基于PSO-BP神经网络和四分位法的变压器预警方法技术

本发明专利技术涉及一种基于PSO‑BP神经网络和四分位法的变压器预警方法，属于设备运营技术领域；包括步骤1，数据采集：获取配电变压器的负载率、绕组温度以及环境温度在指定时间内的的历史数据；步骤2，神经网络算法预测：根据历史数据预测负载率、绕组温度以及环境温度；步骤3，阈值计算：根据历史数据通过高斯分布计算负载率、绕组温度以及环境温度对应区间的阈值；步骤4，区间生成：利用四分位法生成去掉突变数据的负载率和绕组温升区间；步骤5，预警告警：通过计算出的负载率和绕组温升区间，对预测值进行预警，同时对实时值进行告警；通过大数据分析，无需对变压器改造，提高用电的可靠性，实用性强，易于推广。

【技术实现步骤摘要】
基于PSO-BP神经网络和四分位法的变压器预警方法
本专利技术涉及一种基于PSO-BP神经网络和四分位法的变压器预警方法，属于设备运营

技术介绍
变压器是电力系统运行的关键设备之一，评估变压器的稳定运行对配电管理和运维检修都有着极为重要的意义。变压器的绕组温度异常引起的内部热故障是常见的一种形式。在变压器运行过程中，在一定负载率的情况下，变压器的早绕组温升也会维持在一定的范围。当变压器出现故障时，负载率与绕组温升将不再对应，于此可能导致变压器过热或者绕组烧毁等，导致设备损坏。因此，有必要对电压器的运行状态进行预测预警，及早的发现问题并及时处理。目前，配电变压器稳定运行从变压器负载率、环境温度和绕组温度给出联合分析，并通过预测预警和实时告警的方式对变压器的运行状态进行评估的方法是较少的。因此，亟待研究如何评价变压器的运行状态，开展考虑基于神经网络和四分位法的预测预警技术研究工作。
技术实现思路
本专利技术目的在于提出一种基于PSO-BP神经网络和四分位法的变压器预警方法，预测未来一段时间尺度上变压器的负载率和绕组温升，从而提前判断出配电变压器未来一段时间内是否会出现故障；若预测出现故障，可提前采取措施，降低事故发生率，提高用电的可靠性。为解决以上技术问题，本专利技术提供了如下技术方案：基于PSO-BP神经网络和四分位法的变压器预警方法，其特征在于，包括：步骤1，数据采集：获取配电变压器的负载率、绕组温度以及环境温度在指定时间内的的历史数据；步骤2，神经网络算法预测：根据历史数据通过PSO-BP神经网络预测负载率、绕组温度以及环境温度；步骤3，阈值计算：根据历史数据通过高斯分布计算负载率、绕组温度以及环境温度对应区间的阈值；步骤4，区间生成：利用四分位法生成去掉突变数据的负载率和绕组温升区间；步骤5，预警告警：通过计算出的负载率和绕组温升区间，对预测值进行预警，同时对实时值进行告警。获取目标配电室对应的变压器在一段时间的历史数据，并根据历史数据预测变压器的负载率；获取配电室所在区域的环境温度和变压器三相绕组温度的历史数据，并根据历史数据预测变压器的三相绕组温升；将负载率和绕组温升的历史数据拟合出正态分布概率密度函数；根据正态分布概率密度函数得到一定置信水平下的负载率和绕组温升区间；进一步利用四分位法生成去掉突变数据的负载率和绕组温升区间；将变压器的负载率和绕组温升预测值与区间值进行对应，若不在对应的范围内，则云平台系统进行预警；若实时负载率和绕组温升与区间值不对应，则云平台系统进行实时告警，并提醒运行人员及时处理优选地，所述步骤1具体包括如下步骤：步骤101，获取配电变压器在一段历史指定时间内的负载率、绕组温度和环境温度的历史数据；步骤102，若历史数据中有缺失，则进行数据填补；步骤103，将增补修正后的数据作为数据集合，包括训练数据集合和验证数据集合；对于配电变压器预测预警的时间尺度分为三个：日前预测，一小时内预测和十分钟预测。对配电变压器的负载率、绕组温度以及环境温度的历史数据的采集。优选地，所述步骤2具体包括如下步骤：步骤201，对算法进行初始化，设定神经网络部分的相关参数，设输入层包含了l个节点，输出层包含了o个节点，隐层所包含节点的数目根据如下公式所示：步骤202，初始化PSO算法，输入变压器、环境温度和绕组温度历史数据样本，xi＝(xi1,xi2,....,xid)代表一个粒子。步骤203，求得种群对应的适应度值，并得到局部最优和全局最优，粒子适应度函数可以表示为：其中：qij代表第j个训练参量在第i个粒子下的期望值；hij代表对应的实际输出；步骤204，更换粒子的速度与位置，并判定新值有没有超出限定范围；步骤205，求得当前粒子的适应度，若迭代次数满足规定的极限值时，完成算法迭代；步骤206，得到需要的变压器、环境温度和绕组温度的预测值。通过神经网络算法预测得到负载率、绕组温升的预测值。优选地，所述步骤3具体包括如下步骤：步骤301，通过变压器绕组温度和环境温度计算绕组温升，三相绕组温升的计算公式为：TA.rise＝TA.winding-TenvTB.rise＝TB.winding-TenvTC.rise＝TC.winding-Tenv其中，TA.rise、TB.rise和TC.rise分别表示A相、B相和C相绕组温升，TA.winding、TB.winding和TC.winding分别表示A相、B相和C相绕组温度，Tenv表示环境温度；步骤302，计算负载率、绕组温度和环境温度的历史数据的平均值μL、μwinding和μenv和方差σL、σwingding和σenv；步骤303，负载率概率密度函数fL和累积概率密度函数FL表示为：其中，L表示负载率，μL和σL分别表示负载率的均值和方差；变压器绕组温度概率密度函数fwinding和累积概率密度函数Fwinding的数学描述如下：其中，Twinding表示变压器绕组温度，μwinding和σwingding分别表示变压器绕组温度的均值和方差；环境温度概率密度函数fenv和累积概率密度函数Fenv的如下式所示：其中，Tenv表示变压器绕组温度，μenv和σenv分别表示环境温度的均值和方差；步骤304，给定置信水平α下的负载率置信区间的计算：在置信水平α下的变压器绕组温度的置信区间的计算：环境温度在置信水平α下的置信区间的表达式如下所示：步骤305，在95％的置信度下，α＝0.05，Z1-α/2＝0.95。负载率取值区间可以表示为：绕组温升取值区间可以表示为：采用高斯分布计算历史数据的均值和标准差，获得高斯分布的概率密度函数。通过高斯分布的累积概率密度函数的推导出历史数据对应区间的阈值。优选地，所述步骤4具体包括如下步骤：步骤401、基于四分位法来获得去掉异常数据的变压器负载率和绕组温升置信区间，四分位数的Q1、Q2和Q3的计算如下所示：Q1＝(N+1)×0.25Q2＝(N+1)×0.5Q3＝(N+1)×0.75其中，Q1、Q2和Q3分别是第一分位数、第二分位数和第三分位数，N为筛选数据的个数；步骤402，对高斯分布下求取的负载率和绕组温度区间数据进行从小到大进行排序，得到排序后的负载率Lorder和绕组温度Torder；步骤403，去掉异常数据的变压器负载率和绕组温升的区间：进一步利用四分位法生成去掉突变数据的负载率和绕组温升区间。优选本文档来自技高网...

