【技术实现步骤摘要】
中低压变压器故障预警模型构建方法以及故障预警方法
[0001]本专利技术涉及电力信息
，具体涉及一种中低压变压器故障预警模型构建方法以及故障预警方法。
技术介绍
[0002]配电网是电网的重要组成，是为用电客户提供电能分配的最终环节，因此配电网的设备数量也是发输变配环节中最多的。且随着用电需求的不断增长，配电网设备数量逐年增长，从2010年起，每年保持7％的增幅。而配电网的故障次数同样占比很大，占整个电网的80％以上，其中变压器设备是最主要的故障设备类型。
[0003]配电网与客户直接关联，变压器设备故障将直接造成客户用电事故，没有缓冲空间和余地。对于工业生产企业，设备故障还将造成安全问题，造成巨大的危害。设备故障具有突发性，由于故障影响因素众多，难以预测，只能事后抢修，因此变压器故障是目前电力应急抢修中的最重要的内容。
[0004]现有的故障预判方法主要是采用人工定期排查的方式，这种方法时效性不强，且耗费人力物力。而传统的时间序列预测方法只能对单一指标进行预测，变压器故障影响因素众多，无法满足故障预警...
【技术保护点】
【技术特征摘要】
1.一种中低压变压器故障预警模型构建方法，其特征在于，包括：获取中低压变压器的历史运行状态数据和故障影响因素数据，所述故障影响因素数据包括天气数据、负荷数据、上层油温数据以及油色谱数据；将所述历史运行状态数据中故障状态数据前预设时间内的运行状态数据调整为故障状态数据；根据调整后的历史运行状态数据和故障影响因素数据对长短时记忆人工神经网络模型进行训练，得到故障预警模型。2.根据权利要求1所述的中低压变压器故障预警模型构建方法，其特征在于，根据调整后的历史运行状态数据和故障影响因素数据对长短时记忆人工神经网络模型进行训练，得到故障预警模型，包括：根据调整后的历史运行状态数据和故障影响因素数据构建训练数据集和验证数据集；采用所述训练数据集对长短时记忆人工神经网络模型进行训练，得到故障预警模型；采用所述验证数据集对所述故障预警模型进行验证。3.根据权利要求2所述的中低压变压器故障预警模型构建方法，其特征在于，采用所述训练数据集对长短时记忆人工神经网络模型进行训练，得到故障预警模型，包括：将所述训练数据集划分为预设个数的数据集，每个数据集中包括第一集合和第二集合，所述第一集合包括多个连续时刻的历史运行状态数据和故障影响因素数据，所述第二集合包括一个时刻的历史运行状态数据，所述第二集合中的数据为所述第一集合中数据的下一个时刻数据，所述数据集是将前一个数据集中的数据下移一行得到；采用预设个数的数据集对长短时记忆人工神经网络模型进行迭代训练，得到故障预警模型。4.根据权利要求2所述的中低压变压器故障预警模型构建方法，其特征在于，采用所述验证数据集对所述故障预警模型进行验证，包括：将所述验证数据集中的故障影响因素数据输入至所述故障预警模型中，得到预测数据；根据所述预测数据和所述验证数据集中的历史运行状态数据进行准确率计算，得到计算结果；当所述计算结果小于预设值时，重新构建训练数据集进行训练；当所述计算结果大于等于预设值时，结束训练。5.一种中低压变压器故障预警方法，其特征在于，包括：获取中低压变压器的当前时刻的故障影响因素数据；将所述故障影响因素数据输入至权利要求1
‑
4任一项所述的中低压变压器故障预警模型构建方法构建的故障预警模型中，得到故障预警结果。6.根据权利要求5所述的中低压变压器故障预警方法，其特征在于，获取中低压变压器的当前时刻的故障影响因素数据，包括：基于中低压变压器的历史运行状态数据和故障影响因素数据构建中低压变压器的数字孪生体；基于所述数字孪生体获取中低压变压器的当前时刻的故障影响因素数据。7.一种中低压变压器故障预警模型构建装置，其特征在于，包括：
数据获取模块，用于获取中低压变压器的历史运行状态数据和故障影响因素数据，所述故障影响因素数据包括天气数据、负荷数据、上层油温数据以及油色谱数据；数据调整模块，用于将所述历史运行...
【专利技术属性】
技术研发人员：乔俊峰，彭林，周爱华，徐晓轶，杨佩，徐敏，朱富云，潘森，于海，欧朱健，
申请(专利权)人：国网江苏省电力有限公司国家电网有限公司，
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。