[发明专利]一种基于多维信息的变压器顶层油温异常监测方法

说明书

本发明公开了一种基于多维信息的变压器顶层油温异常监测方法，包括如下步骤：步骤A、初始化CS算法，建立鸟巢位置的适应度评价模型，并初始化适应度值；步骤B、计算全局最优解和各鸟巢位置的局部最优解；步骤C、根据辨识后的参数分别构建Susa热路计算模型和SVR回归补偿模型；步骤D、基于Susa热路计算模型，得到初步的顶层油温预测值；步骤E、基于SVR回归补偿模型，得到顶层油温的最终预测值；步骤F、采用ARIMA方法对滑动平均后的残差进行短期趋势预测。该方案充分考虑变压器所处的环境条件，并对温升模型中的关键参数进行辨识和修正，对顶层油温的残差进行趋势预测，提高变压器顶层油温的监测精度。

技术领域

本发明涉及电力设备检测领域，具体的，涉及一种基于多维信息的变压器顶层油温异常监测方法。

背景技术

油浸式变压器作为电力系统的重要组成器件，其内部过热将导致变压器发生绝缘性能下降等诸多问题。绕组过热是导致变压器内部过热的重要原因，但绕组热点温度的直接测量存在较大难度，因此通过顶层油温度的变化表征绕组热点温度的变化。目前对顶层油温升计算模型主要根据IEEE C57.91和IEC 60076-7的温升计算公式，一方面简化了环境因素，未能充分考虑变压器自身所处环境条件，另一方面计算模型中的参数数值大多根据经验推荐得到，没有考虑变压器实际的运行情况。

中国专利，公告号：CN109060176B，公告日：2019年7月12日，提出了一种油浸式变压器顶层油温监测方法，包括以下步骤：步骤1，获取已知的油浸式变压器相关结构及物性参数。步骤2，求解待定未知量，包括，绕组区域油流体积流量、散热器油流体积流量、散热器流通面积、散热器有效散热面积、温差指数、环境温度。步骤3，列出顶层油温升计算模型，利用双对数线性回归模型对油指数n进行回归估计。步骤4，将步骤2所计算的顶层油温升数据与负载系数代入步骤3所确定的回归模型，求出油指数n。步骤5，计算顶层油温。这种缺顶层油温监测方法的缺点在于：1、顶层温升计算模型中涉及多个关键的参数，该方法只修正了油指数n的偏差，在某些场景下可能无法满足油温预测精度的要求。2、该方法未考虑变压器所处环境条件的差异对顶层油温升的影响。

中国专利，公告号：CN110232240B，公告日：2020年3月13日，本发明公开了一种改进的变压器顶层油温预测方法，该方法为：从数据库服务器中读入变压器顶层油温的相关影响因素数据进行归一化处理作为神经网络的输入数据；将顶层油温划分为三种状态，采用Apriori算法分析变压器顶层油温相关影响因素与变压器油温状态的相关项，得到置信度；通过置信度获取BP神经网络输入层与隐藏层之间的初始权值以及隐藏层与输出层之间的初始权值；计算并生成权值矩阵，将关联规则确定的权值作为初始权值，赋给神经网络；通过关联规则改进的神经网络对训练数据集进行训练获得预测模型。由于考虑输入因子主要包括变压器的油温值，变压器负荷有功功率值以及环境温度值，通过输出与预期的值进行比较，反向调整各个节点的权值，进而缩小误差，但训练出有效的模型需要大量的训练集，且对于计算机的性能要求高。

发明内容

本发明的目的是解决现有技术在对变压器顶层油温升进行计算时，未能充分考虑变压器所处的环境条件，对顶层油温升计算模型中的关键参数值未进行修正；未融合热路物理模型和数据回归模型的参数进行辨识寻优，导致顶层油温计算结果的精确度不足，无法准确表征绕组热点温度的变化的缺点；提出了一种基于多维信息的变压器顶层油温异常监测方法，充分考虑变压器所处的环境条件，并对温升模型中的关键参数进行辨识和修正，对顶层油温的残差进行趋势预测，提高变压器顶层油温的监测精度。

为实现上述技术目的，本发明提供的一种技术方案是，一种基于多维信息的变压器顶层油温异常监测方法，包括如下步骤：

步骤A、初始化CS算法，建立鸟巢位置的适应度评价模型，并初始化适应度值；

步骤B、迭代更新鸟巢的位置，计算全局最优解和各鸟巢位置的局部最优解，迭代完成后，全局最优解即为各参数辨识优化后的结果；