[发明专利]基于多因素的油浸式变压器顶层油温预测方法

摘要

本发明公开了一种基于多因素的油浸式变压器顶层油温预测方法，根据未来某日的日气温预测最大值、未来某日的变压器日负荷预测95概率预测值、变压器基础油温数据，代入变压器油温线性回归分析模型计算得到未来某日内的油温预测最大值，如变压器冷却系统工况异常，还应将未来某日内的油温预测最大值与冷却器运行异常修正量求代数和，得到最终变压器顶层油温预测值。本发明提供的基于多因素的油浸式变压器顶层油温预测方法，提供了一种简捷实用预测方法，为电网运行管理人员及时了解变压器运行工况提供了参考依据。

主权项

一种基于多因素的油浸式变压器顶层油温预测方法，其特征在于：包括如下步骤：步骤一：抽取历史气温、历史油温、历史负荷、历史人体舒适度日统计值；步骤二：根据历史气温、历史油温、历史负荷95概率值的日统计值，建立变压器油温线性回归分析模型，并计算得到变压器油温线性回归分析模型系数：a、b、c、d；步骤三：对于非自冷型变压器，通过对冷却器运行异常时油温实测值与理论计算期望值之间分析比较，得到冷却器运行异常修正常量；步骤四：根据天气预报信息计算得到未来某日的人体舒适度预测值，并利用相似日负荷预测模型，得到未来某日的变压器日负荷95概率预测值；步骤五：根据未来某日的日气温预测最大值、未来某日的变压器日负荷预测95概率预测值、变压器基础油温数据，代入变压器油温线性回归分析模型计算得到未来某日内的油温预测最大值，如果变压器冷却系统工况异常，还应将未来某日内的油温预测最大值与冷却器运行异常修正常量求代数和，得到最终变压器顶层油温预测值；所述步骤一包括如下步骤：步骤1a：从EMS系统中获取全省所有油浸式变压器的历史油温和历史负荷数据，并统计得到各主变压器的历史油温的最大值和历史负荷数据的95概率值；步骤1b：从气象信息系统中获取各市县的历史日气温最大统计值，并以市县区位信息为主题将历史日气温最大统计值与各主变压器历史油温最大值、历史负荷95概率值进行关联合并；步骤1c：从气象信息系统获取各市县的历史温度、历史湿度、历史风速数据，计算各日的人体舒适度统计值，结合工作日、节假日、特殊日，以市县区位信息为主题将各日的人体舒适度统计值与各主变压器历史负荷95概率统计值关联合并；所述步骤二包括如下步骤：步骤2a：抽取指定时间窗口内的历史日气温最大值、历史日油温最大值、历史日负荷95概率值和基础油温值，剔除冷却系统工况异常日的记录，所述时间窗口设置为45‑90天，所述基础油温值设置为前一日油温最高值；步骤2b：利用最小二乘法，建立油温与气温、负荷、基础油温的线性回归分析模型，变压器油温线性回归分析模型：OT＝a*T+b*I+c*BOT+d；其中，OT指预测日的油温最大值,T指预测日的环境温度最大值，I指预测日的负荷95概率值，BOT指预测日前一日的油温最大值，即基础油温值；步骤2c：将历史日气温最大值、历史日油温最大值、历史日负荷95概率值和基础油温值代入线性回归分析模型，计算得到线性回归分析模型系数：a、b、c、d；所述步骤三包括如下步骤：步骤3a：对于非自冷型变压器，抽取冷却器运行异常日期内的数据，包括：气温最大值、负荷95概率值、基础油温值；步骤3b：将上述数据代入变压器油温线性回归分析模型回归模型，计算得到当日油温期望值，将当日油温期望值与当日实际油温值之间求差值，得到冷却器运行异常日修正量，再求平均值，最终得到冷却器异常修正常量；步骤3c：对于自冷型变压器直接跳过该步骤；所述步骤四包括如下步骤：步骤4a：根据未来某日的天气预报信息，抽取温度、湿度、风速、基准温度的数据；步骤4b：根据人体舒适度计算公式：计算得到未来某日人体舒适度预测值；其中：DI为人体舒适度指数；T为当日最高温度；RH为日平均相对湿度；V为风速，取日最高风速与日最低风速平均值；TN为基准温度；步骤4c：提取未来某日之前的连续120个历史日的日类型、特殊日、日期距离、人体舒适度值四个因素数据，代入相似日预测模型，根据公式：F＝m1*m2*m3*m4，计算出120个历史日相对于未来某日相似度，其中F为未来某日与历史日相似度值，m1为日类型相似度值，m2为特殊日相似度值，m3为日期距离相似度值，m4为人体舒适度相似度值；日类型相似度值m1；日类型分为工作日或周末；m1取值方法如下： 周一周二周三周四周五周六周日周一10.70.70.70.70.40.4周二0.710.70.70.70.40.4周三0.70.710.70.70.40.4周四0.70.70.710.70.40.4周五0.70.70.70.710.40.4周六0.40.40.40.40.410.7周日0.40.40.40.40.40.71特殊日相似度值m2，特殊日指负荷明显不同的特定日期，根据历史日与待预测日的类型，m2的取值方法如下：日期距离相似度值m3，按下式计算:m3＝max(βk,a)式中:β为衰减系数，含义是历史日与待预测日的距离每增加1d的相似度缩减比率,取值在0.90‑0.98之间；k为历史日与待预测日的间隔天数；a为该因素的最低相似度,默认值为0.4；m3设置为βk与a之间的大值，即当βk值小于0.4时，m3＝0.4；人体舒适度相似度值m4，计算方法如下：其中DI0为未来某日的人体舒适度预测值，DId为历史日的人体舒适度实测值；步骤4d：取120个历史日相似度最大值的当日历史负荷95概率值，再求平均值，得到历史负荷95概率值平均值即设置为未来某日变压器日负荷的95概率预测值。