【技术实现步骤摘要】
本专利技术涉及变压器故障预测，尤其涉及一种变压器故障预测方法、装置、电子设备及存储介质。
技术介绍
1、变压器在电力系统的发电、输电、配电多个环节都起着重要作用，其稳定、安全、可靠直接决定着电网的可用性。如果能及时预知变压器的故障趋势，并提前开展预检预修，可有效避免事故的发生。
2、研究表明，油色谱数据一定程度上可表征变压器运行状态的变化，可直观反映变压器的故障类型。时间序列作为一种有效的预测技术，原理特征在于认可事物发展的趋势性、序列相关性和随机性，这些信息可以体现在原始序列本身，预测模型仅需获取一定量的样本序列。
3、但预测模型定阶问题难以解决，并且时间序列预测模型只能预测变压器油色谱数据，得出的结果与变压器彼时的运行状态无法做到有效映射。
技术实现思路
1、本专利技术提供了一种变压器故障预测方法、装置、电子设备及存储介质，能够高效、准确、可靠的预测变压器故障。
2、根据本专利技术的一方面，提供了一种变压器故障预测方法，包括：
3、获取与变压器故障类型相对应的溶解性气体数据；
4、对所述溶解性气体数据中的非平稳数据进行转换，得到目标溶解性气体数据；
5、利用所述目标溶解性气体数据，构建时间序列预测模型，并利用所述时间序列预测模型对所述目标溶解性气体数据进行预测，得到溶解性气体含量；
6、根据所述溶解性气体含量，构建多层前反馈神经网络模型，并根据所述多层前反馈神经网络模型对所述溶解性气体含量进行预
7、根据所述变压器故障诊断结果和溶解性气体含量，确定变压器故障类型。
8、根据本专利技术的另一方面，提供了一种变压器故障预测装置，包括：
9、气体数据获取模块，用于获取与变压器故障类型相对应的溶解性气体数据；
10、数据处理模块，用于对所述溶解性气体数据中的非平稳数据进行转换，得到目标溶解性气体数据；
11、气体含量预测模块，用于利用所述目标溶解性气体数据，构建时间序列预测模型，并利用所述时间序列预测模型对所述目标溶解性气体数据进行预测，得到溶解性气体含量；
12、故障结果诊断模块，用于根据所述溶解性气体含量，构建多层前反馈神经网络模型，并根据所述多层前反馈神经网络模型对所述溶解性气体含量进行预测，得到变压器故障诊断结果；
13、故障类型确定模块，用于根据所述变压器故障诊断结果和溶解性气体含量，确定变压器故障类型。
14、根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
15、至少一个处理器；以及
16、与所述至少一个处理器通信连接的存储器；其中，
17、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的变压器故障预测方法。
18、根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的变压器故障预测方法。
19、本专利技术实施例的技术方案，通过麻雀算法优化时间序列预测模型中的参数，利用改进的鹈鹕优化算法优化bp神经网络，构建arima-bp神经网络模型，基于arima-bp神经网络模型对油色谱数据进行分类诊断，实现准确可靠的诊断变压器故障，提高了对变压器故障判别的精度和效率。
20、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种变压器故障预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对所述溶解性气体数据中的非平稳数据进行转换，得到目标溶解性气体数据，包括：
3.根据权利要求1所述的方法，其特征在于，利用所述目标溶解性气体数据，构建时间序列预测模型，包括：
4.根据权利要求3所述的方法，其特征在于，利用麻雀搜索算法对所述待处理时间序列预测模型中的参数进行优化，得到时间序列预测模型，包括：
5.根据权利要求1所述的方法，其特征在于，根据所述溶解性气体含量，构建多层前反馈神经网络模型，包括：
6.根据权利要求5所述的方法，其特征在于，利用鹈鹕优化算法对所述待处理多层前反馈神经网络模型中的参数进行优化，得到多层前反馈神经网络模型，包括：
7.一种变压器故障预测装置，其特征在于，包括：
8.根据权利要求7所述的装置，其特征在于，气体含量预测模块，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计
...【技术特征摘要】
1.一种变压器故障预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对所述溶解性气体数据中的非平稳数据进行转换，得到目标溶解性气体数据，包括：
3.根据权利要求1所述的方法，其特征在于，利用所述目标溶解性气体数据，构建时间序列预测模型，包括：
4.根据权利要求3所述的方法，其特征在于，利用麻雀搜索算法对所述待处理时间序列预测模型中的参数进行优化，得到时间序列预测模型，包括：
5.根据权利要求1所述的方法，其特征在于，根据所述溶解性气体含量，构建多层前反馈神经网络模型，包括...
【专利技术属性】
技术研发人员：唐松平，巫小彬，王俊星，李冲，董玉玺，王云龙，朱锐锋，张云，钟振鑫，刘水，刘翰林，黄晓波，肖云，吴涛，林笑玫，饶嘉昌，
申请(专利权)人：广东电网有限责任公司，
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。