[发明专利]应用于变压器热点反演的特征量选取方法及系统

权利要求书

1.应用于变压器热点反演的特征量选取方法，其特征是，包括：

S1以所考虑的环境因素为因素，根据变压器所处的实际环境，采用正交法设计多因素多水平的训练样本集；

S2在各训练样本所对应条件下，对变压器进行温度场仿真，获得反映变压器内部的热点分布及油流温度分布的温度场分布图；

S3根据温度场分布图获得变压器的流线图，根据流线图在变压器的外壳和散热片上选择若干温度特征点，温度特征点和环境因素共同构成基础特征量；

S4利用人工智能算法对基础特征量进行寻优，具体为：以训练样本集和基础特征量为人工智能算法的输入，获得使训练样本适应度最大的基础特征量，即优选特征量；

步骤S2进一步包括：

基于多物理场耦合的变压器三维模型，利用有限元法计算或利用负载试验得到各训练样本对应条件下变压器的损耗；

以损耗为热源，以变压器环境因素为输入，对各训练样本所对应条件下的变压器进行温度场仿真，获得温度场分布图；

步骤S3进一步包括：

3.1根据温度场分布图获取各训练样本对应的油介质流动曲线，即流线图；

3.2从流线图选取分布密集且流动规律一致的流线为主流线；

3.3从主流线提取流线方向上油介质的温度变化曲线，即流线温度变化曲线；

3.4根据流线温度变化曲线选择能表征流线温度变化曲线变化趋势的流线点；

3.5在变压器的外壳和散热片上分别选取距离流线点最近的1～3个点，作为温度特征点；

步骤S4中采用遗传算法对基础特征量进行寻优，具体为：

利用二进制编码对各基础特征量进行编码，染色体的每一位对应一个基础特征量的序号，染色体每一位的基因取值为1或0；

对各不同排列组合的基础特征量分别计算适应度值，取适应度值最高的基础特征量排列组合，取其中基因取值为1的基础特征量，即优选特征量。

2.如权利要求1所述的应用于变压器热点反演的特征量选取方法，其特征是：

所述所考虑的环境因素包括工况、温度、湿度、风速、光照中的多种或全部。

3.如权利要求1所述的应用于变压器热点反演的特征量选取方法，其特征是：

所述人工智能算法为遗传算法、粒子群算法或帝国竞争算法。

4.权利要求1所述特征量选取方法在变压器热点反演中的应用，其特征是，包括：

根据步骤S2获得的温度场分布图预判热点在变压器的绕组的位置；

基于步骤S4获得的优选特征量，选择不同的SVR核函数分别对预判热点所在绕组位置的温度分布进行反演，并确定SVR核函数的最佳寻优参数

利用最佳寻优参数训练SVR核函数，在各测试样本下反演预判热点所在绕组位置的温度分布，最大温度即热点温度，最大温度出现位置即热点位置。