基于灰色-自回归差分移动平均模型的变压器顶层油温预测方法技术

本发明专利技术公开了一种基于灰色‑自回归差分移动平均模型的变压器顶层油温预测方法，旨在解决现有技术中油温预测过程复杂、计算量大、预测误差大的技术问题。其包括：对历史油温数据进行预处理；基于灰色模型对预处理后的历史油温数据进行拟合训练，构建变压器顶层油温的初始预测模型；计算初始预测油温与实际油温的偏差序列；基于自回归差分移动平均模型对偏差序列进行拟合训练，获得偏差预测数值；基于偏差预测数值和初始预测模型构建变压器顶层油温预测模型，获得变压器顶层油温预测结果。本发明专利技术能够在减少数据量和计算量的前提下，获得精确的变压器顶层油温预测结果。

【技术实现步骤摘要】
基于灰色-自回归差分移动平均模型的变压器顶层油温预测方法
本专利技术涉及一种基于灰色-自回归差分移动平均模型的变压器顶层油温预测方法，属于变电设备运行状态预测

技术介绍
电力变压器是电网传输电能的枢纽，是电网运行的主设备，其运行的可靠性是电力系统安全、稳定运行的必备条件。变压器的顶层油温是油浸式变压器热特性的一个重要监控指标，该指标不仅反映了变压器的负载能力，同时也影响着变压器的使用寿命，因此，在维护电力系统过程中对变压器顶层油温实现短期或中长期预测尤为重要。现阶段对于变压器绕组温度的估算均以上层油温为基础，国内外对变压器顶层油温的预测方法主要分为两类：统计学方法和人工智能方法。统计学方法包括规则法、多元线性回归模型、最小二乘法等，人工智能方法包括支持向量机、人工神经网络等。其中，规则法需要依赖人工经验，其构建复杂，不能覆盖所有场景；单一的多元线性回归模型及最小二乘法的误差较大，无法准确反映变压器顶层油温情况；人工神经网络等算法虽然准确度不错，但是模型训练较为复杂，且需要大量的训练数据支撑，对软硬件的要求也较高。
技术实现思路
针对现有技术中变压器顶层油温预测方法存在误差大、过程复杂、难以实现等问题，本专利技术提出了一种基于灰色-自回归差分移动平均模型的变压器顶层油温预测方法，以变压器的历史油温数据为基础，采用灰色模型进行油温预测，并通过自回归差分移动平均模型对预测结果进行修正，得到准确的油温预测结果，预测过程相对简单，计算量较少，结果准确。为达到上述目的，本专利技术是采用下述技术方案实现的：本专利技术提供了一种基于灰色-自回归差分移动平均模型的变压器顶层油温预测方法，具体包括如下步骤：S1、采集变压器的历史油温数据，并对历史油温数据进行预处理；S2、基于灰色模型对预处理后的历史油温数据进行拟合训练，构建变压器顶层油温的初始预测模型，进而获得一次累加序列预测油温数值；S3、计算一次累加序列预测油温数值与实际油温的偏差序列；S4、基于自回归差分移动平均模型对偏差序列进行拟合训练，获得偏差预测数值；S5、基于偏差预测数值和初始预测模型构建变压器顶层油温预测模型，获得变压器顶层油温预测结果。进一步的，所述步骤S1具体包括如下步骤：S11、根据待预测变压器从电网信息库中获取待预测变压器的历史油温数据，形成历史油温序列X0＝[x(0)(t1),x(0)(t2),...,x(0)(tk),...,x(0)(tn)]，其中，tk表示第k个时间节点的时间值，x(0)(tk)表示时间为tk时变压器的历史油温数值，n表示时间节点的总数，k＝1,2,...,n；S12、根据预设的标准时间间隔查找历史油温序列中的缺失值，进行缺失值补充处理；S13、根据噪声识别条件对历史油温序列中的噪声数据进行平滑处理；S14、根据历史油温数值的差值判断不刷新数据和不刷新时段，利用数据补采的方式更新历史油温序列；S15、重复步骤S12、S13和S14，直到历史油温序列中没有脏数据，获得预处理后的历史油温序列。进一步的，所述步骤S12的具体操作如下：计算相邻两个历史油温数值的时间差Δtk＝tk-tk-1；当时间差Δtk大于标准时间间隔，则历史油温数值x(0)(tk)与x(0)(tk-1)之间存在缺失值；在历史油温数值x(0)(tk)与x(0)(tk-1)之间插入缺失值，缺失值的计算公式如下：其中，表示x(0)(tk)与x(0)(tk-1)之间的缺失值。进一步的，所述步骤S14的具体操作如下：预先设置时间阈值t'，从历史油温序列中任选一个历史油温数值x(0)(tk)，计算时间为tk+t'时变压器的历史油温数值x(0)(tk+t')与x(0)(tk)的差值Δx＝x(0)(tk+t')-x(0)(tk)；当差值Δx＝0时，认定时间tk到时间tk+t'之间的历史油温数值为不刷新数据，时间段[tk,tk+t']为不刷新时段；重新获取时间段[tk,tk+t']内的变压器历史油温数据，并更新历史油温序列。进一步的，步骤S2具体包括如下步骤：S21、对预处理后的历史油温序列进行一次累加，得到一次累加序列X(1)：X(1)＝[x(1)(t1),x(1)(t2),...,x(1)(tk),...,x(1)(tn)](2)其中，x(1)(tk)表示时间为tk时的油温一次累加值，x(0)(ti)表示时间为ti时变压器的历史油温数值，i＝1,2,...,k；S22、设任意时刻的油温一次累加值变量x(1)满足一阶常微分方程：其中，a为发展灰数，b为灰色作用量；S23、利用最小二乘法计算a和b的值，并根据灰色模型构建变压器顶层油温的初始预测模型：其中，表示时间为tk时的一次累加序列预测油温数值。进一步的，步骤S3中的偏差序列的公式如下：E＝[ε(1),ε(2),…,ε(k),...,ε(n)](6)其中，E表示偏差序列，ε(k)表示第k个时间节点的预测偏差值。进一步的，步骤S5中的变压器顶层油温预测模型如下：其中，表示时间为tk时的变压器顶层油温预测数值，为基于自回归移动平均模型获得的偏差预测数值。与现有技术相比，本专利技术所达到的有益效果：本专利技术提供了一种基于灰色-自回归差分移动平均模型的变压器顶层油温预测方法，充分利用灰色模型的简便性及自回归差分移动平均模型对平稳序列的高预测精度优势，在减少引用数据量和计算量的前提下，获得精确的变压器顶层油温预测结果。本专利技术方法通过对历史油温数据中缺失值、噪声数据及不刷新数据的判定依据来识别脏数据，并进行相应的处理，充分降低脏数据对后续建模预测的影响，提高模型预测准确率。此外，为了减少灰度模型的预测偏差，本专利技术对初始预测模型的一次累加序列的偏差值采用自回归差分移动平均模型进行结果修正，获得最终的变压器顶层油温预测模型，有效提升了模型的准确率，提供了更高精度的温度预测结果。此外，本专利技术组合模型与传统的加权法处理不同，采用的二次叠加优化放大各自算法优点。与现有技术相比，本专利技术方法对原始数据的需求量不多，计算过程相对简单，预测结果精准可靠，适应于各种场景，本专利技术方法可以为变压器其他热特性指标的预测提供支持，辅助实现变压器负载及寿命的提前感知。附图说明图1是本专利技术一种基于灰色-自回归差分移动平均模型的变压器顶层油温预测方法的步骤流程图。图2为本专利技术实施例中方法的操作流程图。具体实施方式下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。本专利技术提供了一种基于灰色-自回归差分移动平均模型的变压器顶层油温预测方法，如图1、2所示，具体包括如下步骤：S1、采集变压器的历史油温数据，并对历本文档来自技高网...

