[发明专利]一种变压器油中溶解气体浓度预测模型建模方法

说明书

一种变压器油中溶解气体浓度预测模型建模方法，选择可能对变压器油中溶解气体预测具有积极影响的重要因素并建立变量环境，设定每一种气体的预测都受到其余所有变量的积极影响，使用长短时记忆网络(LSTM)预测模型分别预测并比较误差，验证假设并提取对待预测气体变量具有积极影响的重要因素，在已筛选出重要因素的基础上，建立融合时间注意力机制的LSTM预测模型，增强重要因素历史时序数据中关键信息的表达，将重要因素对应的时序数据作为融合时间注意力机制的LSTM的输入，预测模型建模完成。本发明方法可以根据已采集的变压器历史运行状态数据，解决基于传统关联性分析方法的变压器油中溶解气体浓度预测方法精度不高的问题。

技术领域

本发明涉及电力变压器运行状态评估及预测领域，具体涉及一种变压器油中溶解气体浓度预测模型建模方法。

背景技术

电力变压器作为电力系统中最关键的设备之一，具有传输和转换电能的作用，保证其安全稳定运行对整个电力网络至关重要。依靠传统定期人工检修方式对变压器设备进行健康检查会耗费大量人力、物力及财力，还可能出现维修过多或维修不及时，导致变压器损坏和寿命折损，因此对变压器未来状态进行预测，并实施全生命周期的精细化管理，正在成为热点。

油中溶解气体分析(Dissolved Gas Analysis，DGA)技术是当前国际上公认的发现变压器初期故障及缺陷的有效手段，通过油色谱在线监测装置采集的油中相关状态指标历史数据，对未来油中溶解气体浓度进行建模预测，可以有效掌握设备状态和发展趋势，对于电力变压器状态预测具有重要的技术价值。

当前的一些关于变压器状态预测研究方法中考虑的变量种类不够全面，对变量间相互影响关系缺乏深入的分析，如灰色关联分析法、相关系数法等方法通过人为确定系数过于主观性，并且没有挖掘时序信息中的依赖关系导致长期预测效率不高。

发明内容

针对目前电力变压器状态评估过程中对油中溶解气体预测精度不高的问题。本发明提供一种变压器油中溶解气体浓度预测模型建模方法，采用本发明的预测模型，可基于已采集的变压器历史运行数据完成预测模型输入变量的筛选和模型训练，实现对变压器油中溶解气体的精准预测，提高了变压器油中溶解气体浓度预测效率和准确性。

本发明采取的技术方案为：

一种变压器油中溶解气体浓度预测模型建模方法，首先，从建立的变量环境中找出溶解气体浓度预测的积极影响因素；然后，采用时间注意力机制增强积极影响因素对应的历史时序中关键信息的表达；最后，通过预测模型得出变压器油中溶解气体未来浓度值。

一种变压器油中溶解气体浓度预测模型建模方法，包括以下步骤：

步骤1、建立变量环境：

包括变压器油中溶解气体、运行状态和运行环境：H₂(μL/L)、CH₄(μL/L)、C₂H₆(μL/L)、C₂H₄(μL/L)、C₂H₂(μL/L)、CO(μL/L)、CO₂(μL/L)、总烃(μL/L)、负荷(MW)、油温(℃)、环境温度(℃)，其中，输入到预测模型的是各变量对应的时间序列信息，7种溶解气体为待预测变量；

步骤2、设定待预测气体的积极影响因素：

设任一种待预测气体y的浓度预测受到积极影响因素x₁、积极影响因素x₂、…、积极影响因素x_n-1的影响，其中：n为变量环境内总变量个数。

步骤3、对步骤2设定的待预测气体的积极影响因素进行验证：

步骤3.1：将待预测气体y的历史时序数据输入到LSTM网络，预测该气体的未来浓度值，并计算结果的均方根误差RMSE₁；