[发明专利]一种基于时间卷积网络的CVT误差状态预测方法

说明书

本发明涉及一种基于时间卷积网络的CVT误差状态预测方法。该方法包括以下步骤：计算得出CVT特征参数值，并生成时间序列；使用Hampel滤波器对异常值进行处理；处理过后的序列使用ADF检验，判断其平稳性，若时间序列是非平稳的，则通过差分指数平滑处理，将其转变为平稳时间序列；使用训练样本对时间卷积网络进行训练；在测试阶段，输入测试样本至保存的网络模型，输出CVT的误差预测值，与真实值对比，检查网络模型的有效性；将训练完善的时间卷积网络模型应用于CVT的状态预测，可判断CVT未来的误差是否存在超差可能性。本发明将时间卷积网络应用于CVT的状态预测，可得到CVT未来的误差状态变化趋势，以便提前排查故障，保证电网正常运行。

技术领域

本发明涉及一种基于时间卷积网络的CVT误差状态预测方法，属于电容式电压互感器(CVT)误差状态预测领域技术领域。

背景技术

电压互感器是电网中重要的电力设备，它将高压转换为低压，用于测量一次侧的电压、电流值。其中，电容式电压互感器(CVT)已经广泛应用于110kV～500kV的电网，由于其绝缘性能良好、制造简单、体积小、质量轻等优点，CVT正逐渐取代电磁电压互感器。

理想的CVT是时不变系统，然而，随着时间推移，CVT的计量特性会缓慢变化，直至超出计量误差要求。国家标准规定，CVT的检修时间不超过4年。为了评估CVT的运行性能，电力公司通常在一定检定周期内对CVT进行停电检修，利用标准器与被检测的CVT进行误差比对。然而周期检测存在工作量大、效率低、检测不及时等缺点，影响了电力系统的安全运行。

目前，已经存在对CVT在线监测的方法，可以获得CVT的实时电气参数，稳定地检测CVT的运行性能。在实际中，能够对CVT的误差状态做出预测，实现对系统的预警也同样重要。对CVT的误差状态预测能够使维修人员在产生故障以前对CVT进行检修工作，极大程度减少电能计量损失，保证电力系统的正常运行。

近年来，人工智能技术日益成熟，使用机器学习的方法对数据进行预测得到广泛应用。时间卷积网络能够处理时间序列的问题，通过增大卷积核可以增大感受野，使高层融汇大量底层信息，对处理长时间跨度的时序数据有较优的精度与处理速度。利用系统的历史运行误差状态数据，通过时间卷积网络对其进行训练，可以预测系统未来的运行误差状态，判断未来是否存在误差超差的可能性。

发明内容

本发明的目的是：使系统可以根据历史运行误差状态数据预测未来的系统运行误差状态，判断CVT是否存在误差超差的可能性。

为了达到上述目的，本发明的技术方案是提供了一种基于时间卷积网络的CVT误差状态预测方法，其特征在于，包括下列步骤：

S1、采集电容式电压互感器运行时的电气参量，计算得到电容式电压互感器的四个特征参数，分别为幅值误差ε_U、相位误差Φ_U、介电损耗tanδ与电容值C，幅值误差ε_U与相位误差Φ_U反映了电容式电压互感器的准确性，介电损耗tanδ与电容值C反映了电容式电压互感器的安全性与可靠性；以一定时间间隔的特征参数的测量值为序列值，生成电容式电压互感器的四个特征参数的时间序列；

S2、使用Hampel滤波方法剔除各时间序列中偏离大多数特征值和/或不符合测量数据统计规律的异常值，以避免测量电容式电压互感器参数时可能产生的异常值对预测精度产生影响，导致误差状态预测结果错误；

S3、对滤波处理后的时间序列使用ADF检验，判断其平稳性，若时间序列是非平稳的，则对时间序列进行差分指数平滑处理，将其转变为平稳的时间序列，若所有时间序列是平稳的，则进入步骤S4；

S4、对上一步得到的时间序列进行归一化处理；

S5、利用基于样本数据通过上述步骤S1至步骤S4得到的归一化处理后的时间序列对时间卷积网络进行训练，得到预测结果最准确的时间卷积网络参数；