[发明专利]一种基于多状态量预测的变压器状态评估方法

权利要求书

1.一种基于多状态量预测的变压器状态评估方法，其特征在于，包含以下过程：

对选取的变压器主要故障状态量根据更新周期分成静态参数，动态参数，准动态参数，外部参数这四类；所述静态参数不更新；所述动态参数更新周期≤1个月；所述准动态参数定期或不定期更新，更新周期≥1个月；所述外部参数为变压器所处的外部环境因素以及社会经济因素；

通过采用状态量预测算法对所述动态参数，准动态参数在之后一个检修周期内的状态值进行预测得到预测状态值；将所述预测状态值代入神经网络预测算法进而判定待评估变压器运行状态的趋势；

所述动态参数包含：H₂含量、C₂H₆含量、C₂H₄含量、CO相对产气速率、CO₂相对产气速率、C₂H₂含量、CH₄含量变压器故障状态量；

所述准动态参数包含：绝缘电阻吸收比、极化指数、体积电阻率、绕组短路阻抗初值差、绕组绝缘介损、绕组电容量初值差、局部放电量、铁心接地电流、铁心绝缘电阻、绕组直流电阻互差、中性点油流静电电流、绝缘油介损、油中含水量、油击穿电压、油中含气量、糠醛含量、纸板聚合度；

所述状态量预测算法包含：

待观测量为一时间序列函数y(t)，基于最小二乘法采用线性函数对y(t)进行分段拟合，

y(t)＝p(t-t₀)+y₀

式中，t₀为时间区间的起点；y₀为时刻t₀对应的数值；p为斜率，反应观测量的变化趋势，p＞0表示观测量在该时间区间整体趋势是上升，p＜0表示观测量在该时间区间整体趋势是下降，p＝0表示观测量在该时间区间整体趋势保持不变；所述待观测量对应所述动态和准动态参数；

t₁时刻对应的线性近似值的特征分别为t₀₁、y₀₁和p₁，则k个采样时间以后，在t₁+kΔt时刻有

式中，Δt为步长。

2.如权利要求1所述一种基于多状态量预测的变压器状态评估方法，其特征在于，所述静态参数包含：设备台帐参数和设备投运前的试验参数。

3.如权利要求1所述一种基于多状态量预测的变压器状态评估方法，其特征在于，所述神经网络预测算法为三层神经网络模型，定义误差：

E_p＝0.5∑(T_pi-Y_pi)²

式中，Y_pi为输出节点p_i的计算输出，T_pi为对应的教师数据，激活函数为Sigmoid型函数，权值修正公式为：

ΔW_ij(n+1)＝hφ_iY_j+αΔW_ij(n)

式中：h为学习因子；φ_i为输出节点i的计算误差；Y_j为输出节点j的计算输出；α为动量因子；n代表迭代次数，ΔW_ij(n+1)代表第n+1次迭代计算得到的权值修正量，ΔW_ij(n)代表第n次迭代计算得到的权值修正量。