【技术实现步骤摘要】
本专利技术涉及变压器在线监测领域，特别是指一种基于误差预测修正的变压器顶层油温预测方法和装置。
技术介绍
电力变压器动态负载能力、绝缘老化速度主要取决于其热特性。顶层油温是衡量变压器热特性的重要指标，也是变压器运行过程中的重要监测量之一，准确可靠地预测顶层油温对合理的指导安排变压器动态负载、预防变压器热故障有着重要意义。目前针对变压器顶层油温的预测方法较多，其中包括两类典型模型，基于传热学的半物理模型(如Susa热路模型等)和基于非线性拟合回归的数学模型。前者存在模型过于简化、参数计算不准确、受环境因素影响大的问题，模型存在系统误差；后者模型存在物理意义不明确的问题，推广性尚待研究。Susa热路模型是一种典型的基于传热学中热电类比原理的半物理模型，考虑了油粘度对热阻和油时间常数的影响，具有明确的物理意义，但针对性一般。
技术实现思路
本专利技术提供一种基于误差预测修正的变压器顶层油温预测方法和装置，本专利技术能够准确的预测变压器顶层油温。为解决上述技术问题，本专利技术提供技术方案如下：一方面，提供一种基于误差预测修正的变压器顶层油温预测方法，包括：步骤101：获取预测数据集，所述预测数据集包括当前时刻变压器的负载电流和环境温度，以及当前时刻前几个时刻变压器的负载电流、环境温度和顶层油温；步骤102：以当前时刻变压器的负载电流为输入量，利用Susa热路模型对变压器的顶层油温进行预测，得到Susa热路模型顶层油温预测值步骤103：将所述Susa热路模型顶层油温预测值和预测数据集进行归一化处理；步骤104：以归一化后的Susa热路模型顶层油温预测值和预测数据集为输...
【技术保护点】
一种基于误差预测修正的变压器顶层油温预测方法，其特征在于，包括：步骤101：获取预测数据集，所述预测数据集包括当前时刻变压器的负载电流和环境温度，以及当前时刻前几个时刻变压器的负载电流、环境温度和顶层油温；步骤102：以当前时刻变压器的负载电流为输入量，利用Susa热路模型对变压器的顶层油温进行预测，得到Susa热路模型顶层油温预测值步骤103：将所述Susa热路模型顶层油温预测值和预测数据集进行归一化处理；步骤104：以归一化后的Susa热路模型顶层油温预测值和预测数据集为输入量，利用GA‑KELM模型进行回归预测，得到回归预测误差步骤105：对所述回归预测误差进行反归一化处理；步骤106：用归一化前的Susa热路模型顶层油温预测值减去反归一化后的回归预测误差得到变压器修正后的顶层油温预测值。
【技术特征摘要】
1.一种基于误差预测修正的变压器顶层油温预测方法，其特征在于，包括：步骤101：获取预测数据集，所述预测数据集包括当前时刻变压器的负载电流和环境温度，以及当前时刻前几个时刻变压器的负载电流、环境温度和顶层油温；步骤102：以当前时刻变压器的负载电流为输入量，利用Susa热路模型对变压器的顶层油温进行预测，得到Susa热路模型顶层油温预测值步骤103：将所述Susa热路模型顶层油温预测值和预测数据集进行归一化处理；步骤104：以归一化后的Susa热路模型顶层油温预测值和预测数据集为输入量，利用GA-KELM模型进行回归预测，得到回归预测误差步骤105：对所述回归预测误差进行反归一化处理；步骤106：用归一化前的Susa热路模型顶层油温预测值减去反归一化后的回归预测误差得到变压器修正后的顶层油温预测值。2.根据权利要求1所述的基于误差预测修正的变压器顶层油温预测方法，其特征在于，所述GA-KELM模型通过如下方法得到：步骤201：获取所述变压器的训练样本集，所述训练样本集包括多个训练样本，其中，第i个训练样本包括Ti时刻下变压器的负载电流、环境温度和顶层油温，i∈[1,N]，N为训练样本个数；步骤202：对第i个训练样本，以Ti时刻下变压器的负载电流和顶层油温为输入量，利用Susa热路模型对顶层油温进行预测，得到Susa热路模型顶层油温预测值和Susa热路模型预测误差步骤203：将所述Susa热路模型顶层油温预测值和Susa热路模型预测误差进行归一化处理；步骤204：建立KELM模型；步骤205：使用每个训练样本的Susa热路模型顶层油温预测值Susa热路模型预测误差和训练样本集对所述KELM模型进行训练，得到GA-KELM模型。