一种电容式电压互感器误差预测方法及装置制造方法及图纸

本发明专利技术属于电力计量在线监测技术领域，公开了一种电容式电压互感器误差预测方法及装置，包括：将当前时刻之前的电容式电压互感器误差数据和当前时刻电容式电压互感器环境参量数据输入到预先训练的预测模型得到当前时刻电容式电压互感器误差；其中，预测模型是通过将电容式电压互感器误差历史数据和电容式电压互感器环境参量数据输入到RBF神经网络训练得到的。有益效果：可以对电容式电压互感器的误差进行预测，及时发现电容式电压互感器的计量误差越限并帮助维护人员了解计量误差的劣化趋势。劣化趋势。劣化趋势。

【技术实现步骤摘要】
一种电容式电压互感器误差预测方法及装置


[0001]本专利技术涉及电力计量在线监测
，特别是涉及一种电容式 电压互感器误差预测方法及装置。

技术介绍

[0002]互感器计量性能的准确可靠直接关系到电能贸易结算的公平公正。 实际运行过程中，电容式电压互感器误差受采集原理与恶劣环境等影 响会在其工作寿命内出现测量偏差越限，因此不仅需要在其计量误差 超差时能够进行准确快速的诊断，进一步的，需要对计量误差的劣化 趋势做出及时的预测，以便相关运行维护人员安排检修维护的工作， 如果不能及时发现互感器状态劣化，将影响电网运行。

