【技术实现步骤摘要】
一种变压器动态温度预测方法和系统
[0001]本专利技术涉及变压器动态温度预测
，尤其涉及一种变压器动态温度预测方法和系统。
技术介绍
[0002]在电网运行过程中，变电站的主变压器的运行维护存在较大痛点。作为变电站的主要设备，主变压器承担了输电过程中的变压任务。在主变压器工作中，铁芯和线圈的发热量较高，因此需要采用较强的冷却措施。
[0003]然而，现有的技术中通常是将整个铁芯和线圈浸泡在冷却油中，虽可以保证铁芯和线圈在工作中维持正常的温度，却阻碍了在铁芯和线圈上安装温度器，导致难以对铁芯和线圈的温度进行监控。
[0004]因此，现有的采用CAE仿真技术计算铁芯和线圈的温度，但上述方法采用的仿真技术的计算时效性较差，无法满足与物联网平台的实时数据交互。
技术实现思路
[0005]本专利技术提供了一种变压器动态温度预测方法和系统，解决了现有的技术阻碍了在铁芯和线圈上安装温度器，导致难以对铁芯和线圈的温度进行监控的技术问题。
[0006]本专利技术第一方面提供的一种变压器动态温度预
【技术保护点】
【技术特征摘要】
1.一种变压器动态温度预测方法，其特征在于，包括：响应接收到的变压器动态温度预测请求，获取所述变压器动态温度预测请求对应的变压器信息；基于轻量化技术和仿真技术，根据所述变压器信息中的各设备数据构建变压器数字孪生模型；将所述变压器信息对应的历史运行数据输入所述变压器数字孪生模型，输出关注点位的温度；将所述历史运行数据和所述关注点位的温度分别输入多个机器学习模型进行优化，生成多个更新机器学习模型，并选取最优性能指标对应的更新机器学习模型作为黑箱模型；采用所述黑箱模型和预设的稳态预测模型，生成变压器热特性仿真模型；按照预设场景将所述变压器信息对应的实时运行数据输入所述变压器热特性仿真模型对应的黑箱模型或稳态预测模型，输出动态温度分布。2.根据权利要求1所述的变压器动态温度预测方法，其特征在于，当所述仿真技术为多物理场仿真技术时，所述基于轻量化技术和仿真技术，根据所述变压器信息中的各设备数据构建变压器数字孪生模型的步骤，包括：基于所述多物理场仿真技术，采用所述变压器信息对应的各设备数据构建变压器三维几何模型；导出所述变压器三维几何模型对应的各设备的三维几何数据；按照各型号对应的变压器的三维几何数据，通过联合轻量化技术对应的实例化技术和压缩技术，构建多个轻量化模型；采用所述变压器三维几何模型和全部所述轻量化模型，生成变压器数字孪生模型。3.根据权利要求1所述的变压器动态温度预测方法，其特征在于，所述将所述变压器信息对应的历史运行数据输入所述变压器数字孪生模型，输出关注点位的温度的步骤，包括：将所述变压器信息对应的历史运行数据输入所述变压器数字孪生模型的电磁场仿真进行仿真计算，输出所述变压器信息对应的各设备的欧姆损耗和涡流损耗；将各所述设备的欧姆损耗和涡流损耗输入所述变压器数字孪生模型的流体场仿真，通过所述电磁场仿真、所述流体仿真和固体传热仿真进行耦合迭代，输出关注点位的温度和热通量的分布。4.根据权利要求1所述的变压器动态温度预测方法，其特征在于，所述将所述历史运行数据和所述关注点位的温度分别输入多个机器学习模型进行优化，生成多个更新机器学习模型，并选取最优性能指标对应的更新机器学习模型作为黑箱模型的步骤，包括：采用所述历史运行数据和所述历史运行数据对应的关注点位的温度，生成训练集和测试集；将所述训练集输入多个机器学习模型进行训练，生成多个更新机器学习模型；将所述测试集的历史运行数据输入各所述更新机器学习模型，生成多个预测温度；依据评估指标标准，计算各所述预测温度值和各个实际观测值之间的评估指标值；判断各所述评估指标值是否小于或等于预设评估阈值；若是，则依据超参数调优方法对所述更新机器学习模型的超参数进行优化，生成优化结果，并将所述优化结果对应的最优性能指标对应的更新机器学习模型确定为黑箱模型；
若否，则依据所述超参数调优技术对所述更新机器学习模型进行优化，生成新的更新机器学习模型；跳转执行所述将所述测试集的历史运行数据输入各所述更新机器学习模型，生成多个预测温度的步骤。5.根据权利要求4所述的变压器动态温度预测方法，其...
【专利技术属性】
技术研发人员：高萌，卓然，傅明利，贾磊，王国利，陈喜鹏，王邸博，罗颜，蒲金雨，
申请(专利权)人：南方电网科学研究院有限责任公司，
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。