基于灰色GM（1,1）模型的变压器故障预测方法技术

基于灰色GM(1,1)模型的变压器故障预测方法,涉及变压器故障预测技术领域，解决现有灰色GM(1,1)模型仅能优化单一时刻数据，无法满足多样化需要的问题，本发明专利技术所述的预测方法，对GM(1,1)模型中存在误差依次进行优化，并根据组合排列共计得到八种优化预测方案，相较于现有的单一形式的优化方案，可根据实际工程需求进行自主的选择。当工程对算法的预测精度要求较高时，则可以选择预测精确度最高的，若希望在保证预测精度的同时，经算法预测后变压器预警系统能够较快的对潜在的故障进行事前动作，则可以从满足预测精度要求的四种方案中选取运行时间较短的方案。满足了在实际工程上的兼容性，减少了开展工程前的技术准备时间。

【技术实现步骤摘要】
基于灰色GM(1,1)模型的变压器故障预测方法
本专利技术涉及变压器故障预测
，具体涉及一种基于灰色GM(1,1)模型的变压器故障预测方法。
技术介绍
近年来，许多学者从灰色GM(1,1)模型的累加阶数，背景值以及初始值方面，进行单方面中多方面的优化，但就累加阶数而言，大多采用整数阶的方式进行优化，忽略了小数阶累加阶数同样有助于提升灰色的预测精度。从初始值的角度出发，大多通过遍历所有的原始数据，并将其代入到灰色GM(1,1)模型中依次进行预测，最终取预测误差最小的数据值作为初始值的方式进行初始值的优化。该种情况下选取的初始值代入到灰色GM(1,1)模型中的数据是运行过程中单一时刻的数据。此外，现有的文献中的灰色GM(1,1)模型优化方案，大多仅单一的提供了一种优化方案，无法实现多种优化方案的对比。因此，缺少各类优化方案的对比性以及优化方案的多样性。无法满足现实应用的问题。
技术实现思路
本专利技术为解决现有灰色GM(1,1)模型仅能优化单一时刻数据，无法满足多样化需要的问题，提供一种基于灰色GM(1,1)模型的变压器故障预测方法。基于灰色GM(1,1)模型的变压器故障预测方法，该方法由以下步骤实现：该方法由以下步骤实现：步骤一、输入变压器运行的原始数据，采用灰色GM(1,1)模型对原始数据的累加阶数，背景值序列以及初始值进行任意选择并进行优化，生成8种备选优化方案，以二进制数字0、1的方式表示，记为八种备选优化方案序列f；步骤二、根据序列f中的参数，判断是否进行灰色GM(1,1)模型累加阶数优化，如果是，采用粒子群算法确定灰色GM(1,1)模型的累加阶数r，执行步骤三；如果否，设定累加阶数r＝1，执行步骤三；步骤三、采用灰色GM(1,1)模型对原始数据进行预测，获得预测数据，将原始数据长度与预测数据长度的差值为仿真数据长度；根据三种数据长度确定r阶累加序列X(r)(k),其中k为元素序号，k的取值范围为[1,n]；确定背景值序列Z(r)(i)，其中i为累加序列Z(r)(i)中的元素序号,i的取值范围为[2,n]；X(r)(k)＝[x(r)(1),x(r)(2)......x(r)(n)]Z(r)(i)＝[z(r)(2),z(r)(3)......z(r)(n)]步骤四、计算r阶累加序列X(r)(k)；采用变量α，β简化r阶灰色GM(1,1)模型的公式，获得r次累加后的累加序列X(r)(k)：式中，r的取值通过粒子群算法获得，参数a、b为待求取的常数；根据最终获得GM(1,1)模型中r阶累加序列X(r)(k)的最终公式为：步骤五、判断k是否大于仿真数据长度，如果是，通过累减的形式计算r-1阶累加序列X(r-1)(k)，执行步骤六；如果否，返回执行步骤四；步骤六、判断是否进行背景值序列优化，如果是，执行步骤七；如果否，采用原始方式构造背景值序列Z(r)(i)，即选取累加序列X(r)(k)中相邻两元素的平均值构造背景值序列Z(r)(i)，执行步骤八；步骤七、确定插值点个数m，将X(r)(k)中相邻两元素之间插入m个插值点，构造优化的m次插值的灰色GM(1,1)模型的背景值序列Z(r)(h)，执行步骤八；步骤八、判断i是否大于仿真数据长度，如果是，构造矩阵Y、B，采用最小二乘法获得参数a、b，执行步骤九；如果否，返回执行步骤七；步骤九、判断是否进行初始值优化，如果是，计算最优初始值x(0)(1)＝csz_best，csz_best为选择的新的初始值；如果否，初始值x(0)(1)为x(0)(1)＝x(1)(1)，执行步骤十；步骤十、将初始值带入时间响应函数中，获得待定参数C；式中，t为时间，根据获得的待定参数C，获得r阶灰色GM(1,1)模型预测公式：式中，u+1为预测的下一时刻的数据序号；将原始数据与灰色GM(1,1)模型预测的预测数据进行对比；计算灰色GM(1,1)模型的预测误差；根据预测误差确定八种优化方案，并对选择的优化方案进行数据整合，绘制数据仿真图。本专利技术的有益效果：本专利技术所述的预测方法，对GM(1,1)模型中存在误差依次进行优化，并根据组合排列共计得到八种优化预测方案，相较于现有的单一形式的优化方案，本专利技术的八种备选方案给予使用者多种选择方案，可根据实际工程需求进行自主的选择。若工程对算法的预测精度要求较高，则可以选择预测精确度最高的，若希望在保证预测精度的同时，经算法预测后变压器预警系统能够较快的对潜在的故障进行事前动作，则可以从满足预测精度要求的四种方案中选取运行时间较短的方案。实用性得到了提升，满足了在实际工程上的兼容性，减少了开展工程前的技术准备时间，推进了工程进度，提升了工程的经济性。本专利技术所使用的GM(1,1)模型的预测精度与运算时长数据受设备配置的影响并不唯一，可能存在些许误差，但并不影响总体的预测效果判定条件。本专利技术以发掘变压器的潜在故障，从事后检修转变为事前预警，延长变压器的使用寿命为主要目的，在保证算法的预测精度与运算市场的前提下，探究GM(1,1)模型的最佳优化方案。本专利技术通过对灰色GM(1,1)模型的多种优化方案进行探索后，得到最佳优化方案，能够达到提升灰色模型的预测准确性与预测的时效性。增加了GM(1,1)模型优化方案的多样性，可根据实际工程需求选取不同的优化方案。提升了GM(1,1)模型预测的精准性的同时保证了预警系统动作的准确性。延长了变压器的实际使用寿命，保障了工程的经济型与开展效率。附图说明图1为本专利技术所述的基于灰色GM(1,1)模型的变压器故障预测方法的流程图；图2为原始数据与多阶累加r＝1,r＝2,r＝1.5预测结果对比图；图3为粒子的初始分布图(未使用粒子群搜索最优累加阶数时的原始粒子分布图)；图4为粒子的初始分布与最优累加阶数预测结果对比图(使用粒子群寻优算法求得最优累加阶数r＝1.1225)；图5为原始数据与多阶累加r＝1.1225预测结果对比图；图6为传统灰色模型与r＝1.1225，m＝2的优化模型预测数据对比图；图7为传统灰色模型与r＝1.1225，m＝2，csz_best＝47.5优化模型预测数据对比图；图8为粒子的初始分布与最终方案预测结果对比图；图9为原始数据与优化GM(1,1)模型的预测数据对比图；图10为具体实施方式二中原始数据与方案5的预测数据对比图。具体实施方式具体实施方式一、结合图1至图9说明本实施方式，基于灰色GM(1,1)模型的变压器故障预测方法，该方法通过模型的累加阶数、模型的背景值构造方式和模型中初始值的选定等方面进行优化；具体通过采用以小数的形式替代原有的整数阶累加阶数；采用插值构造背景值的方式缩小原有近似替代的背景值所造成的误差；相较与传统的以原始序列第一个数据点作为初始值的方式，本实施方式本文档来自技高网...