3.根据权利要求1或2所述的基于误差预测修正的变压器顶层油温预测方法，其特征在于：所述步骤102和步骤202中，所述Susa热路模型顶层油温预测值通过如下公式计算得到： K 2 α + 1 α + 1 ( μ p u ) 1 - n n Δθ o i l , R = ( μ p u ) 1 - n n τ o i l , R dθ o i l e , b d t + ( θ o i l e , b - θ a m b ) 1 n ( Δθ o i l , R ) 1 - n n μ p u = μ μ R e 2797.3 θ o i l e , b + 273 - 2797.3 θ o i l , R + 273 ]]>其中，K为负载系数，为负载电流与额定电流之比；α为额定负载损耗与空载损耗之比；Δθoil,R为额定负载下，顶层油温相对环境的稳态温升；n为反映变压器散热方式的经验指数；τoil,R为额定顶层油时间常数，为热容与额定负载下热阻的乘积；μpu为油粘度变化因子，为任意温度下的油粘度μ与额定顶层油温下的油粘度μR的之比；所述步骤202中，所述Susa热路模型预测误差通过如下公式计算得到： Δθ o i l T = θ o i l e , b - θ o i l m ]]>其中，为训练样本中Ti时刻变压器的顶层油温。4.根据权利要求3所述的基于误差预测修正的变压器顶层油温预测方法，其特征在于，所述步骤205包括：步骤2051：将输入向量xi输入KELM模型，其中： x i [ I ( i ) , I ( i - 1 ) , I ( i - 2 ) , θ a m b ( i ) , θ a m b ( i - 1 ) , θ a m b ( i - 2 ) , θ o i l e , b ( i ) , θ o i l m ( i - 1 ) , θ o i l m ( i - 2 ) ] ]]>I(i)和θamb(i)分别为第i个训练样本Ti时刻的负载电流和环境温度，I(i-1)、θamb(i-1)和分别为第i-1个训练样本Ti-1时刻的负载电流、环境温度和顶层油温，I(i-2)、θamb(i-2)和分别为第i-2个训练样本Ti-2时刻的负载电流、环境温度和顶层油温；步骤2052：得到xi对应的回归预测误差和输出权重β，其中： Δθ o i l e ( x ) = K ( x , x 1 ) . . . K ( x , x N ) T β β = ( I / C + Ω E L M ) - 1 Δθ o i l T ( x 1 ) . . . Δθ o i l T ( x N ) ]]>K(xi,xj)为核函数；步骤2053：采用GA对KELM模型的核参数γ和惩罚系数C进行优化，使得的均方误差MSEΔθ最小，得到GA-KELM模型，其中： MSE Δ θ = 1 N Σ i = 1 N ( Δθ o i l T - Δθ o i l e ) 2 . ]]>5.根据权利要求3所述的基于误差预测修正的变压器顶层油温预测方法，其特征在于，所述步骤201包括：步骤2011：获取Ti时刻下变压器的负载电流、环境温度和顶层油温；步骤2012：剔除明显失效的数据，并用内插值代替失效数据，得到训练样本；步骤2013：将多个训练样本组成训练样本集。6.一种基于误差预测修正的变压器顶层油温预测装置，其特征在于，包括：预测数据...
【专利技术属性】
技术研发人员：黄华，魏本刚，李红雷，亓孝武，李可军，于小晏，
申请(专利权)人：国网上海市电力公司，华东电力试验研究院有限公司，
类型：发明
国别省市：上海;31
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。