一种基于BP神经网络的变电站智能降温控制方法技术

本发明专利技术公开了一种基于BP神经网络的变电站智能降温控制方法，包括以下步骤：构建主变降温控制装置；设定主变油温设定值并与主变实际油温比较；根据比较结果控制电动阀门出水流量；再次采集主变实际油温诊断判断处理方式；进行主变降温控制装置自诊断。上述技术方案通过在主变旁增加储水箱，引出水管至主变散热片中散热片间，针对主变油温监测，当主变油温温度较高时进行循环喷水达到物理降温的目的，借助BP神经网络自适应PID控制循环喷水量，实现对主变油温的智能降温，同时监测变电站的各个管道水流量，通过BP神经网络自适应PID控制方法来控制储水箱电动阀门的流量，有效实现变电站漏水监测，大大节约水资源。大大节约水资源。大大节约水资源。

【技术实现步骤摘要】
一种基于BP神经网络的变电站智能降温控制方法


[0001]本专利技术涉及变电站监测设备，尤其涉及一种基于BP神经网络的变电站智能降温控制方法。

技术介绍

[0002]变电站用水系统是变电站的重要组成部分，其中包括生活用水及消防用水，均通过城市管网系统经控制总阀流入变电站内，变电站内的水系统又通过管网进行连接，其中分出各种消防栓、水龙头等出水口，当管路或者出水口任一处出现故障破裂，均会导致漏水，源源不断的水流会通过漏水点漏至地下，对于室内变电站还可能漏至设备区，危及设备运行安全，由于目前各阀门均为手动控制阀门，当漏水后无法自动关闭，再加上无人巡视变电站巡视周期长，往往运维人员只能通过将当前水表读数与上月进行对比才能发现较为隐蔽的漏水现象。
[0003]同时，夏季高温情况下，电力负荷水平屡创新高。变压器作为变电站的心脏，当过负荷运行时，主变油温会异常升高，由于目前变电站大多配置油浸自冷式变压器，散热能力一般，当负荷较大、外界温度较高时会加速主变老化，造成绝缘损坏，最终导致各种缺陷的发生，缺陷严重时引发安全事故。另外当夏季来临时主变负荷转移较为困难，如何在保证用户稳定供电的基础上限制主变温度，做好主变散热工作，确保主变上层油温不超过限定温度，保证变压器安全运行是急需解决的关键问题。
[0004]中国专利文献CN109613936A公开了一种“变电站用水监控系统”。包括用于监控水管内流速信息的远程监控装置及与远程监控装置进行信息传输、从而接收流速信息的检测设备。通过对流速信息的监控，即可得知水管有无破损。该变电站用水监控系统可以对安装有远程监控装置的水管进行流速远程监控，节省人力。上述技术方案缺少难以在对主变油温进行控制的同时实现节水。

