一种用于调相机的运行状态趋势预测方法及系统技术方案

本发明专利技术公开了一种用于调相机的运行状态趋势预测方法及系统，本发明专利技术方法包括：确定调相机指定的监测量数据以及状态量；将各个监测量数据进行归一化、平滑去噪，挖掘出状态量、监测量之间的非线性相关性，针对每一种状态量选择非线性相关性较强的部分监测量加入输入特征，根据所有状态量的输入特征和状态量构建训练样本数据集，并训练机器学习模型得到调相机的运行状态趋势预测模型。本发明专利技术在充分考虑现有传感器监测背景下的数据量大、数据质量较差这些问题的基础上，实现了对调相机系统状态量的预测分析，提高了调相机运行状态趋势预测的预测精度，为同步调相机安全稳定运行提供了重要支撑。要支撑。要支撑。

【技术实现步骤摘要】
一种用于调相机的运行状态趋势预测方法及系统


[0001]本专利技术属于电力工程，具体涉及一种用于调相机的运行状态趋势预测方法及系统。

技术介绍

[0002]随着我国特高压直流输电工程的迅速发展，同步调相机作为“强无功支撑”的有力设备，能在短时间内为电网迅速提供大规模的动态无功，因此在电网中逐渐广泛应用。而大容量同步调相机结构复杂，体积庞大，现阶段通过在调相机各组成系统中装设多种传感器实时监测其运行状态和异常特征量，缺乏对调相机监测量的有效预测手段，无法满足大容量调相机安全运行的需求。为有利于及时掌握设备状态，为同步调相机检修及故障处理提供依据。为了解决上述问题，亟需研究一种大型同步调相机运行状态的趋势预测方法。

