一种多工况参数辨识优化的变压器热点温度预测方法技术

本发明专利技术公开了一种多工况参数辨识优化的变压器热点温度预测方法，包括以下步骤：实时采集变压器测试数据，根据其运行工况，将测试数据划分为训练集和预测集；选取IEEE模型在不同工况下明显变化的参数作为待辨识优化的参数，构造各个工况下IEEE模型的参数辨识优化目标函数；基于各个运行工况的训练集，利用搜索方法寻找各工况下的参数辨识优化目标函数的最优解，将各个工况下的辨识优化参数代入，利用IEEE模型对每个工况下的预测集测试数据进行预测，得到变压器热点温度预测序列。本发明专利技术可获得精度较高的热点温度预测值，能够可靠地分析热点温度的动态变化趋势，进而提升了变压器在热特性衡量方面的准确度。

【技术实现步骤摘要】

本专利技术涉及一种多工况参数辨识优化的变压器热点温度预测方法。
技术介绍
电力变压器作为电力系统中至关重要的设备之一，其运行的安全性和经济性值得关注。变压器允许短时间过负载运行，在准确可靠预测变压器顶层油温和热点温度的前提下，将变压器温升限值提高2％到3％将带来巨大的经济效益。变压器热点温度是变压器动态运行容量的最大限制因素，热点温度超过安全限值后，将会损害绝缘，影响变压器的安全运行，因此，精确可靠地预测变压器热点温度十分重要。变压器绕组热点产生的机理复杂，具有不确定性，很难进行解析计算。关于变压器的热点温度和顶层油温预测，国内外学者提出了多种方法，包括导则方法、热路模型方法、神经网络方法等。热路模型需要较多的变压器传热参数；神经网络方法缺乏明确的物理意义；IEEE Std C57.91推荐模型作为一种传统方法，模型参数相对易于计算，但存在精度不高的问题，尤其在过负荷工况下，预测精度严重下降，且在过负载工况下的预测值小于实测值，增加变压器超铭牌运行风险。因此，已有模型均未考虑变压器在过负载工况下的预测安全裕度。
技术实现思路
本专利技术为了解决上述问题，提出了一种多工况参数辨识优化的变压器热点温度预测方法，本方法基于IEEE Std C57.91推荐模型，分别辨识优化各工况下的模型参数，提高了模型的预测精度。为了实现上述目的，本专利技术采用如下技术方案：一种多工况参数辨识优化的变压器热点温度预测方法，包括以下步骤：(1)实时采集变压器测试数据，将每一个运行工况的测试数据均划分为训练集和预测集；(2)选取IEEE模型在不同工况下明显变化的参数作为待辨识优化的参数，构造各个工况下IEEE模型的参数辨识优化目标函数；(3)基于各个运行工况的训练集，利用搜索方法寻找各工况下的参数辨识优化目标函数的最优解；(4)将各个工况下的辨识优化参数代入，利用IEEE模型对每个工况下的预测集测试数据进行预测，得到变压器热点温度预测序列。所述步骤(1)中，变压器的测试数据包括负载电流、环境温度时间序列和各序列对应时间段的散热方式。所述步骤(1)中，基于实测数据情况采用树状分类方法划分变压器运行工况的种类。所述步骤(1)中，实时采集变压器测试数据，在每一种运行工况下，从测量数据中，选取60％-80％的具有代表性的数据作为训练集，剩下的数据作为预测集，将测试数据划分为训练集和预测集。所述步骤(2)中，辨识优化的参数向量具体包括传热热阻、油粘度、顶层油温升、热点相对于顶层油的温升、变压器油时间常数和热点位置的绕组时间常数。所述步骤(2)中，辨识优化的目标函数为求取该工况下的最优参数向量，使该工况下的预测值与热点温度测量值的整体误差最小。所述步骤(2)中，构建的辨识优化的目标函数根据负载等级不同，构造不同的权值，确定相应工况对于误差的容忍度。所述步骤(2)中，对于低于额定负载的工况，根据实测负荷电流与额定负荷电流的比值构造权值；对于过负载工况，根据该工况下的热点温度预测值和热点温度测量值构造权值。进一步的，对于过负载工况，构造的权值当预测误差为负时，随误差增加，权值迅速增加；预测误差为正时，权值随着误差增加相对缓慢，且预测误差为预测安全裕度时，权值最小。所述步骤(3)中，采用的搜索方法包括但不仅限于粒子群算法、遗传算法和布谷鸟搜索优化算法。所述步骤(3)中，采用采用布谷鸟搜索算法的具体步骤包括：(3-1)将待辨识优化的参数作为布谷鸟搜索算法中鸟巢的位置，随机初始化鸟巢位置；(3-2)经过Lévy飞行搜索和随机搜索，保留最优鸟巢，进入下一次迭代；(3-3)达到迭代收敛条件后，最终被保留的最优鸟巢的位置即为最优解。所述步骤(4)中，具体方法为将各工况下的辨识优化参数分别代入IEEE模型中，对对应工况的预测集数据进行预测，采用四阶的龙格库塔法对方程组进行求解，得到变压器热点温度预测序列。本专利技术的有益效果为：(1)本专利技术基于IEEE Std C57.91推荐模型，分别辨识优化各工况下的模型参数，以提高模型的预测精度；(2)过负载工况下，通过构造优化目标函数中预测误差的权重表达式，使辨识参数模型能够取得适当保守的预测结果，提高过负载工况下的预测安全性；(3)本专利技术可获得精度较高的热点温度预测值，能够可靠地分析热点温度的动态变化趋势，进而提升了变压器在热特性衡量方面的准确度，有利于更好地指导变压器的负载运行，促进变压器在在线监测装置的推广和在线监测信息的深度应用。附图说明图1为多工况参数辨识优化模型示意图；图2工况分类方法示意图；图3过负载工况权值随预测误差变化曲线图；图4为变压器实测负荷电流数据图；图5为变压器实测热点温度数据图；图6为热点温度预测结果对比曲线图；图7为热点温度预测误差对比曲线图。具体实施方式：下面结合附图与实施例对本专利技术作进一步说明。一种多工况参数辨识优化的变压器热点温度预测方法，如图1所示，包括：步骤1：选取实测变压器实测数据样本，包括负载电流、环境温度等；根据实测数据情况划分变压器运行工况的种类，并为每种工况划分实测数据集，并将实测数据集划分为训练集和预测集。步骤2：选取IEEE模型在不同工况下变化较大的参数作为待辨识优化的参数；构造各个工况下IEEE模型的参数辨识优化目标函数。步骤3：利用各工况下的训练集数据，采用布谷鸟搜索算法(Cuckoo Search,CS)算法分别辨识优化各工况下的IEEE模型参数。步骤4：将各工况下的辨识优化参数分别代入IEEE模型中，对对应工况的预测集数据进行预测。所述步骤1的具体过程为：步骤1.1选取实测变压器实测数据样本，包括负载电流、环境温度时间序列，及各序列对应时间段的散热方式；步骤1.2根据实测数据情况划分变压器运行工况的种类，如附图2所示。采用树状分类方法进行工况划分，首先根据变压器负载等级划分工况，然后根据散热方式划分工况，最后根据其它可测的影响因素划分工况分类。步骤1.3根据工况划分情况，分别给每种工况划分出对应的实测数据集，并针对每种工况划分为训练集和预测集。所述步骤2的具体内容为：步骤2.1选取IEEE模型在不同工况下变化较大的参数作为待辨识优化的参数。IEEE变压器热点计算公式为： DΘ T O = D t τ T O [ [ 本文档来自技高网...

