一种GM（1,1）模型变压器故障预测方法技术

本发明专利技术公开了一种GM(1,1)模型变压器故障预测方法。该方法包括以下步骤：步骤1，首先将变压器油中溶解气体按照时间形成原始的系统特征数据序列X(00)；步骤2，将原始的系统特征数据序列X(00)进行1次指数平滑运算得到序列X(0)，将序列X(0)作一次累加生成运算得到序列X(1)；步骤3，根据步骤2中得到的序列X(1)建立灰色微分方程，计算灰色预测的灰作用量，并进行变压器油中溶解气体的灰色预测，得到变压器油中溶解气体的一阶预测模型步骤4，将一阶预测模型做一次累减生成，还原相应变量的原始序列预测值，并对模型进行误差检验，得到变压器故障预测的最佳模型。本发明专利技术方法简单易行、检测结果可靠，具有很好的应用价值。

A fault prediction method for GM (1,1) model transformer

The invention discloses a fault prediction method for a GM (1,1) model transformer. The method comprises the following steps: 1, the first time in accordance with the dissolved gas in transformer oil forming system characteristic data of the original X sequence (00); step 2, the original system characteristic of data sequence X (00) of the 1 exponential smoothing operation sequence of X (0), X (0) for the series 1-AGO operation sequence of X (1); step 3, according to the sequence of X obtained in step 2 (1) to establish the grey differential equation, the calculation of grey prediction for ash dosage, grey prediction and dissolved gas in transformer oil, get a step order prediction model of dissolved gas in the transformer oil in 4. Do a Iago first-order prediction model, the original sequence of reduction of the corresponding variables predictive value and error test of the model, the optimal model of transformer fault prediction. The method of the invention is simple and convenient, the detection result is reliable, and the utility model has good application value.

