一种避雷器温度计算方法和系统技术方案

本发明专利技术提供一种避雷器温度计算方法和系统，在氧化锌避雷器工作时，根据氧化锌电阻片在不同温度下的伏安特性曲线，利用神经网络算法得到电路等效模型计算得到氧化锌电阻片的等效电阻与泄漏电流。根据避雷器的实际结构，计算得到避雷器热路等效模型，电路模型输出氧化锌电阻片的功率损耗，输入到热路模型中，根据热路模型计算得到氧化锌避雷器的实时分布；采用建模的方法计算得到氧化锌电阻片的温度特性，相对于传统试验方法而言，大大缩短了研究周期，节约了研究成本，相对于传统的曲线拟合方法而言，精确度更高；采用电热耦合计算方法，可以同时考虑到温度与电流之间的相互作用，得到电流与温度随时间变化的暂态过程。

【技术实现步骤摘要】
一种避雷器温度计算方法和系统
本专利技术涉及电器工程
，更具体地，涉及避雷器温度计算方法和系统。
技术介绍
电力避雷器广泛应用于供电以及铁路电力系统中，用于将雷电流导入到大地，从而抑制雷电波过电压对电力用户的影响。电力避雷器质量的优劣直接影响到电力系统防雷性能的强弱。在实际运行中，经常出现由于避雷器遭受过电压后由于发热而损坏的现象，因此，有必要研究避雷器在不同电压作用下的发热性能。氧化锌避雷器其优异的非线性U-I特性，在电网过电压保护工作上起到了关键的作用。氧化锌避雷器主导了当今过电压保护的主要地位，因此掌握氧化锌避雷器特性非常重要，氧化锌避雷器具有在正常系统工作电压下，呈现高电阻状态，仅有微安级电流通过。在过电压大电流作用下它便呈现低电阻，从而限制了避雷器两端的残压超优的特性。ZnO长期在线运行，受电力系统运行电压、雷电过电压、操作过电压及外界使用环境等因素的影响会逐渐发生老化现象，最终丧失保护作用，甚至引起短路接地故障，造成电力系统停电事故；因此，对ZnO老化情况进行在线监测，及时了解其老化情况对于维护电力系统安全运行有着重要作用。常规的绝缘电阻试验、泄漏电流试验、运行电压下交流电流试验、放电计数器动作检测等测试项目，随着时代的进步和电网发展的需求已无法满足对ZnO老化状态的实时监测和评估，因此必须探寻一种新的试验方法和评估系统来科学地检测和评估氧化锌避雷器的老化情况，进而合理科学地进行氧化锌避雷器的运行和维护。
技术实现思路
本专利技术提供一种克服上述问题或者至少部分地解决上述问题的一种避雷器温度计算方法和系统，解决了现有技术中通过实验研究氧化锌电阻片的发热性能成本过高，研究周期长，无法得到各个时刻氧化锌电阻片温度分布的问题。根据本专利技术的一个方面，提供一种避雷器温度计算方法，包括：获取不同时刻氧化锌避雷器的所处的环境温度及氧化锌避雷器中氧化锌电阻片的外加电压和泄露电流，基于已训练的电热耦合模型，得到不同时刻氧化锌电阻片的温度；所述电热耦合模型包括电路模型和热路模型，所述电路模型用于根据所述外加电压和所述泄露电流得到氧化锌电阻片的功率耗损；所述热路模型用于根据所述功率耗损和氧化锌避雷器的散热效率得到氧化锌电阻片的实时温度。一种避雷器温度计算系统，包括电热耦合模型，所述电热耦合模型包括电路模型和热路模型，所述电路模型用于根据氧化锌电阻片的外加电压和泄露电流得到氧化锌电阻片的功率耗损；所述热路模型用于根据所述功率耗损和氧化锌避雷器的散热效率得到氧化锌电阻片的实时温度。一种避雷器温度计算设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上述避雷器温度计算方法。一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如上述避雷器温度计算方法。本专利技术提出一种避雷器温度计算方法和系统，在氧化锌避雷器工作时，根据氧化锌电阻片在不同温度下的伏安特性曲线，利用神经网络算法得到电路等效模型计算得到氧化锌电阻片的等效电阻与泄漏电流。根据避雷器的实际结构，计算得到避雷器热路等效模型，电路模型输出氧化锌电阻片的功率损耗，输入到热路模型中，根据热路模型计算得到氧化锌避雷器的实时分布；采用建模的方法计算得到氧化锌电阻片的温度特性，相对于传统试验方法而言，大大缩短了研究周期，节约了研究成本，相对于传统的曲线拟合方法而言，精确度更高；采用电热耦合计算方法，可以同时考虑到温度与电流之间的相互作用，得到电流与温度随时间变化的暂态过程。附图说明图1为根据本专利技术实施例的避雷器温度计算方法流程示意图；图2为根据本专利技术实施例的神经网络拟合结构图；图3为根据本专利技术实施例的热路模型等效结构示意图；图4为根据本专利技术实施例的氧化锌避雷器温度计算流程示意图；图5为根据本专利技术实施例的避雷器温度计算设备示意图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。如图1所示，图中示出了一种避雷器温度计算方法，包括：获取不同时刻氧化锌避雷器的所处的环境温度及氧化锌避雷器中氧化锌电阻片的外加电压和泄露电流，基于已训练的电热耦合模型，得到不同时刻氧化锌电阻片的温度；所述电热耦合模型包括电路模型和热路模型，所述电路模型用于根据所述外加电压和所述泄露电流得到氧化锌电阻片的功率耗损；所述热路模型用于根据所述功率耗损和氧化锌避雷器的散热效率得到氧化锌电阻片的实时温度。具体的，在本实施例中，所述电路模型还用于接收所述热路模型输出的实时温度，并根据所述实时温度和氧化锌电阻片的温度伏安特性曲线得到氧化锌电阻片的泄露电路和功率损耗。所述电路模型根据氧化锌电阻片的外加电压和实时温度，基于神经网络对氧化锌电阻片的温度伏安特性曲线进行拟合，得到不同温度与外加电压下所述氧化锌电阻片的泄露电流和功率损耗。在本实施例中，如图1所示，氧化锌电阻片电热耦合模型的等效电路结构图。氧化锌电阻片可以等效为杂散电容与可变电阻并联。其中，杂散电容基本不随温度变化，可变电阻阻值随温度与外加电压变化。图1中，U，I分别表示氧化锌电阻片外加电压与流过电阻片的阻性电流。P表示电阻片的功率损耗，Ta表示环境温度，Te表示氧化锌电阻片的温度。氧化锌电阻片的电热耦合模型分为电路模型和热路模型两个主要部分。电路模型根据电阻片的两端的电压与流过电阻片的泄漏电流计算输出电阻片的功率损耗，作为热路模型的输入端。热路模型根据氧化锌电阻片的功率损耗以及实际散热结构计算并输出得到氧化锌电阻片的实时温度，并作为电路模型的输入端，电路模型根据氧化锌电阻片的温度与伏安特性曲线计算泄漏电流与功率损耗。在本实施例中，根据已知避雷器的温度伏安特性曲线，外加电压，散热结构以及环境温度，可以根据散热结构得到氧化锌避雷器的散热效率，建立避雷器的电热耦合模型，分析电阻片温度以及泄露电流之前的相互影响，计算得到氧化锌避雷器在不同工作状态下的温度分布。具体的，在本实施例中，基于已训练的电热耦合模型，得到不同时刻氧化锌电阻片的温度前，还包括：基于神经网络对所述电路模型进行训练，所述神经网络包括输入层、隐含层和输出层；所述输入层的输入信号包括外加电压和实时温度，所述输入层将输入信号转换为向量形式的输入向量，并对所述输入向量进行线性化处理，并乘以输入层权值，加上输入层的阈值后，输入到隐含层中；所述隐含层用于通过激活函数对输入层传递的数据进行激活变换，并将激活函数处理后的数据输入到输出层，所述输出层对隐含层的数据进行线性变换后输出；所述激活函数为非线性函数，且所述激活函数满足处处可导。具体的，在本实施例中，如图2所示，为氧化锌电阻片的神经网络结构图，主要包含三个层级：输入层、隐含层以及输出层。输入层的输入信号包括电压与温度。首先将输入层转换为向量的形式，将输入向量进行线性化处理，乘以输入层权值W1，加上阈值b1，并输入到隐藏层中。输入层的变换函数下式：y＝W1×x+b1隐藏层中将输入层传递的数据进行激活变换，激活函数f(x)为非线性函数，且满足处处可导的条件，激活函数输处理过后的数据输入到输出层中，输出层对隐含层数据进行线性变换，本文档来自技高网...