【技术保护点】
一种多工况参数辨识优化的变压器热点温度预测方法，其特征是：包括以下步骤：(1)实时采集变压器测试数据，将每一个运行工况的测试数据均划分为训练集和预测集；(2)选取IEEE模型在不同工况下明显变化的参数作为待辨识优化的参数，构造各个工况下IEEE模型的参数辨识优化目标函数；(3)基于各个运行工况的训练集，利用搜索方法寻找各工况下的参数辨识优化目标函数的最优解；(4)将各个工况下的辨识优化参数代入，利用IEEE模型对每个工况下的预测集测试数据进行预测，得到变压器热点温度预测序列。

【技术特征摘要】
1.一种多工况参数辨识优化的变压器热点温度预测方法，其特征是：包括以下步骤：(1)实时采集变压器测试数据，将每一个运行工况的测试数据均划分为训练集和预测集；(2)选取IEEE模型在不同工况下明显变化的参数作为待辨识优化的参数，构造各个工况下IEEE模型的参数辨识优化目标函数；(3)基于各个运行工况的训练集，利用搜索方法寻找各工况下的参数辨识优化目标函数的最优解；(4)将各个工况下的辨识优化参数代入，利用IEEE模型对每个工况下的预测集测试数据进行预测，得到变压器热点温度预测序列。2.如权利要求1所述的一种多工况参数辨识优化的变压器热点温度预测方法，其特征是：所述步骤(1)中，变压器的测试数据包括负载电流、环境温度时间序列和各序列对应时间段的散热方式。3.如权利要求1所述的一种多工况参数辨识优化的变压器热点温度预测方法，其特征是：所述步骤(1)中，基于实测数据情况采用树状分类方法划分变压器运行工况的种类。4.如权利要求1所述的一种多工况参数辨识优化的变压器热点温度预测方法，其特征是：所述步骤(2)中，辨识优化的参数向量具体包括传热热阻、油粘度、顶层油温升、热点相对于顶层油的温升、变压器油时间常数和热点位置的绕组时间常数。5.如权利要求1所述的一种多工况参数辨识优化的变压器热点温度预测方法，其特征是：所述步骤(2)中，辨识优化的目标函数为求取该工况下的最优参数向量，使该工况下的预测值与热点温度测量值的整体误差最小。6.如...

【专利技术属性】
技术研发人员：梁永亮，亓孝武，李可军，康忠健，薛永端，陈继明，于小晏，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东;37