【技术实现步骤摘要】

本专利技术属于变压器故障检测
，特别是一种GM(1,1)模型变压器故障预测方法。
技术介绍
我国电力工业迅速发展，电力系统正向超高压、大电网、大容量、自动化方向发展，从发电、供电到用电已构成了不可分割的整体，任何环节发生故障都有可能引起链式反应，导致整个系统的崩溃。因此，维护使用好已有的电气设备，提高设备的运行可靠性就显得十分必要。变压器是电力系统中最重要的电气设备之一，一旦发生故障或事故，则所需的修复时间长，造成的损失和影响也十分严重。近年来，变压器虽然由于材料的改进、设计方法和制造技术的提高，运行可靠性有所提高，但是由于一些无法预计的外界原因或者使用方法、运行维护方面出现的问题，仍会发生各种类型的故障或事故。
技术实现思路
本专利技术的目的在于提供一种方法简单、鲁棒性好的GM(1,1)模型变压器故障预测方法。实现本专利技术的技术解决方案是：一种GM(1,1)模型变压器故障预测方法，包括以下步骤：步骤1，首先将变压器油中溶解气体按照时间形成原始的系统特征数据序列X(00)；步骤2，将原始的系统特征数据序列X(00)进行1次指数平滑运算得到序列X(0)，将序列X(0)作一次累加生成运算得到序列X(1)；步骤3，根据步骤2中得到的序列X(1)建立灰色微分方程，计算灰色预测的灰作用量，并进行变压器油中溶解气体的灰色预测，得到变压器油中溶解气体的一阶预测模型步骤4，将一阶预测模型做一次累减生成，还原相应变量的原始序列预测值，并对模型进行误差检验，得到变压器故障预测的最佳模型。进一步地，步骤1所述将变压器油中溶解气体按照时间形成原始的系统特征数据序列X(00)，公式为：X(00)＝(x(00)(1),x(00)(2),.…,x(00)(n))式中，n为采样时刻，取值范围为正整数；x(00)(n)为变压器油中溶解气体的采样值。进一步地，步骤2所述将原始的系统特征数据序列X(00)进行1次指数平滑运算得到序列X(0)，公式为：x(0)(k)＝αx(00)(k)+(1-α)x(0)(k-1)，k＝2,3,…,nX(0)＝(x(0)(1),x(0)(2),…,x(0)(n))其中，α为指数平滑系数；将序列X(0)作一次累加生成运算得到序列X(1)，公式为：X(1)＝(x(1)(1),x(1)(2),…,x(1)(n))。进一步地，步骤3所述根据步骤2中得到的序列X(1)建立灰色微分方程，计算灰色预测的灰作用量，并进行变压器油中溶解气体的灰色预测，得到变压器油中溶解气体的一阶预测模型具体如下：(3.1)根据步骤2中得到的序列X(1)建立灰色微分方程，具体如下：已知X(0)＝(x(0)(1),x(0)(2),…,x(0)(n))，X(1)＝(x(1)(1),x(1)(2),…,x(1)(n))，k＝1,2,…,n，建立灰色微分方程x(0)(k)+ax(1)(k)＝u，其白化方程为：其中，a、u为灰作用量；(3.2)对背景值改进，紧邻值生成序列Z(1)(k)：z(1)(k)＝(1-p)x(1)(k)+px(1)(k-1)，k＝2,3,…,n其中，p为系数，0≤p≤1；(3.3)对灰色预测的灰作用量参数列进行最小二乘估计，得：式中，B、Y均为中间变量，BT是矩阵B的转置矩阵，B-1是矩阵B的逆矩阵，B和Y分别由以下式得到：(3.4)进行变压器油中溶解气体的灰色预测，得到变压器油中溶解气体的一阶预测模型公式如下：将a、u代入白化方程得到离散解：上述式中：x(1)(0)＝x(1)(1)＝x(0)(1)＝x(00)(1)。进一步地，步骤4所述的将一阶预测模型做一次累减生成，还原相应变量的原始序列预测值，并对模型进行误差检验，得到变压器故障预测的最佳模型，具体如下：对一阶预测模型通过一次累减生成，还原相应变量的原始序列预测值，公式为：对模型进行相对误差或绝对误差检验，公式为：对参数α、β、p进行循坏取值，设定α、β、p初始值，每循环一次增加一个步长值，直至α、β、p都达到1终止，最后选取最小误差时参数α、β、p值，此时建立的模型即为变压器故障预测的最佳模型。本专利技术与现有技术相比，其显著优点是：(1)将时间序列的1次指数平滑运算引入到普通预测GM(1,1)模型中，对原始数据序列进行重新生成，可大大提高预测精度和适用范围；(2)针对普通GM(1,1)模型对背景值改进，减小预测值相对误差；(3)计算结果精度较高，方法适用性强。附图说明图1为本专利技术GM(1,1)模型变压器故障预测方法的流程图。图2为本专利技术变压器故障预测的效果图。具体实施方式下面结合附图对本专利技术作进一步的详细说明。变压器在运行过程中，会产生正常气体，产生的速率很缓慢，但如果变压器发生故障，其产生气体的速率和产生量变化将很明显，根据这一特性，实时监测变压器油中溶解的气体，就可以监测变压器运行状态。本专利技术针对普通的基于GM(1,1)灰色模型预测方法做了改进，实现对气体产生的准确预测，精度高于普通的GM(1,1)模型预测。结合图1，本专利技术GM(1,1)模型变压器故障预测方法，包括以下步骤：步骤1，首先将变压器油中溶解气体按照时间形成原始的系统特征数据序列X(00)，公式为：X(00)＝(x(00)(1),x(00)(2),.…,x(00)(n))式中，n为采样时刻，取值范围为正整数；x(00)(n)为变压器油中溶解气体的采样值。步骤2，将原始的系统特征数据序列X(00)进行1次指数平滑运算得到序列X(0)，将序列X(0)作一次累加生成运算得到序列X(1)；将原始的系统特征数据序列X(00)进行1次指数平滑运算得到序列X(0)，公式为：x(0)(k)＝αx(00)(k)+(1-α)x(0)(k-1)，k＝2,3,…,nX(0)＝(x(0)(1),x(0)(2),…,x(0)(n))其中，α为指数平滑系数；将序列X(0)作一次累加生成运算得到序列X(1)，公式为：X(1)＝(x(1)(1),x(1)(2),…,x(1)(n))步骤3，根据步骤2中得到的序列X(1)建立灰色微分方程，计算灰色预测的灰作用量，并进行变压器油中溶解气体的灰色预测，得到变压器油中溶解气体的一阶预测模型具体如下：(3.1)根据步骤2中得到的序列X(1)建立灰色微分方程，具体如下：已知X(0)＝(x(0)(1),x(0)(2),…,x(0)(n))，X(1)＝(x(1)(1),x(1)(2),…,x(1)(n))，k＝1,2,…,n，建立灰色微分方程x(0)(k)+ax(1)(k)＝u，其白化方程为：其中，a、u为灰作用量；(3.2)对背景值改进，紧邻值生成序列Z(1)(k)：z(1)(k)＝(1-p)x(1)(k)+px(1)(k-1)，k＝2,3,…,n其中，p为系数，0≤p≤1；(3.3)对灰色预测的灰作用量参数列进行最小二乘估计，得：式中，B、Y均为中间变量，BT是矩阵B的转置矩阵，B-1是矩阵B的逆矩阵，B和Y分别由以下式得到：(3.4)进行变压器油中溶解气体的灰色预测，得到变压器油中溶解气体的一阶预测模型公式如下：将a、u代入白化方程得到离散解：上述式中：x(1)(0)＝x(1)(1)＝x(0)(1)＝x(00)(1)。步骤4，将一阶预测模型做一次累减生成，还原相应变量的原始序列预测值，并对模型进本文档来自技高网...

