一种用于预测变压器中性点杂散电流的方法及系统技术方案

本发明专利技术公开了一种用于预测变压器中性点杂散电流的方法，包括：采集城市不同位置的主变压器的噪声、震动、振动加速度和中性点电流并对中性点电流进行周期性分解；根据噪声、震动和振动加速度、以及分解后的中性点电流数据，构建用于预测电流缺失时段的中性点电流的电流预测模型，电流预测模型基于神经网络模型而建立；测量城市主变压器在正常运行状态下的噪声、震动和振动加速度、以及指定时间段内的中性点电流，利用所述电流预测模型，对电流缺失时段的中性点电流进行预测。本发明专利技术能够对变压器中性点的杂散电流进行全时段和准确的监测。测。测。

【技术实现步骤摘要】
一种用于预测变压器中性点杂散电流的方法及系统


[0001]本专利技术涉及电气检测
，尤其是涉及一种用于预测变压器中性点杂散电流的方法及系统。

技术介绍

[0002]为解决城市交通拥堵问题，轨道交通迅速发展与普及。由于高铁、地铁等电力牵引动车在高速行驶时，难以做到绝对绝缘，通常钢轨会向周围土壤介质泄露一定的直流电流，该直流电流通过大地土壤等介质，向四周辐射状传导，所传导的电流又称为杂散电流。而且，由于城市电网中存在大量接地变压器，当杂散电流在大地中传导时，会引发变压器出现直流偏磁的现象，使得变压器振动加剧、噪声增大、局部温升增加，严重时将会极大程度上缩短变压器的正常使用周期。目前，我国多地城市的电网运行均因地铁线路的开通而受到影响，接地变压器出现了严重的直流偏磁问题，因此，对于城市变压器的及时监测并开展快速防护便越发重要。
[0003]为了对变压器中性点的杂散电流进行更全面且持续性的监测，以防当监测仪器出现故障时，缺失了杂散电流的实时监测。