【技术保护点】
1.基于灰色-自回归差分移动平均模型的变压器顶层油温预测方法，其特征在于，包括如下步骤：/nS1、采集变压器的历史油温数据，并对历史油温数据进行预处理；/nS2、基于灰色模型对预处理后的历史油温数据进行拟合训练，构建变压器顶层油温的初始预测模型，进而获得一次累加序列预测油温数值；/nS3、计算一次累加序列预测油温数值与实际油温的偏差序列；/nS4、基于自回归差分移动平均模型对偏差序列进行拟合训练，获得偏差预测数值；/nS5、基于偏差预测数值和初始预测模型构建变压器顶层油温预测模型，获得变压器顶层油温预测结果。/n

【技术特征摘要】
1.基于灰色-自回归差分移动平均模型的变压器顶层油温预测方法，其特征在于，包括如下步骤：
S1、采集变压器的历史油温数据，并对历史油温数据进行预处理；
S2、基于灰色模型对预处理后的历史油温数据进行拟合训练，构建变压器顶层油温的初始预测模型，进而获得一次累加序列预测油温数值；
S3、计算一次累加序列预测油温数值与实际油温的偏差序列；
S4、基于自回归差分移动平均模型对偏差序列进行拟合训练，获得偏差预测数值；
S5、基于偏差预测数值和初始预测模型构建变压器顶层油温预测模型，获得变压器顶层油温预测结果。


2.根据权利要求1所述的一种基于灰色-自回归差分移动平均模型的变压器顶层油温预测方法，其特征在于，所述步骤S1具体包括如下步骤：
S11、根据待预测变压器从电网信息库中获取待预测变压器的历史油温数据，形成历史油温序列X0＝[x(0)(t1),x(0)(t2),...,x(0)(tk),...,x(0)(tn)]，其中，tk表示第k个时间节点的时间值，x(0)(tk)表示时间为tk时变压器的历史油温数值，n表示时间节点的总数，k＝1,2,...,n；
S12、根据预设的标准时间间隔查找历史油温序列中的缺失值，进行缺失值补充处理；
S13、根据噪声识别条件对历史油温序列中的噪声数据进行平滑处理；
S14、根据历史油温数值的差值判断不刷新数据和不刷新时段，利用数据补采的方式更新历史油温序列；
S15、重复步骤S12、S13和S14，直到历史油温序列中没有脏数据，获得预处理后的历史油温序列。


3.根据权利要求2所述的一种基于灰色-自回归差分移动平均模型的变压器顶层油温预测方法，其特征在于，所述步骤S12的具体操作如下：
计算相邻两个历史油温数值的时间差Δtk＝tk-tk-1；
当时间差Δtk大于标准时间间隔，则历史油温数值x(0)(tk)与x(0)(tk-1)之间存在缺失值；
在历史油温数值x(0)(tk)与x(0)(tk-1)之间插入缺失值，缺失值的计算公式如下：



其中，表示x(0)(tk)与x(0)(tk-1)之间的缺失值。


4.根据权利要求2所述的一种基...

【专利技术属性】
技术研发人员：齐敬先，杜雅楠，沙树名，曹越峰，施建华，
申请(专利权)人：南京南瑞信息通信科技有限公司，
类型：发明
国别省市：江苏;32