技术实现思路

[0003]本专利技术要解决的技术问题：针对现有技术的上述问题，提供一种用于调相机的运行状态趋势预测方法及系统，本专利技术在充分考虑现有传感器监测背景下的数据量大、数据质量较差这些问题的基础上，实现了对调相机系统状态量的预测分析，提高了调相机运行状态趋势预测的预测精度，为同步调相机安全稳定运行提供了重要支撑。
[0004]为了解决上述技术问题，本专利技术采用的技术方案为：
[0005]一种用于调相机的运行状态趋势预测方法，包括：
[0006]1)获取调相机指定的监测量数据以及状态量；
[0007]2)将各个监测量数据进行归一化处理；
[0008]3)对监测量数据进行平滑去噪处理；
[0009]4)基于监测量的历史数据挖掘出状态量、监测量之间的非线性相关性，针对每一种状态量选择非线性相关性较强的部分监测量加入输入特征，根据所有状态量的输入特征和状态量构建训练样本数据集；
[0010]5)通过训练样本数据集训练机器学习模型，得到调相机的运行状态趋势预测模型，使得所述运行状态趋势预测模型建立了输入特征、状态量之间的映射关系。
[0011]可选地，步骤3)中对监测量数据进行平滑去噪处理时采用的方法为小波阈值去噪法，且小波阈值去噪法的去噪系数的计算函数表达式为：
[0012][0013]上式中，f(i)为原始信号，为去噪后的信号。
[0014]可选地，步骤3)中状态量、监测量之间的非线性相关性是指互信息，且选择非线性相关性较强的部分监测量作为输入特征是指选择互信息大于预设阈值的部分监测量作为
输入特征，所述互信息的计算函数表达式为：
[0015][0016]上式中，X,Y分别表示状态量、监测量，P
X
(x)表示运行状态趋势预测模型输出X＝x的概率，P
Y
(y)表示运行状态趋势预测模型输出Y＝y的概率，P
XY
(x,y)表示X,Y的联合概率分布。
[0017]可选地，步骤1)中指定的监测量数据包括定子绕组温度、定子铁心齿部温度、轴承振动量、轴承座振动烈度、轴瓦温度、定子冷却器循环水回水温度、定子线圈进出水压差、定子线圈冷却水进水流量、转子线圈冷却水进水流量、定子线圈出水温度、转子线圈出水温度、定子冷却水过滤器压差、转子冷却水过滤器差压以及励磁电压；状态量包括调相机本体轴振、水系统定子线圈出水温度、水系统转子线圈出水温度以及油系统供油口温度。
[0018]可选地，步骤4)中针对每一种状态量选择非线性相关性较强的部分监测量加入输入特征时，针对调相机本体轴振选择的监测量包括轴承座振动烈度、定子绕组温度、定子线圈进水压差、定子线圈出水温度以及励磁电压；针对水系统定子线圈出水温度选择的监测量包括转子线圈出水温度、定子绕组温度、定子线圈冷却水进水流量、轴承振动量、定子冷却水过滤器压差、定子线圈进出水压差、转子线圈冷却水进水流量以及励磁电压；针对水系统转子线圈出水温度选择的监测量包括定子线圈出水温度、定子绕组温度、轴承振动量、定子线圈进出水压差、定子线圈冷却水进水流量、转子线圈冷却水进水流量以及转子冷却水过滤器差压；针对油系统供油口温度选择的监测量包括定子绕组温度、定子线圈进出水压差、定子线圈冷却水进水流量、定子冷却水过滤器差压以及定子线圈出水温度。
[0019]可选地，步骤5)中的机器学习模型为LSTM预测模型，所述LSTM预测模型包括输入层、n个隐藏层和输出层，输入层的每一个输入节点通过位于n个隐藏层的LSTM单元与输出层的输出节点相连。
[0020]可选地，步骤5)中通过训练样本数据集训练机器学习模型的步骤包括：首先，将训练样本数据集中的数据样本时间序列经输入层输入，通过隐藏层提取数据特征，将时间序列的预测值经网络的输出层输出；然后，将神经网络预测的时间序列与数据样本真实的时间序列进行比较，利用目标函数对网络进行反向传播，通过反向传播算法使得机器学习模型的损失函数不断向最优化的值靠近直至得到最优的权值和偏置。
[0021]可选地，所述损失函数为均方根误差RMSE或者平均绝对误差MAE，函数表达式如下式所示：
[0022][0023][0024]上式中，N为样本数量，y
i
和分别为第m个样本的实际值与预测值。
[0025]此外，本专利技术还提供一种用于调相机的运行状态趋势预测系统，包括相互连接的微处理器和存储器，所述微处理器被编程或配置以执行所述用于调相机的运行状态趋势预测方法的步骤。
[0026]此外，本专利技术还提供一种计算机可读存储介质，该计算机可读存储介质中存储有
被编程或配置以执行所述用于调相机的运行状态趋势预测方法的计算机程序。
[0027]和现有技术相比，本专利技术具有下述优点：本专利技术方法包括确定调相机指定的监测量数据以及状态量；将各个监测量数据进行归一化、平滑去噪，挖掘出状态量、监测量之间的非线性相关性，针对每一种状态量选择非线性相关性较强的部分监测量加入输入特征，根据所有状态量的输入特征和状态量构建训练样本数据集，并训练机器学习模型得到调相机的运行状态趋势预测模型。本专利技术在充分考虑现有传感器监测背景下的数据量大、数据质量较差这些问题的基础上，实现了对调相机系统状态量的预测分析，提高了调相机运行状态趋势预测的预测精度，为同步调相机安全稳定运行提供了重要支撑。
附图说明
[0028]图1为本专利技术实施例方法的基本流程示意图。
[0029]图2为本专利技术实施例中原始采样数据波形。
[0030]图3为本专利技术实施例中采用小波阈值去噪后的波形曲线。
[0031]图4为本专利技术实施例中大型调相机运行状态趋势预测的流程框图。
[0032]图5为本专利技术实施例中长短期记忆神经网络的结构示意图。
[0033]图6为本专利技术实施例中LSTM预测模型的参数与预测精度的关系，其中(a)为LSTM预测模型的时间步数与预测精度的关系，(b)为LSTM预测模型的隐藏层层数与预测精度的关系。
[0034]图7为本专利技术实施例中的主要监测量的预测结果及对比图。
具体实施方式
[0035]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面将结合附图和具体的实施例对本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于调相机的运行状态趋势预测方法，其特征在于，包括：1)获取调相机指定的监测量数据以及状态量；2)将各个监测量数据进行归一化处理；3)对监测量数据进行平滑去噪处理；4)基于监测量的历史数据挖掘出状态量、监测量之间的非线性相关性，针对每一种状态量选择非线性相关性较强的部分监测量加入输入特征，根据所有状态量的输入特征和状态量构建训练样本数据集；5)通过训练样本数据集训练机器学习模型，得到调相机的运行状态趋势预测模型，使得所述运行状态趋势预测模型建立了输入特征、状态量之间的映射关系。2.根据权利要求1所述的用于调相机的运行状态趋势预测方法，其特征在于，步骤3)中对监测量数据进行平滑去噪处理时采用的方法为小波阈值去噪法，且小波阈值去噪法的去噪系数的计算函数表达式为：上式中，f(i)为原始信号，为去噪后的信号。3.根据权利要求1所述的用于调相机的运行状态趋势预测方法，其特征在于，步骤3)中状态量、监测量之间的非线性相关性是指互信息，且选择非线性相关性较强的部分监测量作为输入特征是指选择互信息大于预设阈值的部分监测量作为输入特征，所述互信息的计算函数表达式为：上式中，X,Y分别表示状态量、监测量，P
X
(x)表示运行状态趋势预测模型输出X＝x的概率，P
Y
(y)表示运行状态趋势预测模型输出Y＝y的概率，P
XY
(x,y)表示X,Y的联合概率分布。4.根据权利要求1所述的用于调相机的运行状态趋势预测方法，其特征在于，步骤1)中指定的监测量数据包括定子绕组温度、定子铁心齿部温度、轴承振动量、轴承座振动烈度、轴瓦温度、定子冷却器循环水回水温度、定子线圈进出水压差、定子线圈冷却水进水流量、转子线圈冷却水进水流量、定子线圈出水温度、转子线圈出水温度、定子冷却水过滤器压差、转子冷却水过滤器差压以及励磁电压；状态量包括调相机本体轴振、水系统定子线圈出水温度、水系统转子线圈出水温度以及油系统供油口温度。5.根据权利要求4所述的用于调相机的运行状态趋势预测方法，其特征在于，步骤4)中针对每一种状态量选择非线性相关性较强的部分监测量加入输入特征时，针对调相机本体轴振选择的监测量包括轴承座振动烈度、定子绕组温度、定子...

【专利技术属性】
技术研发人员：熊富强，赵鹏，潘伟健，张超峰，颜勋奇，雷云飞，周挺，王智弘，闾昊辉，王应坤，刘昊然，刘亚楠，罗军，李佐胜，康文，蒋久松，王晓，毛志平，唐恒蔚，姚月，王巍，邵珂，刘霁仪，于艺盛，罗隆福，王卿卿，
申请(专利权)人：国网湖南省电力有限公司检修公司国家电网有限公司，
类型：发明
国别省市：