一种预测主变油温越界的方法技术

本发明专利技术公开了一种预测主变油温越界的方法，包括以下步骤：步骤一，数据分析；步骤二，特征筛选；步骤三，矩阵生成；步骤四，模型优化；步骤五，油温预测；步骤六，越界预测；该发明专利技术采用拉索回归算法构建的模型对主变油温进行预测，从而方便人员对主变的安全情况进行了全盘的掌控，提高了主变油温预测的精确度，提升了主变油温越界判断的准确性，降低了主变的油温越界风险，避免了主变内部的绝缘纸板变脆破裂、绕组绝缘严重老化和绝缘油严重劣化的问题，提高了主变的安全性和稳定性，延长了主变的使用寿命，并且算法构建的预测模型能通过加载新数据对预测性能进行测试评估和训练优化，不断提高预测的准确性。高预测的准确性。高预测的准确性。

【技术实现步骤摘要】
一种预测主变油温越界的方法


[0001]本专利技术涉及变压器油温异常识别
，具体为一种预测主变油温越界的方法。

技术介绍

[0002]变电运行的安全关系到各个行业生产的安全及广大人民群众的安全、财产安全，因此备受社会关注。变电运行是确保电网安全的源头，也是电网运行管理的最前沿。主变油温的温度高低直接关系到主变的安全性和稳定性，如果设主变油温温升异常升高，可能造成变压器设备损害和人身安全危害。变压器运行不安全，将严重影响企业发展和社会经济利益的提高。主变油温受到负载电流、电压温度等因素的影响。由于温度、负载电流等很多因素是随机的，并且变压器的功率也在不断的变化，因此在运行当中变压器的油温也是在不断变化的。各个因素之间相互影响，油温的精准预测较为困难。
[0003]然而，目前市场上对主变油温的预测方法研究较少，难以对主变安全情况进行全盘掌控，主变中使用过程中极易出现温度越界问题，导致主变内部的绝缘纸板变脆破裂、绕组绝缘老化和绝缘油劣化，失去应有的绝缘作用，不可避免的缩短了主变的使用寿命，安全性和稳定性大幅度下降。
[0004]因此，设计一种预测主变油温越界的方法是很有必要的。

