【技术实现步骤摘要】
变压器油温预测方法、装置、计算机设备和存储介质
[0001]本申请涉及电力
，特别是涉及一种变压器油温预测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]电力变压器作为电力系统中的关键设备，其稳定运行对于电力系统的可靠性和运行的经济性有着重要影响。从某种程度而言，变压器的载荷能力和绝缘老化速度主要由其内部热状态决定，而变压器顶层油温度(TOT)和绕组热点温度是考察变压器热状态的关键参数。因此，在保证变压器安全运行的前提下，充分利用变压器动态载荷能力，准确预测变压器绕组热点温度十分关键。目前通常是通过监测顶层油温来确定变压器绕组热点温度。具体为通过T
‑
S模型来预测油温的方式。然而，通过T
‑
S模型预测油温，由于模型的使用过程较为复杂，提高了油温预测的复杂度。
[0003]因此，目前的变压器油温预测方法存在预测复杂度高的缺陷。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种能够降低预测复杂度的变压器油温预测方法、装置...
【技术保护点】
【技术特征摘要】
1.一种变压器油温预测方法，其特征在于，所述方法包括：获取待预测变压器在预设时间段内的已知油温序列；根据经验模态分解算法分解所述已知油温序列，得到所述已知油温序列对应的多个内涵模态分量以及残差分量；由目标长短期记忆人工神经网络基于所述多个内涵模态分量和残差分量输出每个内涵模态分量对应的第一预测分量以及所述残差分量对应的第二预测分量，得到每个内涵模态分量对应的预测内涵模态分量以及所述残差分量对应的预测残差分量；所述预测内涵模态分量中包括多个时间点的第一预测分量，所述预测残差分量包括多个时间点的第二预测分量；根据多个预测内涵模态分量和所述预测残差分量，得到所述待预测变压器的油温预测结果。2.根据权利要求1所述的方法，其特征在于，所述根据经验模态分解算法分解所述已知油温序列，得到所述已知油温序列对应的多个内涵模态分量以及残差分量，包括：获取所述已知油温序列中的多个极大值点和多个极小值点；根据所述多个极大值点确定所述已知油温序列的第一包络曲线，根据所述多个极小值点确定所述已知油温序列的第二包络曲线；获取所述第一包络曲线和所述第二包络曲线对应的均值包络曲线；获取所述已知油温序列与所述均值包络曲线的差值，得到差值油温序列；若所述差值油温序列满足预设分量条件，确定所述差值油温序列为内涵模态分量，在所述已知油温序列中分离所述内涵模态分量，得到新的已知油温序列；若所述内涵模态分量的数量小于预设数值阈值，获取所述新的已知油温序列中的多个极大值点和多个极小值点，并返回根据所述多个极大值点确定所述已知油温序列的第一包络曲线，根据所述多个极小值点确定所述已知油温序列的第二包络曲线的步骤；若所述内涵模态分量的数量大于或等于预设数值阈值，根据当前已有的多个内涵模态分量得到所述已知油温序列对应的多个内涵模态分量，将所述新的已知油温序列作为残差分量。3.根据权利要求2所述的方法，其特征在于，所述获取所述已知油温序列与所述均值包络曲线的差值，得到差值油温序列之后，还包括：若所述差值油温序列不满足预设分量条件，获取所述差值油温序列中的多个极大值点和多个极小值点；根据所述差值油温序列中的多个极大值点和多个极小值点确定差值包络曲线，并获取所述差值包络曲线的均值包络曲线；根据所述差值油温序列与所述均值包络曲线的差值得到新的差值油温序列，若所述新的差值油温序列不满足预设分量条件，获取所述新的差值油温序列中的多个极大值点和多个极小值点，返回根据所述差值油温序列中的多个极大值点和多个极小值点确定差值包络曲线的步骤；若所述新的差值油温序列满足预设分量条件，确定所述新的差值油温序列为内涵模态分量。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取样本油温序列对应的多个样本内涵模态分量和样本残差分量，并获取待训练长短期记忆人工神经网络；所述待训练长短期记忆人工神经网络包括输入门、遗忘门和输出门；针对每个样本内涵模态分量，将该样本内涵模态分量切分为输入样本内涵模态分量以及输出样本内涵模态分量；所述输入样本内涵模态分量对应的时...
【专利技术属性】
技术研发人员：蒋文辉，席禹，于力，梁博，程凌森，赵亮，周波，陈波，蒋愈勇，李凡，陈煜敏，王玉龙，孔祥伦，
申请(专利权)人：南方电网数字电网研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。