[发明专利]一种基于随机森林的变压器油中溶解气体浓度预测方法

说明书

本申请公开了一种基于随机森林的变压器油中溶解气体浓度预测方法，为准确分析变压器油中溶解气体的含量，首先整理变压器油色谱在线监测数据，确定溶解气体浓度的相关参量并进行归一化处理；然后获取历史事件维度特征信息构建随机森林网络模型进行训练；最后以各种特征气体浓度为模型的输入、特征气体浓度的预测为输出，实现对变压器油中溶解气体浓度的预测。采用平均相对百分误差和最大相对百分误差两个指标对预测结果进行评估。通过分析气体预测结果，可为电力变压器的运行状况判断提供依据，为运维人员检修提供借鉴。

技术领域

本申请涉及电力设备监控领域，尤其涉及一种变压器油中溶解气体浓度预测方法。

背景技术

目前，电力网络已经发展成为跨区域的互联大电网，电力变压器是整个电力系统最为核心的枢纽设备，是电力系统中传输、分配电能的重要设备，是电网公司的重要资产，其安全稳定的运行是电网可靠供电的保障，一旦发生故障将严重影响电网的稳定运行。对油中溶解气体浓度进行分析及发展趋势预测，可为变压器的运行状态评估提供重要的依据。

电力变压器产生高能放电时气体中的氢气H₂和乙炔C₂H₂含量增加、甲烷CH₄和乙烯C₂H₄的增加是由于内部绝缘油的增加、当系统遇到强烈电场的情况下，烃类气体的含量都会增加，并且都会表现出关联性，故通过变压器油中溶解气体的分析(DGA)可以为变压器的故障判别有重要的帮助。由于传统的BP神经网络和支持向量机(SVM)有收敛速度慢、网络结构选择不一、解决多分类问题存在困难、预测效果不够科学等缺陷，提出了一种变压器溶解气体的预测模型。

发明内容

为解决传统的BP神经网络和支持向量机(SVM)方法具有周期长、操作复杂、依靠人员经验、误差大等特点，易导致延迟判断变压器的运行状态进而造成一定的经济损失，现已不适用于油中溶解气体浓度预测及分析的问题。本申请提供以下的技术方案：一种基于随机森林的变压器油中溶解气体浓度预测方法，该模型预测需要调整的参数少、训练效率高、预测溶解气体的准确率更高，其方法包括：

步骤一：确定变压器油中溶解气体浓度的相关参量；

步骤二：获取相关参量的历史样本数据；

步骤三：构建随机森林网络模型；

步骤四：基于所述历史时间维度的样本数据训练随机森林模型，确定模型的相关参数，并且提取对应样本数据的历史时间维度的特征信息；

步骤五：基于所述历史时间维度的特征信息预测未来时间维度的特征信息；

步骤六：利用所述步骤四中经训练的随机森林模型，从而实现对变压器油中溶解气体浓度的预测。

本申请所述的基于随机森林的变压器油中溶解气体浓度预测方法，所述相关参量是指互相之间具有预测相关性影响的参量，包含待预测的溶解气体浓度。由于所述样本数据在时间维度上分布具有规律性，利于预测分析。

本申请所述的基于随机森林的变压器油中溶解气体浓度预测方法是基于随机森林网络对变压器油中溶解气体浓度进行预测。

进一步地，本申请所述的基于随机森林的变压器油中溶解气体浓度预测方法中，所述相关参量包含氢气(H₂)、甲烷(CH₄)、乙烷(C₂H₆)、乙烯(C₂H₄)、乙炔(C₂H₂)、一氧化碳(CO)、二氧化碳(CO₂)的浓度，可用一个列向量表示，即其中表示为第n种气体在t时刻的溶解浓度，在本研究中，n取值为7，表示本模型预测涉及7种气体。

上述方案中，对离线油色谱样本数据进行归一化处理，将数据映射到[0，1]之间，转换函数为：