基于多维能力与多层感知机的变压器运行状态画像方法技术

本发明专利技术提出基于多维能力与多层感知机的变压器运行状态画像方法，包括以下步骤；步骤S1：采集变压器的设备信息及状态参数，用于构建变压器设备信息标签库；步骤S2：从N个能力维度构建变压器设备信息标签库，将设备状态参数转化为海量标签化数据，并作为下一步算法的输入；步骤S3：构建多层感知机算法的全连接层，实现设备状态量的数据压缩和特征提取，并通过激活函数实现变压器各能力维度和整体的状态预测；步骤S4：对于状态欠佳的变压器，根据各能力维度和整体的状态评分定位设备的故障部位，并开展设备分析和决策制定；本发明专利技术能实现高效、准确、全面地得到变压器的运行状态分析，从而有利于现场运维人员根据变压器设备画像制定运维检修决策。运维检修决策。运维检修决策。

【技术实现步骤摘要】
基于多维能力与多层感知机的变压器运行状态画像方法


[0001]本专利技术涉及电力变压器
，尤其是基于多维能力与多层感知机的变压器运行状态画像方法。

技术介绍

[0002]随着经济的不断发展和社会电能需求量的不断增加，电力网的运行负担也在不断加剧，这对电网来说无疑是个严峻的考验。在此背景下，要求电网公司采取合理可行的方法，承担起保证电力系统中各设备运行状态良好稳定，保障电能安全可靠持续供应的责任。作为电力系统中必不可少的电力设备，变压器保持正常健康的运行状态是电力系统维持稳定的必要条件。若变压器发生故障，轻则引起小范围供电中断，重则危害电力系统稳定性，造成电网大范围崩溃，因此需要尽量在变压器故障初期发现并解决故障。若能在变压器出现缺陷而未发生故障时及时解决处理，降低变压器发生故障的概率，对电力系统的稳定运行更加有利。
[0003]长期以来，定期对电力设备进行检修是国内获取变压器健康水平及其运行状态主要的方式。但在我国经济的快速发展背景下，电力网范围不断扩大，电力设备性能逐渐优化，以往的检修方式便不再适用。若仍旧沿用以往定期检修的方式，电网中电力设备数量不容小觑，若一一定期进行检修，检修任务将无比繁重；另一方面还可能使电力设备的检修周期过长，设备运行期间发生故障而因未到检修时间不能被及时发现，故障将有较大的可能性发展为严重故障，后果不堪设想。再者，电力系统中绝大多数设备属于健康状态，一概进行检修将造成过度检修，浪费人力物力。近年来提出了状态检修方法，在掌握变压器运行状态的基础上，考虑多种因素，对设备检修进行合理的安排计划。有针对性地进行检修有助于提高检修质量与效率，保障电网稳定可靠运行。
[0004]状态检修又被称作预知性检修，可在在线监测、状态评估等基础上，判断电力设备运行状态、故障类型及其严重程度。以科学的判断结果为基础，使设备检修安排更加合理。但从另一方面来看，变压器状态评价是一个复杂的过程，其中受到多种因素的影响，需要更加深入的研究以得到技术支持，才能应用于电力系统中。
[0005]从长远来看，状态检修比定期检修更加合理高效，能有效降低电力设备发生重大故障的概率。电气设备的检修方式由定期检修向状态检修转变是电力系统发展的必然趋势，在此环境下，变压器运行状态评价技术研究前景十分宽广，值得进行深入研究。