技术实现思路

[0005]本专利技术主要解决原有的技术方案缺少难以在对主变油温进行控制的同时实现节水的技术问题，提供一种基于BP神经网络的变电站智能降温控制方法，通过在主变旁增加储水箱，引出水管至主变散热片中散热片间，针对主变油温监测，当主变油温温度较高时进行循环喷水达到物理降温的目的，借助BP神经网络自适应PID控制循环喷水量，实现对主变油温的智能降温，同时监测变电站的各个管道水流量，通过BP神经网络自适应PID控制方法来控制储水箱电动阀门的流量，有效实现变电站漏水监测，大大节约水资源。
[0006]本专利技术的上述技术问题主要是通过下述技术方案得以解决的：本专利技术包括以下步骤：S1构建主变降温控制装置；S2设定主变油温设定值并与主变实际油温比较；S3根据比较结果控制电动阀门出水流量；
S4再次采集主变实际油温诊断判断处理方式；S5进行主变降温控制装置自诊断。
[0007]将主变油温设定值与主变实际油温进行比较，通过基于BP神经网络的自适应PID控制方法来智能控制降温装置出水阀门流量，实现循环喷水，从而达到物理降温的目的。
[0008]作为优选，所述的步骤S1中主变降温监测系统包括水箱，所述水箱进水口经过进水管与水泵相连，水箱出水口经过出水管与淋水器相连，所述淋水器设置在主变压器旁，所述出水管上设有电动阀门，所述电动阀门与控制器相连，所述水箱内设有水位传感器。每台主变压器配备一台水箱作为降温装置，水箱内的水不足时，水位传感器会发出信号，再通过水泵进行补充，主变压器上层油温过高时，阀门获取到管道流量和主变油温的数据并通过控制器进行处理，可以实现智能调节出水量，通过出水管给主变压器淋水来实现物理降温。同时当主变压器上层油温正常时，也可以通过分析管道流量和主变油温数据判断用水装置是否异常。
[0009]作为优选，所述的步骤S3具体包括：根据主变降温控制装置的运行状态，调节PID控制器的参数，以期达到最优出水流量的指标，即输出层神经元的输出状态对应于PID控制器的三个可调参数K
P
、K
I
、K
D
，通过BP神经网络的自身学习、加权系数调整，使其稳定状态对应于最优出水流量下的PID控制器参数。
[0010]控制器由两个部分组成：PID控制器：直接对被控对象进行过程闭环控制，并且三个参数K
P
、K
I
、K
D
为在线整定式；BP神经网络：根据系统的运行状态，调节PID控制器的参数，以期达到最优出水流量的指标，即输出层神经元的输出状态对应于PID控制器的三个可调参数K
P
、K
I
、K
D
，通过神经网络的自身学习、加权系数调整，从而使其稳定状态对应于最优出水流量下的PID控制器参数。
[0011]作为优选，所述的PID控制算法为：将K
P
、K
I
、K
D
视为依赖于系统运行状态的可调系数，将式描述为：式中，为与K
P
、K
I
、K
D
、v(k
‑
1)、y(k)有关的非线性系数，v(k)为水流量，e(k)为主变上层油温实际值与设定值之差。
[0012]作为优选，所述的BP神经网络为三层BP结构，输入层节点为M，隐含层节点为Q，输出层节点为L，输入节点对应所选的输入状态量，输出节点分别对应PID控制器的三个可调参数K
P
、K
I
、K
D
，输出层神经元的激活函数取非负的Sigmoid函数，隐含层神经元的激活函数取正负对称的Sigmoid函数。
[0013]作为优选，所述的BP神经网络的输入为：式中，j=0,1，
…
，M
‑
1，输入变量的个数M取决于被控系统的控制要求和复杂程度；网络的隐含层输入输出为：
式中，i=0,1，
…
，Q
‑
1；为隐含层加权系数；上角标（1）、（2）、（3）分别对应输入层、隐含层、输出层。
[0014]网络的输出层的输入输出为：式中，为输出层加权系数；隐含层和输出层的激活函数均取非负的Sigmoid函数：。
[0015]取性能指标函数：按照梯度下降法修正网络的权系数，即按J对加权系数的负梯度方向搜索调整，并附加一个使搜索快速收敛全局极小的惯性项：式中，η为学习率，α为惯性系数。
[0016]由于未知，故用符号替代，产生的计算不精确的影响通过调整学习率η来补偿。
[0017]作为优选，由求得：
BP神经网络输出层加权系数计算公式：式中，。
[0018]同理可得隐含层加权系数的计算公式为：式中，。
[0019]作为优选，所述的步骤S4主变降温控制装置对电动阀门进行出水量控制实现循环喷水降温后，经过t1分钟后再判断油温是否下降到设定值T2，若是，则自动关闭阀门智能控制系统并结束命令；若否，则需要运行人员对现场进行检查，查看是否是装置故障或是主变上层油温确实过高，若装置故障则进行信号复位的维护工作，若油温过高则联系调度人员更换处理方式。
[0020]阀门读取主变上层油本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BP神经网络的变电站智能降温控制方法，其特征在于，包括以下步骤：S1构建主变降温控制装置；S2设定主变油温设定值并与主变实际油温比较；S3根据比较结果控制电动阀门出水流量，具体包括：根据主变降温控制装置的运行状态，调节PID控制器的参数，以期达到最优出水流量的指标，即输出层神经元的输出状态对应于PID控制器的三个可调参数K
P
、K
I
、K
D
，通过BP神经网络的自身学习、加权系数调整，使其稳定状态对应于最优出水流量下的PID控制器参数；S4再次采集主变实际油温诊断判断处理方式；S5进行主变降温控制装置自诊断。2.根据权利要求1所述的一种基于BP神经网络的变电站智能降温控制方法，其特征在于，所述步骤S1中主变降温监测系统包括水箱，所述水箱进水口经过进水管与水泵相连，水箱出水口经过出水管与淋水器相连，所述淋水器设置在主变压器旁，所述出水管上设有电动阀门，所述电动阀门与控制器相连，所述水箱内设有水位传感器。3.根据权利要求1所述的一种基于BP神经网络的变电站智能降温控制方法，其特征在于，所述调节PID控制器的参数算法为：将K
P
、K
I
、K
D
视为依赖于系统运行状态的可调系数，将式描述为：式中，为与K
P
、K
I
、K
D
、v(k
‑
1)、y(k)有关的非线性系数，v(k)为水流量，e(k)为主变上层油温实际值与设定值之差。4.根据权利要求1所述的一种基于BP神经网络的变电站智能降温控制方法，其特征在于，所述BP神经网络为三层BP结构，输入层节点为M，隐含层节点为Q，输出层节点为L，输入节点对应所选的输入状态量，输出节点分别对应PID控制器的三个可调参数K
P
、K
I
、K
D
，输出层神经元的激活函数...

【专利技术属性】
技术研发人员：范旭明，舒俊鹏，程鹏飞，陆路，程川，汤益飞，张一航，梁勋萍，潘宏伟，李丹东，江世进，谢聪，陈俊，凌飞，周锦，张兴瑞，张赛凡，董升，贾敏锋，卢帅帅，田志平，
申请(专利权)人：国网浙江省电力有限公司金华供电公司，
类型：发明
国别省市：