基于ARMA模型的GIS微弱放电发展趋势预测方法技术

本发明专利技术涉及基于ARMA模型的GIS微弱放电发展趋势预测方法，包括如下步骤：采集气体绝缘组合电器内微弱放电数据，并对其进行预处理，使数据平稳化，获取平稳数据序列；对平稳数据序列进行白噪声检验，舍弃掉不合格的数据；确定采集数据自相关性和去干扰后采集数据自相关性；构建ARMA模型，对模型进行定阶，并确定模型中未知参数的值；验证模型有效性，若模型不满足条件，则重新构建并确定模型，若模型满足条件，则得到有效预测模型；利用有效预测模型对GIS微弱放电发展趋势进行预测；本发明专利技术能够较好地预测微弱放电阶跃参量及非线性参量的极值和峰值，对后续研究其发展趋势的预测具有较大的参考意义。较大的参考意义。较大的参考意义。

【技术实现步骤摘要】
基于ARMA模型的GIS微弱放电发展趋势预测方法


[0001]本专利技术属于GIS放电预测
，尤其涉及基于ARMA模型的GIS微弱放电发展趋势预测方法。

技术介绍

[0002]气体绝缘组合电器设备内多数故障原因是微弱放电，尽可能地避免微弱放电是提高气体绝缘组合电器设备工作寿命的关键因素。由于气体绝缘组合电器设备内微弱放电逐渐发展到绝缘闪络击穿是一个影响因素众多的过程，因此目前通过状态监测数据准确把握微弱放电发展的过程并对发展趋势进行预测，从而提高状态检修的高效性和实时性是一个亟待解决的难题；ARMA是一类常用的随机时间序列模型，该模型被广泛用于各个领域解决实际问题；因此，研究一种通过构建ARMA预测模型有效预测GIS内部微弱放电发展趋势的方法，具有重要意义。

技术实现思路

[0003]本专利技术解决其技术问题是采取以下技术方案实现的：
[0004]基于ARMA模型的GIS微弱放电发展趋势预测方法，其特征在于，包括如下步骤：
[0005]采集气体绝缘组合电器内微弱放电数据，并对其进行预处理，使数据平稳化，获取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于ARMA模型的GIS微弱放电发展趋势预测方法，其特征在于，包括如下步骤：采集气体绝缘组合电器内微弱放电数据，并对其进行预处理，使数据平稳化，获取平稳数据序列；对平稳数据序列进行白噪声检验，舍弃掉不合格的数据；确定采集数据自相关性和去干扰后采集数据自相关性；构建ARMA模型，对模型进行定阶，并确定模型中未知参数的值；验证模型有效性，若模型不满足条件，则重新构建并确定模型，若模型满足条件，则得到有效预测模型；利用有效预测模型对GIS微弱放电发展趋势进行预测。2.根据权利要求1所述的基于ARMA模型的GIS微弱放电发展趋势预测方法，其特征在于：对微弱放电数据进行预处理，使数据平稳化的过程中需要判断数据的平稳性，判断平稳性的方法为使用差分方法或相关系数图。3.根据权利要求1所述的基于ARMA模型的GIS微弱放电发展趋势预测方法，其特征在于：确定采集数据自相关性和去干扰后采集数据自相关性的方法为：微弱放电参量自相关系数的获取公式为：式中，n为数列维度，k为数列滞后数，x为样本数据(如线性特征参量悬浮放电模型每分钟平均放电次数、阶跃参量绝缘子金属异物放电归一化幅值、非线性特征量绝缘子沿面放电幅值信息熵)，为数据总体的平均值；自相关系数可以表达一组数据前后数据的相关性；微弱放电参量偏自相关系数的获取公式为：式中，偏自相关系数就是剔除k
‑
1个的变量干扰之后，检验其他数据的相关性。4.根据权利要求1所述的基于ARMA模型的GIS微弱放电发展趋势预测方法，其特征在于：采用AIC准则，对模型进行定阶；AIC准则可以表示为：AIC(p)＝2p
‑
2ln(L)，式中，p为微弱放电参量数量，L为似然函数；令N为观察数，为残差平方和，则...

【专利技术属性】
技术研发人员：田涛，王海滨，赵宇鸿，李惠玉，唐瑞伟，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：