[发明专利]一种基于大数据的变压器过载可视化方法及系统

权利要求书

1.一种基于大数据的变压器过载可视化方法，其特征在于，包括以下步骤

步骤S1，采集电网和/或电网中变压器的检测数据，并将检测数据上传至系统后台，系统后台将检测数据加载至大数据平台；

步骤S2，使用spark对大数据平台中的检测数据进行数据清洗，过滤掉垃圾数据，并将过滤掉垃圾数据后的检测数据转换成PRPD或者PRPD矩阵形式存储在hbase中；

步骤S3，利用网络模型算法对滤掉垃圾数据后的检测数据进行分析、预测，得到变压器的温度走势；

步骤S4，通过java web将诊断结果进行数据展示。

2.如权利要求1所述的一种基于大数据的的变压器过载可视化方法，其特征在于，步骤S1中，系统后台选用HDFS系统。

3.如权利要求1所述的一种基于大数据的的变压器过载可视化方法，其特征在于，

检测数据包括：变电站名称、变压器名称、变压器型号、变压器生产厂家、变压器投运时间、变压器相别、变压器放电量、变压器放电位置、变压器放电脉冲个数、变压器放电波形、变压器放电脉冲序列图谱、变压器放电脉冲相位图谱、变压器温度。

4.如权利要求1所述的一种基于大数据的的变压器过载可视化方法，其特征在于，步骤S3中，网络模型算法具体包括：

步骤S31、构建网络模型

步骤S32、将前三天的检测数据作为样本数据，输入网络模型，网络模型的输出数据即为预测值，得到变压器的温度走势。

5.如权利要求4所述的一种基于大数据的的变压器过载可视化方法，其特征在于，所述网络模型为包括四层神经元的网络结构，其中输入向量为X＝[x₁，x₂，…，x_m]^T，相对应的输出向量为Y＝[y₁，y₂，…，y_k]；

输入层：神经元的数目等于输入向量的维数m，输入层将各个变量直接向前传递给模式层；

模式层：神经元的数目等于输入样本数”，不同的神经元对应不同的学习样本，模式层神经元i的传递函数为

其中，Pi高斯核函数，X为嘲络输入向量，Xi为神经元i所对应的学习样本，σ为网络的平滑因子；

求和层：该层中包括两种类型的神经元，一种是对所有模式层的输出进行算数求和，求和的值与模式层各神经元之间的连接权值为1，传递函数为：

另一种神经元为对所有模式层的输出进行加权求和，其中S_Nj的连接权值为第i个输出样本Y_i中的第j个元素y_ij，其传递函数为：

输出层：神经元数目等于输出向量的维数k，将求和层中神经元的加权求和输出与算数求和输出进行相除，即可得到各个神经元所对应的输出，即：

6.如权利要求5所述的一种基于大数据的的变压器过载可视化方法，其特征在于，模式层中平滑因子的确定步骤为：

步骤1，样本数据分类后，按需进行归一化处理，归一化公式为：

其中，x_max、x_min为一组数据中的最大值和最小值，该公式将数据归一化到[a，b]；

步骤2，令平滑因子在[min，max]范围内以一定的步长递增变化，取得一组平滑因子σ₁，σ₂，…，σ_p；

步骤3，对于每一个平滑因子σ_i，(i＝1，2，…，P)对应一个n×k维误差矩阵error，k为输出向量维数，求均方值，得到n个误差均方值P-error，将最终得到的p×n个误差均方值从小到大排序，并取出前(p×n)/2个；

步骤4，给定K的取值范围[K_min，K_max]，其中K_min＞o，K_max≤(p×n)/2，K值按一定步长递增变化，每轮取出前K个误差均方值，判断其分布情况；

步骤5，统计出现次数最多的平滑因子。

7.一种基于大数据的的变压器过载可视化系统，其特征在于，包括：

数据采集模块，用于采集电网和/或电网中变压器的检测数据，并将检测数据上传至系统后台，系统后台将检测数据加载至大数据平台；

数据处理模块，用于使用spark对大数据平台中的检测数据进行数据清洗，过滤掉垃圾数据，并将过滤掉垃圾数据后的检测数据转换成PRPD或者PRPD矩阵形式存储在hbase中；

数据分析预测模块，用于利用网络模型算法对滤掉垃圾数据后的检测数据进行分析、预测，得到变压器的温度走势；

数据展示模块，用于通过java web将诊断结果进行数据展示。