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，也就是说，在这大数据的背景下，误报警的出现次数可能会非常多。此外，上层油温作为变压器绕组温度的反映，是需要一定的时间的，即上层油温的变化并不能实现和绕组温度之间的同步变化。特别是在负荷快速增加的场合中，变压器上层油温需要较长的时间才能反映出变压器绕组温度，进而会造成冷却器的启动不及时，降低变压器的使用寿命。综上所述，如何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，是目前本领域技术人员急需解决的技术问题。
技术实现思路
本专利技术的目的是提供一种基于大数据的变压器上层油温预测方法、系统及设备，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。为解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据的变压器上层油温预测方法，该方法包括：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。优选的，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。优选的，所述回归预测模型为岭回归预测模型。优选的，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。优选的，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。优选的，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：当确定出的当前时刻的变压器上层油温高于预设的第一阈值时，控制冷却器为开启状态；当确定出的当前时刻的变压器上层油温低于预设的第二阈值时，控制所述冷却器为停止状态，所述第二阈值低于所述第一阈值。优选的，在所述确定出当前时刻的变压器上层油温之后，还包括：当在预设的目标时长内确定出的变压器上层油温均高于预设的第三阈值时，输出提示信息。一种基于大数据的变压器上层油温预测系统，该系统包括：样本数据获取模块，用于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；回归预测模型系数确定模块，用于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；油温确定模块，用于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。优选的，还包括：冷却器启停控制模块，用于在所述油温确定模块确定出当前时刻的变压器上层油温之后，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。一种基于大数据的变压器上层油温预测设备，该设备包括：存储器，用于存储油温预测程序；处理器，用于执行所述油温预测程序以上述任一项所述的基于大数据的变压器上层油温预测方法的步骤。应用本专利技术实施例所提供的技术方案，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；其中，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。本申请中确定的变压器上层油温数据是通过计算所得的数据，具体的，获取多个预测时刻的检测数据，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。也就是说，通过确定回归预测模型的相应的系数，可以确定油温数据与检测数据中包含的其余各类数据之间的对应关系。因此当获取当前时刻的目标数据代入确定出系数之后的回归预测模型中，即可确定出当前时刻的变压器上层油温。由于是通过回归预测模型拟合出的油温，突变数据会被过滤，因此不会出现误告警的情况。并且计算出的油温是与气温数据以及主变负荷数据对应的数据，因此当主变负荷数据变化时，计算出的油温立即相适应地变化，并不会出现现有技术中由于是测量出的油温而无法及时变化以反映绕组温度的变化的情况。因此，本申请能够确定出准确地反映变压器绕组温度的变压器上层油温，并且避免了异常数据引起误报警的情况发生。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术中一种基于大数据的变压器上层油温预测方法的实施流程图；图2为本专利技术中一种基于大数据的变压器上层油温预测系统的结构示意图；图3为本专利技术中一种基于大数据的变压器上层油温预测设备的结构示意图。具体实施方式本专利技术的核心是提供一种基于大数据的变压器上层油温预测方法，能够得到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。为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参考图1，图1为本专利技术中一种基于大数据的变压器上层油温预测方法的实施流程图，该方法包括以下步骤：S1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