一种变压器短路电流计算方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例涉及深度学习技术领域，公开了一种变压器短路电流计算方法、装置、设备及存储介质，该方法包括：基于多个训练样本，对用于计算变压器的短路电流值的预设图神经网络进行训练，得到目标图神经网络模型；其中，任一训练样本包括：任一区域的第一关键运行特性量化数据和第一故障类型量化数据、第一拓扑数据和变压器的实际短路电流值；将待测区域的目标关键运行特性量化数据、目标故障类型量化数据和目标拓扑数据输入至所述目标图神经网络模型中，得到所述待测区域的变压器的目标短路电流值。应用本发明专利技术的技术方案，能够通过图神经网络实现对变压器短路电流的快速计算，以此提高了短路电流的计算效率。高了短路电流的计算效率。高了短路电流的计算效率。

【技术实现步骤摘要】
一种变压器短路电流计算方法、装置、设备及存储介质


[0001]本专利技术实施例涉及深度学习
，具体涉及一种变压器短路电流计算方法、装置、设备及存储介质。

技术介绍

[0002]目前随着电网的快速发展，短路电流超标问题日益严峻，对电网及设备安全运行构成严重威胁。现代电力系统正朝着高可靠性、高效率、高单机容量和大规模电网方向发展。在变压器突发短路情况下，绕组导体会产生巨大的短路电动力，轻则使绕组绝缘及结构件受损，影响变压器的电气性能；重则使线圈严重变形，导线折断，以至使绕组烧毁，造成变压器完全损坏与电网停电的重大事故。因此，变压器的短路电流计算是相关研究的重点。
[0003]针对变压器短路电流的研究，梁刚等人通过电流在变压器绕组中的传变特性分析,可得出一种简便的变压器短路电流分析方法。由故障侧电流推导出绕组电流,再利用绕组电流推导出非故障侧相电流或线电流的特征，或者根据现场变压器各侧电流特征推断出故障类型及可能的故障点。对一线运行维护人员进行变压器故障性质和保护动作的快速分析与故障排除有重要作用。李龙女等人应用对称分量法和基于场路耦合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变压器短路电流计算方法，其特征在于，包括：基于多个训练样本，对用于计算变压器的短路电流值的预设图神经网络进行训练，得到目标图神经网络模型；其中，任一训练样本包括：任一区域的第一关键运行特性量化数据和第一故障类型量化数据、第一拓扑数据和变压器的实际短路电流值；将待测区域的目标关键运行特性量化数据、目标故障类型量化数据和目标拓扑数据输入至所述目标图神经网络模型中，得到所述待测区域的变压器的目标短路电流值。2.根据权利要求1所述的方法，其特征在于，所述基于多个训练样本，对用于计算变压器的短路电流值的预设图神经网络进行训练，得到目标图神经网络模型的步骤，包括：将每个训练样本中的第一关键运行特性量化数据和第一故障类型量化数据、第一拓扑数据分别输入至所述预设图神经网络进行训练，得到每个训练样本对应的第一短路电流值；根据每个训练样本对应的第一短路电流值和实际短路电流值，得到每个训练样本的损失值，并基于所有的训练样本的损失值，对所述预设图神经网络的参数进行优化，得到所述优化后的图神经网络；当所述优化后的图神经网络符合预设训练条件时，将所述优化后的图神经网络确定为所述目标图神经网络模型。3.根据权利要求2所述的方法，其特征在于，还包括：当所述优化后的图神经网络不符合预设训练条件时，将所述优化后的图神经网络作为所述预设图神经网络，并返回执行所述将每个训练样本中的第一关键运行特性量化数据和第一故障类型量化数据、第一拓扑数据分别输入至所述预设图神经网络进行训练的步骤，直至所述优化后的图神经网络符合预设训练条件时，将所述优化后的图神经网络确定为所述目标图神经网络模型。4.根据权利要求3所述的方法，其特征在于，所述预设训练条件为：所述预设图神经网络的迭...

【专利技术属性】
技术研发人员：邹德旭，王山，洪志湖，代维菊，彭庆军，周仿荣，胡锦，徐肖伟，刘红文，史俊，郭涛，孙再超，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：