[发明专利]一种基于黑盒模型的换流变压器运行状态判断方法及装置

权利要求书

1.一种基于黑盒模型的换流变压器运行状态判断方法，所述换流变压器布置有若干个振动测点，其特征在于，所述方法包括：

获取换流变压器多个测点振动信号，并将该多个测点振动信号作为变压器振动检测黑盒模型的输入；

变压器振动检测黑盒模型根据多个测点振动信号来计算并输出目标测点振动信号的计算值；

将目标测点振动信号的计算值和实测值进行比较，根据比较结果来判断出换流变压器的运行状态。

2.如权利要求1所述的基于黑盒模型的换流变压器运行状态判断方法，其特征在于，所述变压器振动检测黑盒模型是以如下两个定量关系所建立的一个模型：

从换流变压器的铁芯和绕组到油箱壁之间的振动传递存在一个正向定量关系；从换流变压器的油箱壁到铁芯和绕组之间存在一个逆向定量关系。

3.如权利要求1所述的基于黑盒模型的换流变压器运行状态判断方法，其特征在于，所述目标测点通过如下方式确定：采用相关性分析计算得到与其他测点相关性最强的测点作为目标测点；

并选取与目标测点相关的测点作为输入测点。

4.如权利要求3所述的基于黑盒模型的换流变压器运行状态判断方法，其特征在于，所述相关性分析计算方式为：

采用Pearson相关系数实现两两测点的相关性分析，Pearson相关系数P的计算方法如式(1)所示,式(1)中，X和Y为两个不同的变量，和分别为X和Y变量的平均值；

5.如权利要求4所述的基于黑盒模型的换流变压器运行状态判断方法，其特征在于，所述变压器振动检测黑盒模型为六输入单输出网络模型。

6.如权利要求5所述的基于黑盒模型的换流变压器运行状态判断方法，其特征在于，所述六输入单输出网络模型为BP神经网络结构，网络训练过程中，设置最大迭代次数为1000，采用前4s的80000个采样点数据作为训练数据集；以同一段数据的7s-7.2s之间的数据作为测试数据集，验证该网络是否可以准确计算目标测点的振动信号。

7.如权利要求6所述的基于黑盒模型的换流变压器运行状态判断方法，其特征在于，定义模型误差E如式(2)所示：

式(2)中E为误差，Ri为第i个采样点的计算结果，Mi为第i个采样点的实测值。

8.如权利要求1所述的基于黑盒模型的换流变压器运行状态判断方法，其特征在于，所述方法在换流变压器油温达到稳定状态时进行测量。

9.一种换流变压器运行状态判断装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一所述方法的步骤。