[发明专利]一种基于数学模型的运行风险预测方法和预测系统

说明书

本发明提供一种基于数学模型的运行风险预测方法和预测系统，预测方法为：获取变压器在各种故障类型下的噪声信号，求取其梅尔倒谱系数并对卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；在变压器工作过程中检测其噪声信号，求取其梅尔倒谱系数并结合所述卷积神经网络模型预测变压器的运行是否存在风险；获取噪声信号梅尔倒谱系数的方法为：对噪声信号中各时间段的噪声信号进行快速傅里叶变换得到其频谱图；根据所述频谱图计算噪声信号的梅尔频率并设计三角带通滤波器组；对各时间段的频谱图进行离散余弦变换，得到该组噪声信号中不同时刻的梅尔倒谱系数。本发明提供的技术方案能够解决对变压器运行风险检测可靠性较差的问题。

技术领域

本发明属于数学模型应用技术领域，具体涉及一种基于数学模型的运行风险预测方法和预测系统。

背景技术

变压器是一种利用电磁感应原理改变交流电压的设备，其结构主要包括初级线圈、次级线圈和铁芯，其主要功能包括电压变换、电流变换、阻抗变换、电气隔离、稳压等。

作为电力系统中电压转换与电能分配的重要设备，变压器的运行状态关系着整个电网运行的安全和稳定。近年来，随着对电力需求的快速增长，变压器朝着大容量方向发展。新的不同种类、容量的变压器对稳定性和可靠性的要求更高，尤其是能够及时发现并解决故障提出了更高的要求。

目前对变压器进行故障检测的方法主要有三种：一是针对变压器的电压、电流、谐波等局部放电信号进行检测，根据检测结果判断变压器是否存在故障；二是针对变压器的温度进行红外测温或利用红外成像进行温度检测，根据变压器的温度判断其是否存在异常；三是通过监测色谱对变压器油中气体的含量进行检测，根据检测结果判断变压器是否存在故障。

但是上述三种检测方法都只能对变压器特定类型的故障进行检测，存在较大的局限性，对变压器运行风险预测的可靠性较差。

发明内容

本发明的目的是提供一种基于数学模型的运行风险预测方法和预测系统，用于解决现有技术中对变压器运行风险检测方法可靠性较差的问题。

为实现上述目的，本发明采用如下技术方案：

一种基于数学模型的运行风险预测方法，包括如下步骤：

(1)获取变压器在各种故障类型下所发出的噪声信号，求取其梅尔倒谱系数，并根据其梅尔倒谱系数对卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；

(2)在变压器工作过程中检测变压器所产生的噪声信号，求取其梅尔倒谱系数，并结合训练后的卷积神经网络模型预测变压器的运行是否存在风险，以及其存在风险时的故障类型；

获取噪声信号梅尔倒谱系数的方法为：

首先对噪声信号中各时间段的噪声信号进行快速傅里叶变换，得到其中各时间段的频谱图；

然后根据所述频谱图计算噪声信号的梅尔频率，并根据梅尔频率设计三角带通滤波器组；

最后对各时间段的频谱图进行离散余弦变换，得到该组噪声信号中不同时刻的梅尔倒谱系数。

进一步的，所述快速傅里叶变换时所采用的计算公式为：

其中X(k)表示频率k时噪声信号在频域上的幅值，x(n)表示时间为n时噪声信号在时域上的幅值，W(n)为傅里叶变换系数，N为采样数量。

进一步的，所述卷积神经网络包括三个卷积层和两个池化层，各卷积层的卷积核均为3×3的卷积核，各池化层均为最大池化层。

进一步的，所述离散余弦变换所采用的公式为：