基于模糊信息粒化的变压器绕组热点温度波动范围预测方法技术

本发明专利技术公开了一种基于模糊信息粒化的变压器绕组热点温度波动范围预测方法，包括根据模糊信息粒化品质确定粒化时窗的个数，运用模糊信息粒化技术提取原始数据的有效信息；基于有效信息构建小波神经网络预测模型，并通过和声搜索算法对小波神经网络的结构参数进行优化；使用结构与参数调整后的模型对变压器绕组热点温度波动范围进行预测。本发明专利技术的预测准确率较高，对变压器的运行与维护具有一定的指导意义。

Prediction method of transformer hot spot temperature fluctuation range based on fuzzy information granulation

The invention discloses a prediction method of temperature fluctuation range of transformer winding hotspots based on fuzzy information granulation, which includes determining the number of granulation time windows according to the quality of fuzzy information granulation, extracting effective information of original data by using fuzzy information granulation technology, constructing a prediction model of wavelet neural network based on effective information, and The structure parameters of WNN are optimized by harmonic search algorithm, and the temperature fluctuation range of transformer winding hotspot is predicted by the model adjusted by structure and parameters. The prediction accuracy of the invention is high, which has certain guiding significance for the operation and maintenance of the transformer.

【技术实现步骤摘要】
基于模糊信息粒化的变压器绕组热点温度波动范围预测方法
本专利技术涉及一种基于模糊信息粒化的变压器绕组热点温度波动范围预测方法。
技术介绍
电力变压器是十分重要的输变电设备，一直以来都是重点监测与保护的对象。丧失应有的绝缘能力是大部分变压器寿命终结的主要原因，而变压器绕组热点温度又是影响其绝缘能力的重要因素之一。绕组热点温度定义为变压器绕组最热区域达到的温度，已被证实是影响变压器负载能力和可用寿命的关键因素。当变压器绕组热点温度超过允许值时会导致变压器绝缘的损坏。因此深入的研究变压器的热点温度，提前发现变压器绕组热点温度的异常，对指导变压器的运行与维护具有十分重要的意义。国内外专家学者就变压器绕组热点温度的预测展开了大量的研究。现有方法中有的提出了基于T-S模糊模型的变压器顶层温度预测方法，模型较好的完成了顶层温度的跟踪，并与递推神经网络、IEEE导则进行了对比，但顶层温度并非真正的热点温度，因此模型具有一定的局限性。有的文献考虑了环境温度、顶层油温、底层油温、上死角温度、下死角温度5个影响因素，基于广义回归神经网络建立了变压器绕组热点温度的预测模型。有的文献考虑了负载变换与顶层油温，本文档来自技高网...

【技术保护点】
1.一种基于模糊信息粒化的变压器绕组热点温度波动范围预测方法，其特征是：包括:根据模糊信息粒化品质确定粒化时窗的个数，运用模糊信息粒化技术提取原始数据的有效信息；基于有效信息构建小波神经网络预测模型，并通过和声搜索算法对小波神经网络的结构参数进行优化；使用结构与参数调整后的模型对变压器绕组热点温度波动范围进行预测。

【技术特征摘要】
1.一种基于模糊信息粒化的变压器绕组热点温度波动范围预测方法，其特征是：包括:根据模糊信息粒化品质确定粒化时窗的个数，运用模糊信息粒化技术提取原始数据的有效信息；基于有效信息构建小波神经网络预测模型，并通过和声搜索算法对小波神经网络的结构参数进行优化；使用结构与参数调整后的模型对变压器绕组热点温度波动范围进行预测。2.一种基于模糊信息粒化的变压器绕组热点温度波动范围预测方法，其特征是：包括:更新历史数据，对历史数据样本数据进行模糊信息粒化，得到平均值、下界和上界，计算模糊信息粒化品质因数，选取最优粒化结果；筛选粒化后的历史数据，运用训练集样本初步建立多种不同结构的小波神经网络预测模型，通过该模型判断输入层节点数与隐藏层节点数，并定时更新；确定了输入层、隐藏层与输出层即确定了需要优化的结构参数，对优化对象进行编码，定义适应度值函数，通过和声搜索对小波神经网络的结构参数进行筛选；利用筛选后的小波神经网络分别对平均值、下界和上界进行预测，得到变压器绕组热点温度波动范围；采用均方误差、平均绝对误差和相关系数三个指标对模型预测性能进行评估。3.如权利要求1或2所述的一种基于模糊信息粒化的变压器绕组热点温度波动范围预测方法，其特征是：运用模糊信息粒化技术提取原始数据的有效信息的过程中，具体包括：变压器绕组热点温度时间序列按需分解成若干个小的子序列，每一个子序列作为一个操作时窗进行模糊化；在每个子序列上建立一个三角型模糊粒子；将时间序列按从小到大排序，求取各个三角型模糊粒子的平均值、下界和上界。4.如权利要求1或2所述的一种基于模糊信息粒化的变压器绕组热点温度波动范围预测方法，其特征是：在运用模糊信息粒化技术提取原始数据的有效信息的过程中，利用模糊信息粒化品质因数确定粒化时窗的个数，所述品质因数具体为模糊信息粒化的数据压缩比与模糊信息粒化后数据的丢失量比值的log值。5.如权利要求1或2所述的一种基于模糊信息粒化的变压器绕组热点温度波动范围预测方法，其特征是：基于有效信息构建小波神经网络预测模型中，采用Morlet基小波函数，利用模糊粒化后的变...

【专利技术属性】
技术研发人员：赵彤，张黎，邹亮，刘金鑫，段小木，王晓龙，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37