【技术保护点】
一种GM(1,1)模型变压器故障预测方法，其特征在于，包括以下步骤：步骤1，首先将变压器油中溶解气体按照时间形成原始的系统特征数据序列X(00)；步骤2，将原始的系统特征数据序列X(00)进行1次指数平滑运算得到序列X(0)，将序列X(0)作一次累加生成运算得到序列X(1)；步骤3，根据步骤2中得到的序列X(1)建立灰色微分方程，计算灰色预测的灰作用量，并进行变压器油中溶解气体的灰色预测，得到变压器油中溶解气体的一阶预测模型步骤4，将一阶预测模型做一次累减生成，还原相应变量的原始序列预测值，并对模型进行误差检验，得到变压器故障预测的最佳模型。

【技术特征摘要】
1.一种GM(1,1)模型变压器故障预测方法，其特征在于，包括以下步骤：步骤1，首先将变压器油中溶解气体按照时间形成原始的系统特征数据序列X(00)；步骤2，将原始的系统特征数据序列X(00)进行1次指数平滑运算得到序列X(0)，将序列X(0)作一次累加生成运算得到序列X(1)；步骤3，根据步骤2中得到的序列X(1)建立灰色微分方程，计算灰色预测的灰作用量，并进行变压器油中溶解气体的灰色预测，得到变压器油中溶解气体的一阶预测模型步骤4，将一阶预测模型做一次累减生成，还原相应变量的原始序列预测值，并对模型进行误差检验，得到变压器故障预测的最佳模型。2.根据权利要求1所述的GM(1,1)模型变压器故障预测方法，其特征在于，步骤1所述将变压器油中溶解气体按照时间形成原始的系统特征数据序列X(00)，公式为：X(00)＝(x(00)(1),x(00)(2),.…,x(00)(n))式中，n为采样时刻，取值范围为正整数；x(00)(n)为变压器油中溶解气体的采样值。3.根据权利要求1所述的GM(1,1)模型变压器故障预测方法，其特征在于，步骤2所述将原始的系统特征数据序列X(00)进行1次指数平滑运算得到序列X(0)，公式为：x(0)(k)＝αx(00)(k)+(1-α)x(0)(k-1)，k＝2,3,…,nX(0)＝(x(0)(1),x(0)(2),…,x(0)(n))其中，α为指数平滑系数；将序列X(0)作一次累加生成运算得到序列X(1)，公式为：x(1)(k)=Σi=1kx(0)(i),k=1,2,...,n]]>X(1)＝(x(1)(1),x(1)(2),…,x(1)(n))。4.根据权利要求1所述的GM(1,1)模型变压器故障预测方法，其特征在于，步骤3所述根据步骤2中得到的序列X(1)建立灰色微分方程，计算灰色预测的灰作用量，并进行变压器...

【专利技术属性】
技术研发人员：张永，尹希珂，陈壮，陈叶健，臧瑶，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32