【技术保护点】
1.一种基于PSO-BP神经网络和四分位法的变压器预警方法，其特征在于，包括：/n步骤1，数据采集：获取配电变压器的负载率、绕组温度以及环境温度在指定时间内的的历史数据；/n步骤2，神经网络算法预测：根据历史数据通过PSO-BP神经网络预测负载率、绕组温度以及环境温度；/n步骤3，阈值计算：根据历史数据通过高斯分布计算负载率、绕组温度以及环境温度对应区间的阈值；/n步骤4，区间生成：利用四分位法生成去掉突变数据的负载率和绕组温升区间；/n步骤5，预警告警：通过计算出的负载率和绕组温升区间，对预测值进行预警，同时对实时值进行告警。/n

【技术特征摘要】
1.一种基于PSO-BP神经网络和四分位法的变压器预警方法，其特征在于，包括：
步骤1，数据采集：获取配电变压器的负载率、绕组温度以及环境温度在指定时间内的的历史数据；
步骤2，神经网络算法预测：根据历史数据通过PSO-BP神经网络预测负载率、绕组温度以及环境温度；
步骤3，阈值计算：根据历史数据通过高斯分布计算负载率、绕组温度以及环境温度对应区间的阈值；
步骤4，区间生成：利用四分位法生成去掉突变数据的负载率和绕组温升区间；
步骤5，预警告警：通过计算出的负载率和绕组温升区间，对预测值进行预警，同时对实时值进行告警。


2.根据权利要求1所述的一种基于PSO-BP神经网络和四分位法的变压器预警方法，其特征在于，所述步骤1具体包括如下步骤：
步骤101，获取配电变压器在一段历史指定时间内的负载率、绕组温度和环境温度的历史数据；
步骤102，若历史数据中有缺失，则进行数据填补；
步骤103，将增补修正后的数据作为数据集合，包括训练数据集合和验证数据集合；对于配电变压器预测预警的时间尺度分为三个：日前预测，一小时内预测和十分钟预测。


3.根据权利要求1所述的一种基于PSO-BP神经网络和四分位法的变压器预警方法，其特征在于，所述步骤2具体包括如下步骤：
步骤201，对算法进行初始化，设定神经网络部分的相关参数，设输入层包含了l个节点，输出层包含了o个节点，隐层所包含节点的数目根据如下公式所示：



步骤202，初始化PSO算法，输入变压器、环境温度和绕组温度历史数据样本，xi＝(xi1,xi2,....,xid)代表一个粒子。
步骤203，求得种群对应的适应度值，并得到局部最优和全局最优，粒子适应度函数可以表示为：



其中：qij代表第j个训练参量在第i个粒子下的期望值；hij代表对应的实际输出；
步骤204，更换粒子的速度与位置，并判定新值有没有超出限定范围；
步骤205，求得当前粒子的适应度，若迭代次数满足规定的极限值时，完成算法迭代；
步骤206，得到需要的变压器、环境温度和绕组温度的预测值。


4.根据权利要求1所述的一种基于PSO-BP神经网络和四分位法的变压器预警方法，其特征在于，所述步骤3具体包括如下步骤：
步骤301，通过变压器绕组温度和环境温度计算绕组温升，三相绕组温升的计算公式为：
TA.rise＝TA.winding-Tenv
TB.rise＝TB.winding-Tenv
TC.rise＝TC.winding-Tenv
其中，TA.rise、TB.rise和TC.rise分别表示A相、B相和C相绕组温升，TA.winding、TB.winding和TC.winding分别...

【专利技术属性】
技术研发人员：孙国歧，魏晓宾，王继光，焦丕华，苏辉，张玲艳，胡钰业，于洋，王传晓，王乐乐，
申请(专利权)人：山东德佑电气股份有限公司，
类型：发明
国别省市：山东;37