[发明专利]一种对比光纤测温的变压器热点温升预测方法

摘要

本发明公开了一种对比光纤测温的变压器热点温升预测方法，包括以下步骤：获取一台装设光纤测温设备的油浸式变压器实测的热点温度、顶层油温、环境温度、负载电流数据；设定热点温升预测模型的基本框架；将获取的实测数据进行处理后划分为训练集和预测集；采用遗传编程算法对训练集数据进行驱动建模，建立显式热点温升的预测模型；将预测集数据输入预测模型，预测变压器热点温升。本发明的有益效果在于，最终建立显式的热点温升预测模型，可直观地揭示热点温升随负载动态变化的机理；具有较强泛化性能，可实现电力系统中同等容量型号的油浸式变压器群热点温升的批量预测与在线监测。

主权项

1.一种对比光纤测温的变压器热点温升预测方法，其特征在于，包括以下步骤：第一步、获取一台装设光纤测温设备的油浸式变压器实测的热点温度、顶层油温、环境温度、负载电流数据，并利用如下公式计算热点温升：Δθhs(k)＝θhs(k)‑θtop(k)式中，Δθhs为热点温升，θhs为热点温度，θtop为顶层油温，k为离散时间变量，即所得数据为采样得到的一组离散值；第二步、设定热点温升预测模型的基本框架如下：式中，Ipu为负载系数，θamb为环境温度，t表示时间变量；第三步、计算第一步所获取的热点温升数据在时间上的微分值并将负载电流比上额定电流得到负载系数I_pu(k)，所获取的环境温度数据θ_amb(k)不变，进一步将热点温升微分值、热点温升、负载系数及环境温度数据划分为训练集和预测集；第四步、采用遗传编程算法对训练集数据进行驱动建模，建立显式的热点温升预测模型，具体如下：1)初始化种群：设置遗传编程算法运行控制参数，由算法随机生成具有Z个函数个体的初代种群；所述算法控制参数，包括种群的函数个体数目Z、训练代数G、满足遗传编程终止规则所设阈值γ、函数个体的最大节点数Nm、适应度函数权系数α1和α2、交叉概率Pc及变异概率Pm的初始值、函数集、叶节点；2)基于训练集通过适应度函数计算函数个体适应度大小，适应度值越小，函数个体越优；所述用于计算函数个体适应度大小的适应度函数设置如下：式中，Jg,i为第g代种群中第i个函数个体的计算值，R(k)为训练集中的热点温升微分值，M为训练集大小，即训练集的数据组数，N为函数个体的节点数，εmax为当前函数个体计算的最大平均绝对误差，α1和α2为适应度函数权系数；3)选择：由轮盘赌法选择出用于进行遗传操作的函数个体；4)对选出的函数个体执行遗传操作，生成下代种群；所述遗传操作包括函数个体的交叉及变异，其中交叉概率Pc、变异概率Pm将随着进化迭代不断地自适应变化，函数个体适应度越小，其被分配的交叉、变异概率越大；5)重复执行以上第2)至第4)步，直到满足算法终止规则为止；所述的终止规则，具体为：(1)相邻两代最大适应度值的差值达到预先设定的阈值γ，即：|Fmax(Jg,i+1)‑Fmax(Jg,i)|≤γ式中Fmax(Jg,i+1)和Fmax(Jg,i)分别为相邻两代的最大适应度值；(2)进化到预先确定的训练代数G；满足以上其中一条规则即终止遗传编程算法的建模运行过程；6)将遗传编程算法最后一代中适应度值最小的函数个体作为热点温升预测模型；第五步、将预测集中负载系数、环境温度输入热点温升预测模型，预测变压器热点温升，将通过预测模型得到的热点温升预测值与预测集中的实测热点温升值进行对比，并利用下式计算二者平均绝对误差MAE、平均相对误差MRE及拟合优度R2，验证模型预测精度及准确性；式中，n为数据点数，f_i为通过预测模型得到的热点温升预测值，y_i为预测集中的热点温升实测值，为预测集中热点温升的平均值；第六步、若第五步中预测集验证的模型的预测精度达标，则选定该模型作为最终热点温升预测模型；若其预测精度不达标，则重复第四步至第五步，直到选定预测精度达标的最终热点温升预测模型；所述预测精度达标与否的判定标准具体设定为：若平均绝对误差MAE小于2℃，平均相对误差MRE小于1.20％且拟合优度R2大于0.9，则预测精度达标，否则视为预测精度不达标。