【技术保护点】
1.一种避雷器温度计算方法，其特征在于，包括：获取不同时刻氧化锌避雷器的所处的环境温度及氧化锌避雷器中氧化锌电阻片的外加电压和泄露电流，基于已训练的电热耦合模型，得到不同时刻氧化锌电阻片的温度；所述电热耦合模型包括电路模型和热路模型，所述电路模型用于根据所述外加电压和所述泄露电流得到氧化锌电阻片的功率耗损；所述热路模型用于根据所述功率耗损和氧化锌避雷器的散热效率得到氧化锌电阻片的实时温度。

【技术特征摘要】
1.一种避雷器温度计算方法，其特征在于，包括：获取不同时刻氧化锌避雷器的所处的环境温度及氧化锌避雷器中氧化锌电阻片的外加电压和泄露电流，基于已训练的电热耦合模型，得到不同时刻氧化锌电阻片的温度；所述电热耦合模型包括电路模型和热路模型，所述电路模型用于根据所述外加电压和所述泄露电流得到氧化锌电阻片的功率耗损；所述热路模型用于根据所述功率耗损和氧化锌避雷器的散热效率得到氧化锌电阻片的实时温度。2.根据权利要求1所述的避雷器温度计算方法，其特征在于，所述电路模型还用于接收所述热路模型输出的实时温度，并根据所述实时温度和氧化锌电阻片的温度伏安特性曲线得到氧化锌电阻片的泄露电路和功率损耗。3.根据权利要求2所述的避雷器温度计算方法，其特征在于，根据所述实时温度和氧化锌电阻片的温度伏安特性曲线得到氧化锌电阻片的泄露电路和功率损耗，具体包括：所述电路模型根据氧化锌电阻片的外加电压和实时温度，基于神经网络对氧化锌电阻片的温度伏安特性曲线进行拟合，得到不同温度与外加电压下所述氧化锌电阻片的泄露电流和功率损耗。4.根据权利要求3所述的避雷器温度计算方法，其特征在于，基于已训练的电热耦合模型，得到不同时刻氧化锌电阻片的温度前，还包括：基于神经网络对所述电路模型进行训练，所述神经网络包括输入层、隐含层和输出层；所述输入层的输入信号包括外加电压和实时温度，所述输入层将输入信号转换为向量形式的输入向量，并对所述输入向量进行线性化处理，并乘以输入层权...

【专利技术属性】
技术研发人员：陆佳政，谢鹏康，方针，李波，蒋正龙，
申请(专利权)人：国网湖南省电力有限公司，国网湖南省电力有限公司防灾减灾中心，国家电网有限公司，
类型：发明
国别省市：湖南,43