一种配网变压器运行状态的预测方法技术

本申请公开了一种配网变压器运行状态的预测方法，包括：采集油色谱中特征气体含量并进行归一化，得到训练样本；采集特征气体含量对应变压器的状态指标数据，划分变压器4种状态；通过劣化函数求得变压器状态指标的相对劣化度，加权求得综合劣化度；通过分布函数确定变压器状态和综合劣化度之间的分布关系，得到特征气体含量相对应变压器状态的隶属度；将隶属度作为网络训练数据集标签，构建变压器运行状态预测模型；向变压器运行状态预测模型输入油色谱中特征气体含量，取输出值中最大置信值对应的变压器状态为预测状态。本申请通过深度学习、多参数融合分析及时捕捉变压器的状态信息，实现状态智能预测，提升变压器设备评价与状态预测的准确性。

A Prediction Method for Operation State of Distribution Transformer

This application discloses a method for predicting the operation status of distribution transformer, which includes: collecting and normalizing the characteristic gas content in oil chromatography to obtain training samples; collecting the state index data of the characteristic gas content corresponding to the transformer, dividing the transformer into four states; calculating the relative deterioration degree of the transformer state index through the deterioration function, and weighting the comprehensive deterioration degree; Distribution function determines the distribution relationship between transformer status and comprehensive deterioration degree, and obtains the membership degree of characteristic gas content relative to strain transformer status; takes membership degree as the label of network training data set, constructs the prediction model of transformer operation status; inputs the characteristic gas content in oil chromatography to the prediction model of transformer operation status, and takes the transformer voltage corresponding to the maximum confidence value in output value. The state of the device is predicted. This application realizes intelligent state prediction and improves the accuracy of transformer equipment evaluation and state prediction through in-depth learning, multi-parameter fusion analysis and timely capture of transformer state information.

【技术实现步骤摘要】
一种配网变压器运行状态的预测方法
本申请涉及配电网变压器监测
，尤其涉及一种配网变压器运行状态的预测方法。
技术介绍
配网变压器在电能输送中起着调节电压等级和分配电能的作用，其运行环境始终有热、电及机械等应力的影响，随着服役期限的延长，变压器会由完全良好状态逐步劣化直至故障。对变压器运行期间状态进行监测，有助于及时感知变压器潜在威胁，掌握变压器故障发展趋势。目前，对配网变压器运行状态的监测与维修工作中，只是对配网变压器中的状态指标参量设定报警值。具体的，当其中一个或多个状态指标参量超过了其对应的报警值，并且长时间保持越限，操作人员根据上述情况计划安排配网变压器的维修。在上述配网变压器运行状态的检测工作中，只能当配网变压器中某一指标参量超出报警值后，才能对其进行维修，并无法对配网变压器的运行状态进行预测，从而无法针对变压器的运行状态对其进行维护。
技术实现思路
本申请提供了一种配网变压器运行状态的预测方法，以解决现有技术中无法预测配网变压器运行状态的技术问题。为了解决上述技术问题，本申请实施例公开了如下技术方案：本申请实施例公开了一种配网变压器运行状态的预测方法，所述方法包括：采集油色谱中特征气体含量并进行归一化，得到训练样本；采集所述特征气体含量对应变压器的状态指标数据，划分变压器状态，所述变压器状态包括正常、注意、严重及危急；通过劣化函数求得变压器状态指标的相对劣化度，加权求得综合劣化度；通过分布函数确定所述变压器状态和所述综合劣化度之间的分布关系，得到所述特征气体含量相对应变压器4种状态的隶属度；将所述隶属度作为网络训练数据集标签，构建变压器运行状态预测模型；向所述变压器运行状态预测模型输入油色谱中特征气体含量，取输出值中最大置信值对应的变压器状态为预测状态。可选地，在上述配网变压器运行状态的预测方法中，所述采集油色谱中特征气体含量并进行归一化，得到训练样本，包括：采集油色谱中特征气体含量，所述特征气体包括：H2、CH4、C2H4、C2H6、C2H2、总烃、CO以及CO2；通过离差标准化方法对所述特征气体含量数据进行归一化，归一化公式表示为：式中，x为特征气体含量，为归一化后的特征气体含量，xmin为样本数据最小值，xmax为样本数据最大值。可选地，在上述配网变压器运行状态的预测方法中，所述劣化函数表示为：lk＝G(a,b,x)式中，lk为特征气体含量中参数k的相对劣化度，G为劣化函数，a为最优值或出厂值，b为注意值，x为当前实测数值。可选地，在上述配网变压器运行状态的预测方法中，所述变压器状态指标包括绝缘特性试验和变压器油试验指标，当所述变压器状态指标为极大型指标时，所述劣化函数表示为：当所述变压器状态指标为极小型指标时，所述劣化函数表示为：可选地，在上述配网变压器运行状态的预测方法中，所述分布函数中以特征气体含量为输入特征量，以特征气体含量的相对劣化度为输出量，构建变压器状态指标对应于4种变压器状态的映射关系，得到所述特征气体含量相对应变压器4种状态的隶属度。可选地，在上述配网变压器运行状态的预测方法中，通过误差反向传播方法中沿时间反向传播法提取所述变压器运行状态预测模型特征。可选地，在上述配网变压器运行状态的预测方法中，通过层次分析法加权求得综合劣化度。与现有技术相比，本申请的有益效果为：本申请提供了一种配网变压器运行状态的预测方法，所述方法包括：采集油色谱中特征气体含量并进行归一化，得到训练样本；采集所述特征气体含量对应变压器的状态指标数据，划分变压器状态，所述变压器状态包括正常、注意、严重及危急；通过劣化函数求得变压器状态指标的相对劣化度，加权求得综合劣化度；通过分布函数确定所述变压器状态和所述综合劣化度之间的分布关系，得到所述特征气体含量相对应变压器4种状态的隶属度；将所述隶属度作为网络训练数据集标签，构建变压器运行状态预测模型；向所述变压器运行状态预测模型输入油色谱中特征气体含量，取输出值中最大置信值对应的变压器状态为预测状态。本申请通过深度学习、多参数融合分析及时捕捉设备的故障信息，追溯配网变压器故障发展过程，实现故障模式智能诊断，提升配网变压器设备评价与异常诊断的准确性。深度挖掘配网变压器全景状态信息与运行状态及故障趋势的潜在联系，利用深度网络结构实现状态智能预测，提升变压器设备评价与状态预测的准确性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。附图说明为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种配网变压器运行状态的预测方法的流程示意图；图2为本专利技术实施例提供的三角形梯形隶属函数分布图。具体实施方式为了使本
的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。参见图1，为本专利技术实施例提供的一种配网变压器运行状态的预测方法的流程示意图。结合图1可得，本申请中的配网变压器运行状态的预测方法包括以下步骤：步骤S101：采集油色谱中特征气体含量并进行归一化，得到训练样本；本申请以配网变压器监测数据作为数据基础，将油色谱中特征气体含量数据归一化后得到特征变量，作为训练样本数据。采集油色谱中特征气体含量，所述特征气体包括：H2、CH4、C2H4、C2H6、C2H2、总烃、CO以及CO2。采用离差标准化方法对所述特征气体含量数据进行归一化，处理降低特征气体含含量数据分散性对变压器运行状态预测模型的影响，归一化公式表示为：式中，x为特征气体含量，为归一化后的特征气体含量，xmin为样本数据最小值，xmax为样本数据最大值。步骤S102：采集所述特征气体含量对应变压器的状态指标数据，划分变压器状态，所述变压器状态包括正常、注意、严重及危急；配网变压器的状态划分为4种，包括：v1正常、v2注意、v3严重和v4危急。变压器的状态指标包括：油中溶解气体、吸收比及泄漏电流等绝缘特性试验和变压器油试验标准中指标参数，变压器状态、检修策略及变压器状态指标值的对应关系如表1所示。表1：步骤S103：通过劣化函数求得变压器状态指标的相对劣化度，加权求得综合劣化度；对变压器状态指标值，使用相对劣化度来表征变压器当前状态与故障状态相比的劣化程度，相对劣化度反映了变压器状态由正常向故障模式的转化程度，用[0，1]之间的数值表示，数值越小，状态越优，0表示变压器处于良好的正常状态，1表示变压器处于危急故障状态。相对劣化度的求解过程如下：设变压器状态指标值中参数k的最优值或出厂值为a，注意值为b，当前实测数值为x，则参数k的相对劣化度表示为：lk＝G(a,b,x)式中，lk为特征气体含量中参数k的相对劣化度，G为劣化函数。从自然劣化角度建立变压器状态指标值的劣化函数。当所述变压器状态指标为极大型指标时，如绝缘特性试验中的吸收比，数据越大，状态越优。当所述变压本文档来自技高网...