技术实现思路

[0006]本专利技术提出基于多维能力与多层感知机的变压器运行状态画像方法，能实现高效、准确、全面地得到变压器的运行状态分析，从而有利于现场运维人员根据变压器设备画像制定运维检修决策。
[0007]本专利技术采用以下技术方案。
[0008]基于多维能力与多层感知机的变压器运行状态画像方法，包括以下步骤；
[0009]步骤S1：通过输变电智能运检管控系统采集变压器的设备信息及状态参数，用于构建变压器设备信息标签库；
[0010]步骤S2：从N个能力维度构建变压器设备信息标签库，将设备状态参数转化为海量标签化数据，并作为下一步算法的输入；
[0011]步骤S3：构建基于深度神经网络多层感知机算法的全连接层，实现设备状态量的数据压缩和特征提取，并通过激活函数实现变压器各能力维度和整体的状态预测；
[0012]步骤S4：对于状态欠佳的变压器，根据变压器各能力维度和整体的状态评分定位设备的故障部位，并根据设备运行状态开展设备分析和决策制定。
[0013]所述输变电智能运检管控系统以PMS2.0、ODMS、状态监测系统及调控云系统的全维度状态感知数据为基础，应用智能推理及大数据分析技术，从运维、检修、技改大修三个维度实现输变电设备差异化运检的智能分析与辅助决策，并与PMS紧密结合，应用任务池实现决策信息与运检计划的无缝衔接及决策过程的闭环管理。
[0014]步骤S2的N个能力维度，包括绝缘水平、负载能力、抗短路能力、能效等级和调压能力，各个能力与设备状态参数交叉对应，即一个能力对应多个状态参数或是一个状态参数对应多个能力。
[0015]所述全连接层包含输入层、隐藏层和输出层，输入层的维度根据输入参数进行设定，输出层的维度根据评级要求进行设定，隐藏层的维度根据算法的特征提取效果进行设定。
[0016]所述多层感知机是通过对多个感知机进行集成，形成的多层、多维的网络结构，通过有效模拟复杂的函数关系来实现输入输出的正确映射，包含前向传播和反向传播；
[0017]前向传播的计算公式为：
[0018][0019]其中u
l(j)
为第l层第j个节点的输入，j为对应层的维度，f为sigmoid激活函数，y
l(j)
为第l层第j个节点的输出，w
l(ji)
为第l
‑
1层的第i个节点到第l层第j个节点的权重，b
l(j)
为第l层第j个节点的偏差，w
l
∈R
d
和b
l
∈R
d
是可训练的权值和偏差向量，y
l
‑1为第l层的输出向量，u
l
为第l层的输入向量。
[0020]反向传播的计算公式为：
[0021][0022]其中E为网络输出层的损失函数，t为输入层的信息标签，δ
l
为误差对输入的变化率向量，计算公式为：
[0023][0024]根据上述公式可以推广得到各层参数的更新公式为：
[0025][0026]其中，η为算法学习率。
[0027]所述激活函数是采用多层感知机算法tensorflow中激活函数tf.reduce_sum，用于计算各个维度元素总和。
[0028]所述设备分析和决策制定包括多维能力分析、薄弱环节识别、设备故障诊断和运维检修决策。
[0029]所述设备运行状态是根据变压器信息标签库开展变压器状态分析得到的正常、注意、异常、严重四种运行状态等级。
[0030]本专利技术与现有技术相比具有以下有益效果：
[0031]本专利技术构建了基于多维能力与多层感知机的变压器运行状态画像体系，降低了机器学习算法的复杂度和特征提取的难度，一定程度上解决了目前电力数据多样化、复杂化的困境，有利于准确实现变压器状态分析和运维检修决策制定。
附图说明
[0032]下面结合附图和具体实施方式对本专利技术进一步详细的说明：
[0033]附图1是本专利技术的流程示意图；
[0034]附图2是本专利技术中构架的电力变压器运行状态画像体系示意图；
[0035]图3是本专利技术较佳实施例中模型输出结果的混淆矩阵示意图。
具体实施方式
[0036]如图所示，基于多维能力与多层感知机的变压器运行状态画像方法，包括以下步骤；
[0037]步骤S1：通过输变电智能运检管控系统采集变压器的设备信息及状态参数，用于构建变压器设备信息标签库；
[0038]步骤S2：从N个能力维度构建变压器设备信息标签库，将设备状态参数转化为海量标签化数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多维能力与多层感知机的变压器运行状态画像方法，其特征在于：包括以下步骤；步骤S1：通过输变电智能运检管控系统采集变压器的设备信息及状态参数，用于构建变压器设备信息标签库；步骤S2：从N个能力维度构建变压器设备信息标签库，将设备状态参数转化为海量标签化数据，并作为下一步算法的输入；步骤S3：构建基于深度神经网络多层感知机算法的全连接层，实现设备状态量的数据压缩和特征提取，并通过激活函数实现变压器各能力维度和整体的状态预测；步骤S4：对于状态欠佳的变压器，根据变压器各能力维度和整体的状态评分定位设备的故障部位，并根据设备运行状态开展设备分析和决策制定。2.根据权利要求1所述的基于多维能力与多层感知机的变压器运行状态画像方法，其特征在于：所述输变电智能运检管控系统以PMS2.0、ODMS、状态监测系统及调控云系统的全维度状态感知数据为基础，应用智能推理及大数据分析技术，从运维、检修、技改大修三个维度实现输变电设备差异化运检的智能分析与辅助决策，并与PMS紧密结合，应用任务池实现决策信息与运检计划的无缝衔接及决策过程的闭环管理。3.根据权利要求1所述的基于多维能力与多层感知机的变压器运行状态画像方法，其特征在于：步骤S2的N个能力维度，包括绝缘水平、负载能力、抗短路能力、能效等级和调压能力，各个能力与设备状态参数交叉对应，即一个能力对应多个状态参数或是一个状态参数对应多个能力。4.根据权利要求1所述的基于多维能力与多层感知机的变压器运行状态画像方法，其特征在于：所述全连接层包含输入层、隐藏层和输出层，输入层的维度根据输入参数进行设定，输出层的维度根据评级要求进行设定，隐藏层的维度根据算法的特征提取效果进行设定。5.根据权利要求1所述的基于多维能力与多层感知机的变压器运行状态画像方法，其特征在于：所述多层感知机是通过对多个感知机进行...

【专利技术属性】
技术研发人员：许晓林，钟锐，王康，王国彬，曾静岚，刘冰，施广宇，陈金祥，游浩，吴达，林轶群，陈高汝，苏洪晖，郑广达，叶友方，
申请(专利权)人：国网福建省电力有限公司国网福建省电力有限公司福州供电公司国网福建省电力有限公司超高压分公司，
类型：发明
国别省市：