技术实现思路

[0005]本专利技术的目的在于提供一种预测主变油温越界的方法，以解决上述
技术介绍
中提出的问题。
[0006]为了解决上述技术问题，本专利技术提供如下技术方案：一种预测主变油温越界的方法，包括以下步骤：步骤一，数据分析；步骤二，特征筛选；步骤三，矩阵生成；步骤四，模型优化；步骤五，油温预测；步骤六，越界预测；
[0007]其中在上述步骤一中，采用夏季单设备油温变化情况、夏季各时间点油温分布情况、冬季单设备油温变化情况和冬季各时间点油温分布情况的数据，分别对电流与油温的关系、电流负载率与油温的关系、气候温度与油温关系和各个属性与油温的关系进行分析，得到油温与各个特征的相关数据特征；
[0008]其中在上述步骤二中，采用主变油温遥测历史、主变台账、电流负载、历史气象信息、主变厂商信息、主变缺陷流程和天气预报的数据，对步骤一中得到的相关数据特征进行分析，筛选出与主变油温相关度高的有用特征，并加工成有用特征宽表；
[0009]其中在上述步骤三中，使用皮尔森相关系数计算油温与n个有用特征之间的相关系数，计算公式如下，且公式中的X代表油温的向量值，Y代表一个特征的向量值：
[0010][0011]皮尔森系数的值范围为[-1，1]，相关系数的绝对值越靠近1说明两个属性越相关，
值的正负代表两个属性是正相关还是负相关，正值代表正相关，负值代表负相关，生成了1*n的相关系数矩阵，验证步骤二中的有用特征宽表里数据的正确性，生成相关系数报表供生产人员使用；
[0012]其中在上述步骤四中，将步骤二中得到的有用特征宽表里特定时间段的70％数据，结合拉索回归算法构建出初始模型，计算公式如下，且公式中的real代表真实值，predict代表预测值,表示真实观测值的平均值：
[0013]均方根误差：
[0014][0015]平均百分比误差：
[0016][0017]拟合优度：
[0018][0019]并将剩余的30％数据用于初始模型的测试，通过RMSE、MAPE和R2评价指标评估初始模型的好坏，RMSE表示均方根误差，值越小模型越好，R2表示拟合优度，值越大代表模型越好，MAPE表示平均绝对百分比误差，值越小代表模型越好，多次训练后得到优化的油温预测模型；
[0020]其中在上述步骤五中，将近期6小时各个有用特征的最新数据，加载到步骤三中优化好的油温预测模型中，得到未来6小时各个主变的油温预测值；
[0021]其中在上述步骤六中，将步骤五中得到的油温预测值，与油温预设阈值和油温越界阈值进行比对，得到未来6小时主变的油温越界预测结果。
[0022]根据上述技术方案，所述步骤三中，皮尔森系数的值范围为[-1，1]，相关系数的绝对值越靠近1说明两个属性越相关，值的正负代表两个属性是正相关还是负相关，正值代表正相关，负值代表负相关。
[0023]根据上述技术方案，所述步骤四中，RMSE表示均方根误差，值越小模型越好，R2表示拟合优度，值越大代表模型越好，MAPE表示平均绝对百分比误差，值越小代表模型越好。
[0024]根据上述技术方案，所述步骤六中，当油温预测值的最大值小于油温预设阈值时，则认为未来6小时的油温正常。
[0025]根据上述技术方案，所述步骤六中，当油温预测值的最大值大于油温预设阈值并小于油温越界阈值时，则认为未来6小时的油温达到警戒值，但未越界。
[0026]根据上述技术方案，所述步骤六中，当油温预测值的最大值大于油温越界阈值，则认为未来6小时的油温越界。
[0027]与现有技术相比，本专利技术所达到的有益效果是：该预测主变油温越界的方法用拉索回归算法将主变相关特征数据构建成主变油温预测模型，从而方便人员对主变的安全情
况进行了全盘的掌控，提高了主变油温预测的精确度，提升了主变油温越界判断的准确性，降低了主变的油温越界风险，避免了主变内部的绝缘纸板变脆破裂、绕组绝缘严重老化和绝缘油严重劣化的问题，提高了主变的安全性和稳定性，延长了主变的使用寿命，并且算法预测模型能通过加载新数据对预测性能进行测试评估和训练优化，不断提高预测的准确性。
附图说明
[0028]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0029]图1是本专利技术的方法流程图；
[0030]图2是本专利技术实施例中电流与油温关系图；
[0031]图3是本专利技术实施例中电流负载率与油温关系图；
[0032]图4是本专利技术实施例中气候温度与油温关系图；
[0033]图5是本专利技术实施例中各属性与油温相关度图。
具体实施方式
[0034]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，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。
[0035]请参阅图1-5，本专利技术提供一种技术方案：一种预测主变油温越界的方法，包括以下步骤：步骤一，数据分析；步骤二，特征筛选；步骤三，矩阵生成；步骤四，模型优化；步骤五，油温预测；步骤六，越界预测；
[0036]其中在上述步骤一中，采用夏季单设备油温变化情况、夏季各时间点油温分布情况、冬季单设备油温变化情况和冬季各时间点油温分布情况的数据，分别对电流与油温的关系、电流负载率与油温的关系、气候温度与油温关系和各个属性与油温的关系进行分析，得到油温与各个特征的相关数据特征；
[0037]其中在上述步骤二中，采用主变油温遥测历史、主变台账、电流负载、历史气象信息、主变厂商信息、主变缺陷流程和天气预报本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测主变油温越界的方法，包括以下步骤：步骤一，数据分析；步骤二，特征筛选；步骤三，矩阵生成；步骤四，模型优化；步骤五，油温预测；步骤六，越界预测；其特征在于：其中在上述步骤一中，采用夏季单设备油温变化情况、夏季各时间点油温分布情况、冬季单设备油温变化情况和冬季各时间点油温分布情况的数据，分别对电流与油温的关系、电流负载率与油温的关系、气候温度与油温关系和各个属性与油温的关系进行分析，得到油温与各个特征的相关数据特征；其中在上述步骤二中，采用主变油温遥测历史、主变台账、电流负载、历史气象信息、主变厂商信息、主变缺陷流程和天气预报的数据，对步骤一中得到的相关数据特征进行分析，筛选出与主变油温相关度高的有用特征，并加工成有用特征宽表；其中在上述步骤三中，使用皮尔森相关系数计算油温与n个有用特征之间的相关系数，计算公式如下，且公式中的X代表油温的向量值，Y代表一个特征的向量值：皮尔森系数的值范围为[-1，1]，相关系数的绝对值越靠近1说明两个属性越相关，值的正负代表两个属性是正相关还是负相关，正值代表正相关，负值代表负相关，生成了1*n的相关系数矩阵，验证步骤二中的有用特征宽表里数据的正确性，生成相关系数报表供生产人员使用；其中在上述步骤四中，将步骤二中得到的有用特征宽表里特定时间段的70％数据，结合拉索回归算法构建出初始模型，计算公式如下，且公式中的real代表真实值，predict代表预测值,表示真实观测值的平均值：均方根误差：平均百分比误差：拟合优度：并将剩余的30％数据用于初始模型的测试，通过RMSE、MAPE和R2评价指标评估初始...

【专利技术属性】
技术研发人员：张远来，熊福喜，董清龙，
申请(专利权)人：泰豪软件股份有限公司，
类型：发明
国别省市：