[发明专利]一种变压器容量校核与评估方法、系统、设备及存储介质

权利要求书

1.一种变压器容量校核与评估方法，其特征在于，包括以下步骤：

将存疑电力用户上报的变压器容量输入至训练完成的第一神经网络模型，得到所述第一神经网络模型输出的所述变压器容量的核心因素分布区间；

根据现场测试数据以及所述变压器容量的核心因素分布区间，计算出修正变压器容量；

将所述现场测试数据中的空载损耗值、负载损耗值以及所述修正变压器容量输入至训练完成的第二神经网络模型，得到所述第二神经网络模型输出的变压器型号。

2.如权利要求1所述的基于配变物理数据及试验数据的变压器容量校核与评估方法，其特征在于，所述第一神经网络模型的训练步骤包括：

步骤一：将质检机构历年抽检数据作为训练集数据，并将不同变压器的容量作为训练特征数据输入，将变压器容量核心因素分布区间作为训练的输出目标；

其中，X为训练集输入；x_n表示第n台变压器的容量；矩阵Y第n行表示第n台变压器容量对应的特征数据，矩阵第一、二列表示变压器体积的上下限，第三、四列表示变压器重量的上下限，第五、六列表示变压器直流电阻的上下限，第七、八列表示变压器空载损耗的上下限，第九、十列表示变压器负载损耗的上下限，第十一、十二列表示变压器短路阻抗的上下限；

步骤二：构建变压器容量核心因素数据分布模型；

Y_pre＝f(X_in)＝tanh(tanh(X_in×W₁+B₁)×W₂+B₂)

其中，X_in为输入的特征数据，即各变压器的容量；W₁、W₂为网络权重参数；B₁、B₂为偏置参数；Y_pre为输出的变压器容量核心因素分布区间；tanh()为双曲正切函数；

步骤三：训练网络，并通过梯度下降方法，优化参数W₁、W₂、B₁、B₂，满足以下优化条件，即训练完成；

其中，X_tra为训练时输入的特征数据，Y_tra为训练时输出的变压器容量核心因素分布区间。