技术实现思路

[0003]本专利技术的目的是：提供一种电容式电压互感器误差预测方法及装 置，可以对电容式电压互感器的误差进行预测，及时发现电容式电压 互感器的计量误差越限并帮助维护人员了解计量误差的劣化趋势。
[0004]为了实现上述目的，本专利技术提供了一种电容式电压互感器误差预 测方法，包括：
[0005]将当前时刻之前的电容式电压互感器误差数据和当前时刻电容式 电压互感器环境参量数据输入到预先训练的预测模型得到当前时刻电 容式电压互感器误差；其中，预测模型是通过将电容式电压互感器误 差历史数据和电容式电压互感器环境参量数据输入到RBF神经网络训 练得到的。
[0006]进一步的，所述预测模型的构建方法包括：
[0007]根据电容式电压互感器环境参量中不同参量对电容式电压互感器 误差的影响确定电容式电压互感器误差模型的影响参数，所述影响参 数为：电容式电压互感器相间泄露电流和电流互感器的二次负荷；
[0008]根据电容式电压互感器相间泄露电流和电流互感器的二次负荷构 建电容式电压互感器误差模型；
[0009]基于电容式电压互感器误差模型构建自回归的RBF神经网络，通 过蚁群算法对RBF网络进行聚类优化，确定RBF网络的基函数中心和 半径，通过粒子群算法得到电容式电压互感器相间泄露电流和电流互 感器的二次负荷在RBF神经网络的权重；
[0010]将电容式电压互感器误差历史数据和电容式电压互感器环境参量 数据输入到RBF神经网络，得到训练好的预测模型。
[0011]进一步的，所述电容式电压互感器误差模型，具体为：
[0012][0013]式中，δ为比差，Υ为角差；x1为CVT相间电场导致的泄漏电流，x2为 CVT的二次负荷。
[0014]进一步的，所述自回归的RBF神经网络包括输入层、隐含层和输 出层；
[0015]所述输入层的输入数据为：x＝[x1、x2、Y(k
‑
1)]；其中，x1为 CVT相间电场导致的泄漏电流，x2为CVT的二次负荷，Y(k－1)为过去 时刻输出的误差；
[0016]所述隐含层的输出表示为：
[0017][0018]其中，H为隐含层输出，X为输入向量(x1，x2，Y(k
‑
1))，b为 高斯基函数的宽度，b＞0；C
j
为隐函数神经元中心向量；
[0019]所述输出层的输出表示为：
[0020]Y(k)＝ω
1 1
+ω
2 2
+ω
3 3
；
[0021]其中：ω为输出层的权值，Y(k)是自回归RBF神经网络的预测输 出。
[0022]进一步的，对输入到RBF神经网络中电容式电压互感器误差历史 数据进行预处理后再输入到RBF神经网络；
[0023]对电容式电压互感器误差历史数据预处理得到第二电容式电压互 感器误差历史数据，其中，第二电容式电压互感器误差历史数据中电 容式电压互感器正常样本和电容式电压互感器故障样本的比例为第一 比例。
[0024]进一步的，所述对电容式电压互感器误差历史数据预处理得到第 二电容式电压互感器误差历史数据，具体为：
[0025]通过重采样法对电容式电压互感器误差历史数据进行重构使电容 式电压互感器故障样本的比例增加；
[0026]对重构后的电容式电压互感器误差历史数据进行数据加强得到第 二电容式电压互感器误差历史数据。
[0027]进一步的，所述重采样法具体为：
[0028]对于电容式电压互感器故障样本中每一个样本X，以欧氏距离为标 准计算它到电容式电压互感器故障样本集中所有样本的距离，得到其k 近邻；
[0029]根据样本不平衡比例设置一个采样比例以确定采样倍率N，对于每 一个样本X，从其k近邻中随机选择若干个样本，将选择的近邻记为X
n
；
[0030]对于每一个随机选出的近邻X
n
，通过第一公式得到样本X
new
，所 述第一公式具体为：
[0031]X
new
＝X+rand(0,1)*|X
‑
X
N
|。
[0032]本专利技术还公开了一种电容式电压互感器误差预测装置，包括：数 据输入模块、预测模型和输出模块；
[0033]所述数据输入模块用于输入当前时刻之前的电容式电压互感器误 差数据和当前时刻电容式电压互感器环境参量数据；
[0034]所述预测模型是通过将电容式电压互感器误差历史数据和电容式 电压互感器环境参量数据输入到RBF神经网络训练得到的；
[0035]所述输出模块用于输出预测误差。
[0036]进一步的，所述预测模型的构建方法包括：
[0037]根据电容式电压互感器环境参量中不同参量对电容式电压互感器 误差的影响确
定电容式电压互感器误差模型的影响参数，所述影响参 数为：电容式电压互感器相间泄露电流和电流互感器的二次负荷；
[0038]根据电容式电压互感器相间泄露电流和电流互感器的二次负荷构 建电容式电压互感器误差模型；
[0039]基于电容式电压互感器误差模型构建自回归的RBF神经网络，通 过蚁群算法对RBF网络进行聚类优化，确定RBF网络的基函数中心和 半径，通过粒子群算法得到电容式电压互感器相间泄露电流和电流互 感器的二次负荷在RBF神经网络的权重；
[0040]将电容式电压互感器误差历史数据和电容式电压互感器环境参量 数据输入到RBF神经网络，得到训练好的预测模型。
[0041]进一步的，所述电容式电压互感器误差模型，具体为：
[0042][0043]式中，δ为比差，Υ为角差；x1为CVT相间电场导致的泄漏电流，x2为 CVT的二次负荷。
[0044]本专利技术实施例一种电容式电压互感器误差预测方法及装置与现有 技术相比，其有益效果在于：
[0045](1)可以对电容式电压互感器的误差进行预测，及时发现电容式 电压互感器的计量误差越限并帮助维护人员了解计量误差的劣化趋势。
[0046](2)本专利技术采用自回归RBF神经网络对CVT误差进行预测的同时， 并利用重采样和数据加强，对CVT误差历史数据进行预处理，提高了 输入数据的平衡度，进而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电容式电压互感器误差预测方法，其特征在于，包括：将当前时刻之前的电容式电压互感器误差数据和当前时刻电容式电压互感器环境参量数据输入到预先训练的预测模型得到当前时刻电容式电压互感器误差；其中，预测模型是通过将电容式电压互感器误差历史数据和电容式电压互感器环境参量数据输入到RBF神经网络训练得到的。2.根据权利要求1所述的一种电容式电压互感器误差预测方法，其特征在于，所述预测模型的构建方法包括：根据电容式电压互感器环境参量中不同参量对电容式电压互感器误差的影响确定电容式电压互感器误差模型的影响参数，所述影响参数为：电容式电压互感器相间泄露电流和电流互感器的二次负荷；根据电容式电压互感器相间泄露电流和电流互感器的二次负荷构建电容式电压互感器误差模型；基于电容式电压互感器误差模型构建自回归的RBF神经网络，通过蚁群算法对RBF网络进行聚类优化，确定RBF网络的基函数中心和半径，通过粒子群算法得到电容式电压互感器相间泄露电流和电流互感器的二次负荷在RBF神经网络的权重；将电容式电压互感器误差历史数据和电容式电压互感器环境参量数据输入到RBF神经网络，得到训练好的预测模型。3.根据权利要求2所述的一种电容式电压互感器误差预测方法，其特征在于，所述电容式电压互感器误差模型，具体为：式中，δ为比差，Υ为角差；x1为CVT相间电场导致的泄漏电流，x2为CVT的二次负荷。4.根据权利要求2所述的一种电容式电压互感器误差预测方法，其特征在于，所述自回归的RBF神经网络包括输入层、隐含层和输出层；所述输入层的输入数据为：x＝[x1、x2、Y(k
‑
1)]；其中，x1为CVT相间电场导致的泄漏电流，x2为CVT的二次负荷，Y(k－1)为过去时刻输出的误差；所述隐含层的输出表示为：其中，H为隐含层输出，X为输入向量(x1，x2，Y(k
‑
1))，b为高斯基函数的宽度，b＞0；C
j
为隐函数神经元中心向量；所述输出层的输出表示为：Y(k)＝ω
11
+ω
22
+ω
33
；其中：ω为输出层的权值，Y(k)是自回归RBF神经网络的预测输出。5.根据权利要求1所述的一种电容式电压互感器误差预测方法，其特征在于，对输入到RBF神经网络中电容式电压互感器误差历史数据进行预处理后再输入到RBF神经网络；对电容式电压互感器误差历史数据预处理得到第二电容式电压互感器误差历史数据，其中，第二电容式电压互感器误差历史数据中电容式电压互感器正常样本和电容式电压互
感器故...

【专利技术属性】
技术研发人员：张鼎衢，宋强，招景明，冯浩洋，李经儒，杨路，孟庆亮，冯霞山，范祖明，
申请(专利权)人：广东电网有限责任公司计量中心，
类型：发明
国别省市：