一种基于大数据的变压器上层油温预测方法、系统及设备技术方案

本发明专利技术公开了一种基于大数据的变压器上层油温预测方法，包括：获取多个预设时刻的检测数据，检测数据包含油温数据、气温数据以及主变负荷数据；将同一时刻的检测数据作为一组样本数据，并将各组样本数据代入预先建立的回归预测模型中，确定出回归预测模型的相应的系数；获取当前时刻的目标数据，并将目标数据代入确定出系数之后的回归预测模型中，确定出当前时刻的变压器上层油温；目标数据中包含检测数据中除去油温数据之外的其他各类数据。应用本发明专利技术的方法，可以得到能够准确地反映变压器绕组温度的变压器上层油温，并且降低异常数据引起的误报警的情况。本发明专利技术还提供了一种基于大数据的变压器上层油温预测系统及设备，具有相应技术效果。

Prediction method, system and equipment for upper oil temperature of transformer based on big data

The invention discloses a method for predicting oil temperature of upper layer of transformer based on large data, which includes acquiring detection data at multiple preset times, including oil temperature data, temperature data and main transformer load data, taking detection data at the same time as a group of sample data, and substituting each group of sample data into pre-construction. In the vertical regression prediction model, the corresponding coefficients of the regression prediction model are determined; the target data at the current time are obtained and substituted into the regression prediction model after the coefficient is determined to determine the oil temperature of the upper layer of transformer at the current time; the target data include the detection data except the oil temperature data. Other kinds of data. By applying the method of the invention, the upper oil temperature of the transformer which can accurately reflect the winding temperature of the transformer can be obtained, and the false alarm caused by abnormal data can be reduced. The invention also provides a transformer upper oil temperature prediction system and equipment based on large data, which has corresponding technical effect.

【技术实现步骤摘要】
一种基于大数据的变压器上层油温预测方法、系统及设备
本专利技术涉及电力电网
，特别是涉及一种基于大数据的变压器上层油温预测方法、系统及设备。
技术介绍
变压器是变电站的核心设备，变压器的运行状况需要进行及时的掌控，以便变压器能够安全运行。变压器的绕组温度是影响着变压器寿命的重要指标，部分场合中通过直接测量变压器的绕组温度以控制冷却器的启停，但由于绕组温度不便于直接测量，使得这样的方式应用的场景十分有限。还有的场合中，通过获得变压器绕组的平均温度以便进行相应控制，但由于采用的是平均温度，使得准确度较低，特别是在相关检测元件的质量不高的场合中，这种方式难以获得准确的绕组温度。还有一种广泛应用的方式是检测变压器的上层油温。由于上层油温可以反映出变压器的绕组温度，因此通过检测并控制上层油温，即可实现对变压器绕组温度的掌控。但在这种方式中，当检测出突变数据时，可能会引发大量的误告警信息。例如相应的传感器出现问题导致检测出的变压器上层油温数据远高于真实的油温数据，导致大量的误报警信息。在诸多场合中，需要全天持续地对变压器的上层油温进行检测，并且变压器的数量可能较多，因此会产生大量的检测数据本文档来自技高网...

【技术保护点】
1.一种基于大数据的变压器上层油温预测方法，其特征在于，包括：获取多个预设时刻的检测数据，所述检测数据包含油温数据、气温数据以及主变负荷数据；将同一时刻的所述检测数据作为一组样本数据，并将各组所述样本数据代入预先建立的回归预测模型中，确定出所述回归预测模型的相应的系数；获取当前时刻的目标数据，并将所述目标数据代入确定出系数之后的所述回归预测模型中，确定出当前时刻的变压器上层油温；其中，所述目标数据中包含所述检测数据中除去所述油温数据之外的其他各类数据。

【技术特征摘要】
1.一种基于大数据的变压器上层油温预测方法，其特征在于，包括：获取多个预设时刻的检测数据，所述检测数据包含油温数据、气温数据以及主变负荷数据；将同一时刻的所述检测数据作为一组样本数据，并将各组所述样本数据代入预先建立的回归预测模型中，确定出所述回归预测模型的相应的系数；获取当前时刻的目标数据，并将所述目标数据代入确定出系数之后的所述回归预测模型中，确定出当前时刻的变压器上层油温；其中，所述目标数据中包含所述检测数据中除去所述油温数据之外的其他各类数据。2.根据权利要求1所述的基于大数据的变压器上层油温预测方法，其特征在于，所述检测数据包含油温数据、气温数据、主变负荷数据、湿度数据、以及风速数据。3.根据权利要求1所述的基于大数据的变压器上层油温预测方法，其特征在于，所述回归预测模型为岭回归预测模型。4.根据权利要求3所述的基于大数据的变压器上层油温预测方法，其特征在于，所述岭回归预测模型为：其中，所述yi表示所述岭回归预测模型的预测值，所述β0表示所述岭回归预测模型的一个待测参数，所述p表示所述检测数据中包含的数据种类，所述xij表示所述检测数据，所述βj表示所述岭回归预测模型的回归系数。5.根据权利要求1至4任一项所述的基于大数据的变压器上层油温预测方法，其特征在于，在所述确定出当前时刻的变压器上层油温之后，还包括：根据确定出的当前时刻的变压器上层油温，控制冷却器的启停。6.根据权利要求5所述的基于大数据的变压器上层油温预测方法，其特征在于，所述根据确定出的当前时刻的变压器上层油温，控制冷却器的启停，包括：...

【专利技术属性】
技术研发人员：赵瑞锋，郭文鑫，王海柱，卢建刚，徐展强，曾坚永，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司电力调度控制中心，
类型：发明
国别省市：广东,44