[发明专利]变压器绕组热点温度预测方法及终端设备

说明书

本发明适用于变压器技术领域，提供了一种变压器绕组热点温度预测方法及终端设备。该方法包括：采集变压器绕组热点的温度数据，将采集到的温度数据作为样本数据；根据粒子群算法和所述样本数据训练人工神经网络模型，得到所述人工神经网络模型的最优模型参数，将基于所述最优模型参数的人工神经网络模型作为预测模型；采集变压器的运行参数和结构参数；根据所述运行参数、所述结构参数和所述预测模型，对变压器进行绕组热点温度预测。本发明将粒子群算法引入人工神经网络模型的参数优化，利用优化后得到的预测模型对变压器绕组热点温度进行预测，能够提高预测模型得到的变压器绕组热点温度的预测准确度。

技术领域

本发明属于变压器技术领域，尤其涉及一种变压器绕组热点温度预测方法及终端设备。

背景技术

随着世界形势的不断变化和我国经济的高速发展，电力安全的发展已经进入了一个崭新的历史发展阶段，现代社会对电力供应的可靠性要求越来越高，电力安全工业的地位比以往任何时候都更加重要，电力安全已经是突出的问题之一。

在众多变压器绝缘老化相关因素中，温升是最为重要的因素之一。电力变压器绝缘一般由有机和无机绝缘材料构成，这些绝缘材料有一定的耐热限值，超过了这个限值，绝缘材料就会迅速老化，造成各种各样的运行事故。目前国内外电力变压器绝缘主要采用油浸纸绝缘。一般为A级绝缘材料，其长期允许温度为105度，因而国内外有关标准规定，油浸电力变压器在额定负荷下运行时，其油面温升不得超过5度，绕组的平均温升不得超过65度。即使这样，长期在80至100度的温度作用下，绝缘纸和纸板等固体介质也将逐渐老化，变压器油受热将加速氧化而使酸价上升，并出现油泥等。因此，把变压器的运行温度控制在绝缘的允许范围内，是延长变压器使用寿命，保证其安全运行极为重要的措施。

电力变压器的负载能力和可用寿命在某种程度上取决于能否及时地将其内部产生的热量传递到周围环境中，即热特性。绕组热点温度是衡量变压器运行中热特性的重要指标，当热点温度超过允许限值易导致气泡的产生，加速变压器的老化并造成绕组绝缘性能的劣化。因此，研究变压器内部复杂的热过程，建立变压器热模型，并以此为基础开展对变压器状态检修的研究具有十分重要的意义。目前，国内外对变压器运行中的热特性已经开展了一些研究工作，并取得了一定的进展。

通过变压器内部热过程分析，建立变压器绕组热点温度预测模型，根据变压器运行时的环境温度，易测得的变压器特殊位置油温以及实时的负载数据，进行热点温度的预测，能够在一定程度上预测绕组的热点温度，但目前预测的准确度较低。

发明内容

有鉴于此，本发明实施例提供了一种变压器绕组热点温度预测方法及终端设备，以解决目前变压器绕组的热点温度预测准确度低的问题。

本发明实施例的第一方面提供了一种变压器绕组热点温度预测方法，包括：

采集变压器绕组热点的温度数据，将采集到的温度数据作为样本数据；

根据粒子群算法和所述样本数据训练人工神经网络模型，得到所述人工神经网络模型的最优模型参数，将基于所述最优模型参数的人工神经网络模型作为预测模型；

采集变压器的运行参数和结构参数；所述运行参数包括上层油温、绕组温度、环境温度和运行负荷数据，所述结构参数包括绕组布置形式、绕组容量、冷却方式和绕组绝缘材质；

根据所述运行参数、所述结构参数和所述预测模型，对变压器进行绕组热点温度预测。

本发明实施例的第二方面提供了一种变压器绕组热点温度预测装置，包括：

第一采集模块，用于采集变压器绕组热点的温度数据，将采集到的温度数据作为样本数据；

训练模块，用于根据粒子群算法和所述样本数据训练人工神经网络模型，得到所述人工神经网络模型的最优模型参数，将基于所述最优模型参数的人工神经网络模型作为预测模型；