CN103793756A - 一种变压器经济运行特征分析方法 - Google Patents

Abstract

一种变压器经济运行特征分析方法，包括如下步骤：测量数据的采集，变压器负载特征提取，负载特征指标的计算，变压器聚类分群和分群结果特征分析。首先采集变压器负荷测量数据，提取出平均负载率、波动负载率和趋势负载率三个判别变压器经济运行的特征指标，然后经过指标计算形成变压器负载特征样本，并采用改进K-Medoids算法对其进行聚类分群处理，最后经过特征分析以及经济运行评估，得出变压器运行特征分析结果和运行方式建议。本发明为改进变压器运行方式和效率以及配电网节能降损提供数据支持。

Description

一种变压器经济运行特征分析方法

技术领域

本发明涉及配电网主电气设备经济运行领域，具体涉及一种变压器经济运行特征分析方法。 

背景技术

在配电网的电能损耗中，变压器的损耗占了很大的比例。因此，变压器经济运行是实现配电网系统节能、高效运行的重要环节。一般情况下，变压器经济运行是指在技术条件允许并能保证安全供电的条件下，通过确定变压器最佳运行方式和调整各变压器的负载率，改善运行条件使其在电能损耗较低的状态下运行，提高供电效率。变压器运行过程中由于所带实际负荷不同而处于不同的运行状态，若变压器实际负荷过小、负载率过低时，其能耗率急剧增大，运行工作效率很低，若变压器实际负载率长时间过高时，同样影响变压器的运行效率。传统的变压器经济运行分析，主要根据变压器技术参数，结合实际负荷情况，通过负载率的大小简单判断变压器经济运行状况。该方法能够反映变压器当前的运行状态，但很难确切反映出负载的历史情况和未来变化趋势，其负载率的分析方法也只反映了平均负载率与最大负载率的关系、负载的集中程度，而没有反映运行的低谷负载情况、负载的分散程度，因此，有必要对变压器负载率进行全面的分析，寻求更科学地反映负载情况的特征量，对变压器的运行经济性进行合理分类，并能以此依据安排变压器的合理运行组合方式，有效提高地区配电网中变压器运行的经济性，降低配电网系统总体的电能损耗。 

发明内容

本发明针对变压器经济运行优化等问题，从变压器经济运行与负载范围的角度出发，以变压器的实际运行负载率数据为前提，提出一种变压器经济运行特征分析方法，对变压器运行状态分类效果明显，为掌握变压器经济运行情况和趋势提供一种技术手段。 

本发明采用的技术方案是：一种变压器经济运行特征分析方法，包括如下步骤： 

（1）测量数据的采集，通过配变监测终端或负荷管理终端采集变压器实时负荷数据，传回至后台主站系统，按供电局或供电局分局供电范围选择分析区域，抽取分析周期各时间点的n个10kV变压器相关运行数据，经数据预处理后，形成初始数据集矩阵； 

（2）变压器负载特征提取，根据搜集的变压器记录所包含的原始数据信息、负载率强度信息、时间变化信息，并提取平均负载率、波动负载率和趋势负载率反映变压器经济运行规律的三个变量，作为变压器经济运行状况的特征变量； 

（3）负载特征指标的计算，根据原始数据和特征指标公式，经过计算处理得出平均负载率、波动负载率、趋势负载率相应的值； 

（4）变压器聚类分群，结合变压器记录信息形成变压器负载特征样本，以平均负载率、波动负载率、趋势负载率作为聚类变量，采用改进K-Medoids聚类算法对特征样本进行聚类分群，选择参数距离函数Euclidean Distance，选择合适的最大迭代次数、聚类数和种子数，最后得到聚类分群结果； 

（5）分群结果特征分析，结合日常人工运维经验，对聚类分群结果进特征行分析，得出变压器经济运行特征分析结果以及相关建议。 

所述特征指标公式是在变压器负载率公式（1）基础上得出的变压器平均负载率、波动负载率、趋势负载率计算公式（2）～（4）： 

${\mathrm{MLR}}_i^j=\frac{x_{i7}}{x_{i3}}\×100\%---\left(1\right)$

${\mathrm{\β}}_{i1}=\frac{1}{m}{\mathrm{\Σ}}_{j=1}^m{\mathrm{MLR}}_i^j---\left(2\right)$

${\mathrm{\β}}_{i2}=\frac{1}{{\mathrm{\β}}_1}\sqrt{\frac{1}{m}{\mathrm{\Σ}}_{i=1}^n{({\mathrm{MLR}}_i^j-{\mathrm{\β}}_{i1})}^2}\×100\%---\left(3\right)$

${\mathrm{\β}}_{i3}=\frac{{\mathrm{\β}}_{i12}-{\mathrm{\β}}_{i11}}{{\mathrm{\β}}_{i11}}\×100\%---\left(4\right)$

公式（1）～（4）中，

为第i台变压器第j天的负载率，β_i1、β_i2、β_i3分别第i台变压器的平均负载率波动负载率、趋势负载率。β_i11、β_i12为变压器分析周期前、后半段时间内的平均负载率；m为统计时间周期，其中i=1,2……n，j=1,2……365，m=1,2……365。 

