一种对比光纤测温的变压器热点温升预测方法技术

技术编号:20363805 阅读:131 留言:0更新日期:2019-02-16 16:56
本发明专利技术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。本发明专利技术的有益效果在于,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。

【技术实现步骤摘要】
一种对比光纤测温的变压器热点温升预测方法
本专利技术涉及电气绝缘在线监测与故障诊断领域,特别是一种对比光纤测温的变压器热点温升预测方法。
技术介绍
油浸式变压器作为电力系统的核心设备,其高效安全运行对电力行业的运营发展起着至关重要的作用。变压器的工作寿命取决于内部绝缘性能,而热老化是其绝缘性能劣化的主要影响因素。通过对油浸式变压器热点温升的预测,可直接确定绕组的最大温度,了解变压器内部热状态从而判断其是否过热;因此,对油浸式变压器热点温升的准确预测,是寿命评估的基本前提,可进一步为变压器维修替换、容量利用提供参考。目前评估变压器热点温升最精确的方法是使用光纤测温系统测量,该方法可直接确定热点的位置和温度,真正实现变压器绕组温度的分布式测量,具有测量精确、干扰小、使用寿命长的特点。但光纤传感器十分脆弱,很容易在安装过程因弯折或运行中受到机械应力而损坏;安装处的绝缘层较为薄弱,绕组整体绝缘会遭受一定程度的破坏,并且运行维护困难、成本较高;综上所述,利用光纤测温系统监测热点温升的方法难以大量推广应用。因此,在变压器正常运行的过程中,若能有效利用关键影响因素以实现热点温升的实时在线监测,可及时发现变压器异常运行时的内部热故障,最大程度防止突发事故发生,减少运维成本,降低变压器寿命损失。
技术实现思路
针对上述技术问题,本专利技术的目的是提出一种对比光纤测温的变压器热点温升预测方法,只需获取一台装设光纤传感器的油浸式变压器的负载电流、热点温度、顶层油温和环境温度数据,利用遗传编程对数据进行驱动建模,即可建立该变压器的热点温升的显式预测模型,从而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。实现本专利技术目的的技术方案如下: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: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Ipu(k),所获取的环境温度数据θamb(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,fi为通过预测模型得到的热点温升预测值,yi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。本专利技术的有益效果在于,一种对比光纤测温的变压器热点温升预测方法具有以下优点:1)遗传编程算法在建模中具有较强鲁棒性、全局寻优等性能,所建热点温升预测模型可显式表达,能直观地揭示热点温升与其影响因素间内在动态规律;2)该方法能有效利用少数几台装设光纤测温设备的油浸式变压器所监测的数据为驱动,建立热点温升预测模型,可准确快速地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批量预测;3)结合变电所在线监测的环境温度、负载电流,热点温升预测模型可实时输出变压器的热点温升值,实现热点温升的在线监测。附图说明图1是本专利技术涉及的一种对比光纤测温的变压器热点温升预测方法的流程图;图2是牵引变压器A的α相和β相实测数据;图3是牵引变压器A的β相预测曲线;图4是牵引变压器B热点温升的预测值与实测数据对比。具体实施方式下面结合附图和具体实施过程对本专利技术进行进一步说明。需要强调的是,此处所描述的具体实施案例仅仅用于解释本专利技术,并不限定本专利技术构思及其权利要求之范围。以某一牵引变电所中装设光纤测温设备的牵引变压器A的热点温升、负载电流和环境温度数据进行建模,并对同一线路不同区段下变压器B热点温升实施预测为例,具体如下:第一步、获取装设光纤测温设备的牵引变压器A的α相和β相实测热点温度、顶层油温、环境温度、负载电流数据:牵引变压器A的铭牌参数如表1所示,以5s为间隔采集牵引变压器A运行24h的α相和β相负载电流、热点温度、顶层油温及环境温度共17281组,并将负载电流比上额定电流得到负载系数Ipu,依据式(1)计算热点温升,实测数据如图2所示;Δθhs(k)=θhs(k)-θtop(k)(1)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;表1牵引变压器A的铭牌参数第二步、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、根据式(2),计算第一步得到的热点温升数据在时间上的微分值所获取的环境温度数据不变,进一步将α相和β相的热点温升微分值、本文档来自技高网...

【技术保护点】
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:

【技术特征摘要】
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Ipu(k),所获取的环境温度数据θamb(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...

【专利技术属性】
技术研发人员:袁帅郭蕾黄林唐浩龙王健王路伽周利军
申请(专利权)人:西南交通大学
类型:发明
国别省市:四川,51

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1