The invention is applicable to the transformer technical field, and provides a method for predicting the hot spot temperature of the transformer winding and a terminal device. The method includes: collecting the temperature data of the hot spot of the transformer winding, taking the collected temperature data as the sample data, training the artificial neural network model according to the particle swarm optimization and the sample data, and obtaining the optimal model parameters of the artificial neural network model, and the artificial neural network based on the optimal model parameters. The winding model is used as a prediction model, and the operating parameters and structural parameters of the transformer are collected, and the hot spot temperature of the transformer is predicted according to the operating parameters, the structure parameters and the predicted model. The particle swarm optimization (PSO) is used to optimize the parameters of the artificial neural network model. The prediction model is used to predict the hot spot temperature of the transformer winding, and the prediction accuracy of the hot spot temperature of the transformer windings can be improved.
【技术实现步骤摘要】
变压器绕组热点温度预测方法及终端设备
本专利技术属于变压器
,尤其涉及一种变压器绕组热点温度预测方法及终端设备。
技术介绍
随着世界形势的不断变化和我国经济的高速发展,电力安全的发展已经进入了一个崭新的历史发展阶段,现代社会对电力供应的可靠性要求越来越高,电力安全工业的地位比以往任何时候都更加重要,电力安全已经是突出的问题之一。在众多变压器绝缘老化相关因素中,温升是最为重要的因素之一。电力变压器绝缘一般由有机和无机绝缘材料构成,这些绝缘材料有一定的耐热限值,超过了这个限值,绝缘材料就会迅速老化,造成各种各样的运行事故。目前国内外电力变压器绝缘主要采用油浸纸绝缘。一般为A级绝缘材料,其长期允许温度为105度,因而国内外有关标准规定,油浸电力变压器在额定负荷下运行时,其油面温升不得超过5度,绕组的平均温升不得超过65度。即使这样,长期在80至100度的温度作用下,绝缘纸和纸板等固体介质也将逐渐老化,变压器油受热将加速氧化而使酸价上升,并出现油泥等。因此,把变压器的运行温度控制在绝缘的允许范围内,是延长变压器使用寿命,保证其安全运行极为重要的措施。电力变压器的负载能力和可用寿命在某种程度上取决于能否及时地将其内部产生的热量传递到周围环境中,即热特性。绕组热点温度是衡量变压器运行中热特性的重要指标,当热点温度超过允许限值易导致气泡的产生,加速变压器的老化并造成绕组绝缘性能的劣化。因此,研究变压器内部复杂的热过程,建立变压器热模型,并以此为基础开展对变压器状态检修的研究具有十分重要的意义。目前,国内外对变压器运行中的热特性已经开展了一些研究工作,并取得了一定的 ...
【技术保护点】
一种变压器绕组热点温度预测方法,其特征在于,包括:采集变压器绕组热点的温度数据,将采集到的温度数据作为样本数据;根据粒子群算法和所述样本数据训练人工神经网络模型,得到所述人工神经网络模型的最优模型参数,将基于所述最优模型参数的人工神经网络模型作为预测模型;采集变压器的运行参数和结构参数;所述运行参数包括上层油温、绕组温度、环境温度和运行负荷数据,所述结构参数包括绕组布置形式、绕组容量、冷却方式和绕组绝缘材质;根据所述运行参数、所述结构参数和所述预测模型,对变压器进行绕组热点温度预测。
【技术特征摘要】
1.一种变压器绕组热点温度预测方法,其特征在于,包括:采集变压器绕组热点的温度数据,将采集到的温度数据作为样本数据;根据粒子群算法和所述样本数据训练人工神经网络模型,得到所述人工神经网络模型的最优模型参数,将基于所述最优模型参数的人工神经网络模型作为预测模型;采集变压器的运行参数和结构参数;所述运行参数包括上层油温、绕组温度、环境温度和运行负荷数据,所述结构参数包括绕组布置形式、绕组容量、冷却方式和绕组绝缘材质;根据所述运行参数、所述结构参数和所述预测模型,对变压器进行绕组热点温度预测。2.如权利要求1所述的变压器绕组热点温度预测方法,其特征在于,所述根据粒子群算法和所述样本数据训练所述人工神经网络模型,得到所述人工神经网络模型的最优模型参数包括:确定人工网络模型的输入向量和输出向量,并对所述样本数据进行预处理;确定人工神经网络的结构参数和激励函数;根据粒子群算法、预处理后的样本数据和适应度函数训练所述人工神经网络模型,得到所述人工神经网络模型的最优模型参数。3.如权利要求2所述的变压器绕组热点温度预测方法,其特征在于,所述根据粒子群算法、预处理后的样本数据和适应度函数训练所述人工神经网络模型的具体流程包括:对所有粒子进行初始化处理,设置各个粒子的初始位置和初始速度;根据所述适应度函数计算各个粒子的适应值和各个粒子的目标函数;对于每个粒子,将粒子的适应值和粒子所经历过的最优位置进行比较;若粒子的适应值优于粒子所经历过的最优位置,则将粒子的适应值作为粒子当前的最优位置,并将粒子的适应度与种群所经历过的最优位置进行比较;若粒子的适应度优于种群所经历过的最优位置,则将粒子的适应值作为种群当前的最优位置;调整各个粒子的位置向量和速度向量;将新粒子加入到种群中,计算新粒子的适应度函数;判断终止条件是否成立,若终止条件不成立,则跳转执行根据所述适应度函数计算各个粒子的适应值和各个粒子的目标函数的步骤;若终止条件成立,则终止迭代。4.如权利要求2所述的变压器绕组热点温度预测方法,其特征在于,所述适应度函数为:其中,n是样本数据的样本个数;ydj,i是第i个样本的第j个网络输出节点的理想输出值;yj,i是第i个样本的第j个网络输出节点的实际输出值;c是网络输出神经元的个数。5.如权利要求1至4任一项所述的变压器绕组热点温度预测方法,其特征在于,所述粒子群算法的行为参数包括位置向量、...
【专利技术属性】
技术研发人员:赵军,邢超,杨桦,刘宏亮,孙路,段昕,
申请(专利权)人:囯网河北省电力有限公司电力科学研究院,国家电网公司,国网河北能源技术服务有限公司,
类型:发明
国别省市:河北,13
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。