【技术保护点】
1.基于灰色GM(1,1)模型的变压器故障预测方法，其特征是：该方法由以下步骤实现：/n步骤一、输入变压器运行的原始数据，采用灰色GM(1,1)模型对原始数据的累加阶数，背景值序列以及初始值进行任意选择并进行优化，生成八种备选优化方案序列f；/n步骤二、根据序列f中的参数，判断是否进行灰色GM(1,1)模型累加阶数优化，如果是，采用粒子群算法确定灰色GM(1,1)模型的累加阶数r，执行步骤三；如果否，设定累加阶数r＝1，执行步骤三；/n步骤三、采用灰色GM(1,1)模型对原始数据进行预测，获得预测数据，将原始数据长度与预测数据长度的差值为仿真数据长度；/n根据三种数据长度确定r阶累加序列X

【技术特征摘要】
1.基于灰色GM(1,1)模型的变压器故障预测方法，其特征是：该方法由以下步骤实现：
步骤一、输入变压器运行的原始数据，采用灰色GM(1,1)模型对原始数据的累加阶数，背景值序列以及初始值进行任意选择并进行优化，生成八种备选优化方案序列f；
步骤二、根据序列f中的参数，判断是否进行灰色GM(1,1)模型累加阶数优化，如果是，采用粒子群算法确定灰色GM(1,1)模型的累加阶数r，执行步骤三；如果否，设定累加阶数r＝1，执行步骤三；
步骤三、采用灰色GM(1,1)模型对原始数据进行预测，获得预测数据，将原始数据长度与预测数据长度的差值为仿真数据长度；
根据三种数据长度确定r阶累加序列X(r)(k),其中k为元素序号，k的取值范围为[1,n]；确定背景值序列Z(r)(i)，其中i为累加序列Z(r)(i)中的元素序号,i的取值范围为[2,n]；
X(r)(k)＝[x(r)(1),x(r)(2)......x(r)(n)]
Z(r)(i)＝[z(r)(2),z(r)(3)......z(r)(n)]
步骤四、计算r阶累加序列X(r)(k)；
采用变量α，β简化r阶灰色GM(1,1)模型的公式，获得r次累加后的累加序列X(r)(k)：



式中，r的取值通过粒子群算法获得，参数a、b为待求取的常数；
根据最终获得GM(1,1)模型中r阶累加序列X(r)(k)的最终公式为：



步骤五、判断k是否大于仿真数据长度，如果是，通过累减的形式计算r-1阶累加序列X(r-1)(k)，执行步骤六；如果否，返回执行步骤四；
步骤六、判断是否进行背景值序列优化，如果是，执行步骤七；如果否，采用原始方式构造背景值序列Z(r)(i)，即选取累加序列X(r)(k)中相邻两元素的平均值构造背景值序列Z(r)...

【专利技术属性】
技术研发人员：薛鹏，魏巍，刘乃嘉，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：吉林;22