[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

说明书

本发明公开了一种变压器容量校核与评估方法，包括：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，得到第一神经网络模型输出的变压器容量的核心因素分布区间；根据现场测试数据以及变压器容量的核心因素分布区间，计算出修正变压器容量；将现场测试数据中的空载损耗值、负载损耗值以及修正变压器容量输入至训练完成的第二神经网络模型，得到第二神经网络模型输出的变压器型号。据此，本发明基于人工智能技术，能够快速地检测出虚标变压器容量，为电网现场校验提供依据与指导，减少由于变压器容量虚标给电网带来在基本电价上的损失。

技术领域

本发明涉及变压器容量评估技术领域，尤其涉及一种变压器容量校核与评估方法、系统、设备及存储介质。

背景技术

变压器是电力系统中的一个重要环节，它的运行情况直接影响到电力系统的可靠、经济运行。而在电网建设现场，往往存在大型电力变压器铭牌上标注的容量与其实际容量存在差异，或者部分变压器未标注其容量的情况，而变压器容量虚标会给电网带来电价上的经济损失，甚至会导致大量能源的浪费。

因此，如何快速检测出存疑的变压器容量成为急需解决的问题。

发明内容

鉴于以上所述现有技术的不足，本发明的目的在于：提供一种变压器容量校核与评估方法、系统、设备及存储介质，本发明基于人工智能技术，配置相应的神经网络模型快速地检测出存疑的变压器容量，辅助电网进行后续现场校验，有效减少变压器容量虚标/非标给电网带来在基本电价上的损失。

为实现上述发明目的，本发明提供以下技术方案：

一种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，包括以下步骤：

S1：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；

S2：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；

S3：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。

根据一种的具体实施方式，上述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中，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；