【技术保护点】
1.一种配网变压器运行状态的预测方法，其特征在于，所述方法包括：采集油色谱中特征气体含量并进行归一化，得到训练样本；采集所述特征气体含量对应变压器的状态指标数据，划分变压器状态，所述变压器状态包括正常、注意、严重及危急；通过劣化函数求得变压器状态指标的相对劣化度，加权求得综合劣化度；通过分布函数确定所述变压器状态和所述综合劣化度之间的分布关系，得到所述特征气体含量相对应变压器4种状态的隶属度；将所述隶属度作为网络训练数据集标签，构建变压器运行状态预测模型；向所述变压器运行状态预测模型输入油色谱中特征气体含量，取输出值中最大置信值对应的变压器状态为预测状态。

【技术特征摘要】
1.一种配网变压器运行状态的预测方法，其特征在于，所述方法包括：采集油色谱中特征气体含量并进行归一化，得到训练样本；采集所述特征气体含量对应变压器的状态指标数据，划分变压器状态，所述变压器状态包括正常、注意、严重及危急；通过劣化函数求得变压器状态指标的相对劣化度，加权求得综合劣化度；通过分布函数确定所述变压器状态和所述综合劣化度之间的分布关系，得到所述特征气体含量相对应变压器4种状态的隶属度；将所述隶属度作为网络训练数据集标签，构建变压器运行状态预测模型；向所述变压器运行状态预测模型输入油色谱中特征气体含量，取输出值中最大置信值对应的变压器状态为预测状态。2.根据权利要求1所述的配网变压器运行状态的预测方法，其特征在于，所述采集油色谱中特征气体含量并进行归一化，得到训练样本，包括：采集油色谱中特征气体含量，所述特征气体包括：H2、CH4、C2H4、C2H6、C2H2、总烃、CO以及CO2；通过离差标准化方法对所述特征气体含量数据进行归一化，归一化公式表示为：式中，x为特征气体含量，为归一化后的特征气体含量，xmin为样本数据最小值，xma...

【专利技术属性】
技术研发人员：徐肖伟，郭霖徽，王洪林，范黎涛，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：云南,53