技术实现思路

[0004]本专利技术的目的在于，需要提供一种能够持续性监测变压器中性点杂散电流的方案，从而在城市主变压器中性点电流的实时监测过程中，解决监测仪器故障情况下而发生的杂散电流数据缺失的问题。
[0005]为了解决上述技术问题，本专利技术实施例提供了一种用于预测变压器中性点杂散电流的方法，包括：采集城市不同位置的主变压器的噪声、震动、振动加速度和中性点电流并对所述中性点电流进行周期性分解；根据噪声、震动和振动加速度、以及分解后的所述中性点电流数据，构建用于预测电流缺失时段的中性点电流的电流预测模型，所述电流预测模型基于神经网络模型而建立；测量城市主变压器在正常运行状态下的噪声、震动和振动加速度、以及指定时间段内的中性点电流，利用所述电流预测模型，对电流缺失时段的中性点电流进行预测。
[0006]优选地，将所采集到的中性点电流随时间变化的历史电流数据分解为若干个本征模态和单调的残差，以利用多阶的IMF分量来构建所述电流预测模型。
[0007]优选地，在构建所述电流预测模型的过程中，包括：建立基于自注意力的LSTM神经网络模型、以及训练数据和测试数据；利用所述训练数据和所述测试数据来对所述基于自注意力的LSTM神经网络模型进行训练并测试，从而获得所述电流预测模型。
[0008]优选地，所述基于自注意力的LSTM神经网络模型包括：依次连接的输入模块、LSTM网络模块、拼接模块和含有自注意力单元的输出模块，所述输出模块用于对注意力单元进行编码处理和解码处理。
[0009]优选地，利用如下表达式对注意力单元进行编码处理：
[0010]Q＝A
Q
X
in
[0011]K＝A
K
X
in
[0012]V＝A
V
X
in
[0013]Encoder(X
in
)＝softmax(QK
T
+P)V
[0014]其中，X
in
表示所述注意力单元的输入，A
Q
、A
K
和A
V
分别表示待训练参数，P表示待训练的位置编码矩阵，T表示转置符号。
[0015]优选地，所述LSTM网络模块包括两个堆叠的LSTM子网络；所述拼接模块为若干个连续时间下的所述LSTM网络模块的输出结果的拼接，其中，连续时间的个数优选为4个。
[0016]优选地，在模型训练及测试过程中，学习率为0.001。
[0017]优选地，在测量城市主变压器在正常运行状态下的噪声、震动和振动加速度、以及指定时间段内的中性点电流，利用所述电流预测模型，对电流缺失时段的中性点电流进行预测的步骤中，包括：根据在指定正常运行状态时间段内实时测量的噪声、震动、振动加速度和中性点电流数据，利用所述电流预测模型，对下一预测周期的中性点电流数据进行预测；根据下一预测周期的噪声、震动、振动加速度和中性点电流数据，利用所述电流预测模型，继续对中性点电流数据进行预测，以实现杂散电流的连续预测。
[0018]优选地，在采集城市不同位置的主变压器的噪声、震动、振动加速度和中性点电流的步骤中，包括：所述噪声通过麦克风来采集；所述震动及其加速度数据通过振动加速度传感器来采集；所述中性点电流数据通过杂散电流测试仪来采集。
[0019]另一方面，本专利技术实施例还提供了一种用于预测变压器中性点杂散电流的系统，所述系统用于实现如上述所述的方法，其中，所述系统包括：采集器，其配置为采集城市不同位置的主变压器的噪声、震动、振动加速度和中性点电流；处理器，其具备：历史数据处理模块，其配置为对实时采集到的所述中性点电流进行周期性分解；模型构建模块，其配置为根据噪声、震动和振动加速度、以及分解后的所述中性点电流数据，构建用于预测电流缺失时段的中性点电流的电流预测模型，所述电流预测模型基于神经网络模型而建立；电流预测模块，其配置为通过所测量的城市主变压器在正常运行状态下的噪声、震动和振动加速度、以及指定时间段内的中性点电流，利用所述电流预测模型，对电流缺失时段的中性点电流进行预测。
[0020]与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：
[0021]本专利技术提出了一种用于预测变压器中性点杂散电流的方法及系统。该方法及系统利用LSTM神经网络实现了通过噪声、振动加速度、振动和一段时间的杂散电流正常值来预测缺失时段的杂散电流值，从而实现全时段的杂散电流监测。这样，本专利技术能够对变压器中性点的杂散电流进行更全面且准确的监测，以防当监测仪器出现故障时，缺失了杂散电流的实时监测。另外，由于单纯的LSTM神经网络往往会有部分误差，本专利技术还将数据随时间变化的函数先进行了EMD分解，再使用LSTM神经网络，从而大幅提高了预测的准确性。
[0022]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
[0023]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例共同用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0024]图1为本申请实施例的用于预测变压器中性点杂散电流的方法的步骤示意图。
[0025]图2为本申请实施例的用于预测变压器中性点杂散电流的系统的模块框图。
具体实施方式
[0026]以下将结合附图及实施例来详细说明本专利技术的实施方式，借此对本专利技术如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本专利技术中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本专利技术的保护范围之内。
[0027]另外，附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于预测变压器中性点杂散电流的方法，其特征在于，包括：采集城市不同位置的主变压器的噪声、震动、振动加速度和中性点电流并对所述中性点电流进行周期性分解；根据噪声、震动和振动加速度、以及分解后的所述中性点电流数据，构建用于预测电流缺失时段的中性点电流的电流预测模型，所述电流预测模型基于神经网络模型而建立；测量城市主变压器在正常运行状态下的噪声、震动和振动加速度、以及指定时间段内的中性点电流，利用所述电流预测模型，对电流缺失时段的中性点电流进行预测。2.根据权利要求1所述的方法，其特征在于，将所采集到的中性点电流随时间变化的历史电流数据分解为若干个本征模态和单调的残差，以利用多阶的IMF分量来构建所述电流预测模型。3.根据权利要求1或2所述的方法，其特征在于，在构建所述电流预测模型的过程中，包括：建立基于自注意力的LSTM神经网络模型、以及训练数据和测试数据；利用所述训练数据和所述测试数据来对所述基于自注意力的LSTM神经网络模型进行训练并测试，从而获得所述电流预测模型。4.根据权利要求3所述的方法，其特征在于，所述基于自注意力的LSTM神经网络模型包括：依次连接的输入模块、LSTM网络模块、拼接模块和含有自注意力单元的输出模块，所述输出模块用于对注意力单元进行编码处理和解码处理。5.根据权利要求4所述的方法，其特征在于，利用如下表达式对注意力单元进行编码处理：Q＝A
Q
X
in
K＝A
K
X
in
V＝A
V
X
in
Encoder(X
in
)＝softmax(QK
T
+P)V其中，X
in
表示所述注意力单元的输入，A
Q
、A
K
和A
V
分别表示待训练参数，P表示待训练的位置编码矩阵，T表示转...

【专利技术属性】
技术研发人员：王子峰，姜朱丰，蔡智超，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：