]，划分矩阵元素r_ij得到动态聚类结果；

根据所述动态聚类结果将预警对象分为k类，第k类预警对象的个数设为N_k,其中预警对象n＝∑N_k，则按下式计算第j个指标中第k类的预警阈值u_jk：

式中，x_ij为第i个预警对象的第j个指标值，m为预警对象指标数量；

1)建立所述模糊支持向量机预测模型包括：

1-1)对原始数据简化，分别组织不同特征气体含量预测的训练样本，并对样本按照式(1)进行归一化处理：

式中，X(i)为样本某一列中待归一的值，X(i)_min和X(i)_max为原始数据列中的极小值和极大值，X(i)’为对应的归一化后的值；

1-2)根据数据的采样时间，计算各样本的模糊隶属度u_i

对于具有n个数据样本点以及每个样本点的模糊隶属度为u_i的训练样本集合时间序列样本集S＝{(x₁,y₁,u₁,t₁),(x₂,y₂,u₂,t₂),…(x_n,y_n,u_n,t_n)},其中x_i∈R^N,y_i∈R,0＜u_i≤1,i＝1,...,n，x_i为输入量，y_i为目标值，R^N为输入量x_i的集合,R为输入量y_i的集合,t₁≤t₂≤...≤t_n为各训练点采样时刻，模糊隶属度u_i是时间序列t_i的函数，即u_i＝f(t_i)(1≤i≤n)，δ为采样时刻t₁的模糊隶属度，并且满足如下条件：

采用二次函数来近似逼近模糊隶属度函数，利用边界条件可得:

1-3)确定核函数及回归模型；

2)建立所述灰色预测模型包括：

假设不同时间段内的某种特征气体含量监测数据可以用数据序列x⁽⁰⁾＝(x⁽⁰⁾(1),x⁽⁰⁾(2),...,x⁽⁰⁾(n))表示，x⁽⁰⁾为原始样本数据，是时间k的函数,k＝1…n为样本数，表示不同的时间对象；按照如下步骤建立GM(1，1)预测模型；

2-1)对特征气体含量指标数据列x⁽⁰⁾进行数据之间的级比计算，进行灰色预测模型适用性的判断分析，最终确定出一个适合做灰色预测的数据列；

2-2)数据变换处理，经过对特征气体含量指标数据的检验后，得到一个参考数据序列x⁽⁰⁾，对x⁽⁰⁾进行一次累加后生成新数列x⁽¹⁾如下：

x⁽¹⁾(1)＝x⁽¹⁾(0)

x⁽¹⁾＝(x⁽¹⁾(1),x⁽¹⁾(2),...,x⁽¹⁾(n))＝(x⁽¹⁾(1),x⁽¹⁾(1)+x⁽⁰⁾(2),...,x⁽¹⁾(n-1)+x⁽⁰⁾(n)) (9)

2-3)建立一阶线性微分方程，求解待辨识参数：

其中，α是待辨识参数，μ是待辨识内生变量；利用最小二乘法，求解待辨识参数和内生变量

定义待辨识向量为：根据最小二乘法求得

式中：利用MATLAB求出参数和的值；

2-4)将步骤2-3)得出的待辨识参数值代入原来的微分方程，可以得到灰色预测的离散时间响应函数：

然后对一次累加序列进行回推，可以求出不同时间对象的变压器油中溶解气体浓度指标预测值：

2-5)误差分析

变压器特征气体在下一时刻预测浓度的误差采用绝对误差和相对误差来进行分析：

绝对误差：

相对误差：

3)建立所述线性回归预测模型包括：

3-1)根据获得的变压器油中溶解气体浓度的n对数据(x_i,y_i)(i-1,2,...,n)，x_i表示特征气体指标的监测时间，y_i表示特征气体指标监测值；建立的一元线性回归模型：

y_i＝a+bx_i+ε (15)

上式中，ε表示随机误差，服从正态分布(0,σ²)；a和b为回归模型系数，σ²为方差；

3-2)应用最小二乘法估计未知参数a和b，得到估计值和则式为y_i关于x_i的线性回归预测模型；根据下列方程组：

可以计算出和的值，即

将求得的和的值带入式中，可得出y_i关于x_i的线性回归方程，即可得到各特征气体在下一时刻的浓度值；

3-3)最后对预测结果进行相对误差和绝对误差分析；

变压器特征气体在下一时刻预测浓度的误差采用绝对误差和相对误差来进行分析：

绝对误差：

相对误差：