所述变压器聚类分群的聚类数为12。 

本发明的优点在于数据容易获取，数据处理速度快，计算复杂度小，并且计算精度较高、收敛速度快等。通过归纳得出三个新的反映变压器经济运行的特征指标：平均负载率、波动负载率和趋势负载率，并运用改进的K-Medoids聚类算法进行聚类分群，得到变压器经济运行分群结果和建议，经验证，对变压器运行状态分类效果明显，为掌握变压器经济运行情况和趋势提供一种技术手段。 

附图说明

图1是本发明所述的变压器经济运行特征分析方法的总流程图。 

图2是本发明所述的变压器经济运行特征分析方法的改进K-Medoids聚类算法流程图。 

具体实施方式

下面结合附图和实例对本发明的技术方案进行详细的说明。 

如图1所示，本发明所述的变压器经济运行特征分析方法，首先采集变压器负荷数据，提取出三个判别变压器经济运行的特征指标：平均负载率、波动负载率和趋势负载率，然后经过指标计算形成变压器负载特征样本，并采用改进K-Medoids算法对其进行聚类分群处理，最后经过特征分析以及经济运行评估，得出变压器运行特征分析结果和运行方式建议。具体步骤如下： 

步骤1：原始数据的采集。通过配变监测终端或负荷管理终端采集变压器实时负荷数据，传回至后台主站系统，按供电局或供电局分局供电范围选择分析区域，抽取分析周期各时间点的n个10kV变压器相关运行数据，对原始数据进行初步分析和预处理，包括检查是否存在异常数据、缺失数据、重复数据等，并形成初始数据集矩阵。 

步骤2：变压器负载特征提取。根据搜集的变压器记录所包含的原始数据信息、负载率强度信息、时间变化信息，并提取出反映变压器经济运行规律的三个变量：平均负载率、波动负载率和趋势负载率，作为变压器经济运行状况的特征变量。 

步骤3：变压器负载特征指标计算。根据原始数据和特征指标公式，经过计算处理得出平均负载率、波动负载率、趋势负载率相应的值； 

步骤4：变压器聚类分群。以平均负载率、波动负载率、趋势负载率作为聚类变量，采用改进K-Medoids聚类算法对特征样本进行聚类分群，选择参数距离函数维Euclidean Distance，选择合适的最大迭代次数、聚类数和种子数，对所采集的测量数据进行挖掘分析，并进行变压器负载特征提取与聚类分群，得到聚类分群结果。 

步骤5：对聚类分群结果进行特征分析，结合日常人工运维经验和聚类分群结果进行分析，得出特征分析结果。 

所述步骤1具体说明如下： 

通过配变监测终端或负荷管理终端采集变压器实时负荷数据，传回至后台主站系统，按供电局范围选择分析区域，从分析区域抽取一定时间周期的n个10kV变压器相关数据作为研究对象，定义变量：变压器编号、变压器容量、安装地址、主供线路、统计日期、当日实际最高负荷，经过预处理后的数据，形成初始数据集矩阵，初始数据集矩阵结构如表1所示。 

表1初始数据集结构 

所述步骤2具体说明如下： 

为了能将变压器运行状况进行有效分类，有必要整理出能够反映变压器运行状况的特征指标。根据搜集的变压器记录所包含的原始数据信息、负载率强度信息、时间变化信息，其中负载率强度信息可以根据日最高负荷和变压器容量数据计算而得，由于变压器负载率直接影响变电所容量和变压器台数的确定及变电所系统接线方式、运行操作以及配电网的适应性和可靠性等。本发明中变压器负载率定义为实际最高负荷与变压器额定容量之比，反映变压器的负载强度，而不是指随负载变化而变化的变压器实际负载率。变压器负载率的公式为： 

${\mathrm{MLR}}_i^j=\frac{x_{i7}}{x_{i3}}\×100\%---\left(1\right)$

公式（1）中，

为第i台变压器第j天的负载率，其中x_i3,x_i7为表1数据，i=1,2……n，j=1,2……365。 

基于上述分析，本发明抽象出反映变压器负载特征的三个指标：平均负载率、波动负载率、趋势负载率。 

平均负载率为统计m天内的变压器负载率平均值，由变压器理论可知，变压器满载铜损与铁损之比等于3时，而负载率为57.7%，其效率最高，一般情况下，变压器负载率维持在30～70%之间运转最为理想。通过综合分析研究，变压器的平均负载率可分为3个范围，给后续的聚类分群提供了有价值的参考。当变压器平均负载率在[30%，70%]时，表示该变压器经济运行；当平均负载率小于30%时表示变压器负载过低，非经济运行；当平均负载率大于70%时表示变压器过负载，在这种情形下容易损坏变压器，应该进一步分析其原因以改善变压器的运行方式。 

波动负载率为负载率的标准差与平均负载率之比，其反映的是负载率分散程度的相对大小，通常情况下，用百分数表示。在供电时间内，若负载率恒定，则波动负载率为0%，当负载分散程度越大，波动负载率也就越大。这说明波动负载率越大，负载波动性越大，供用电情况也越不好；波动负载率越小，说明负载越平稳，供用电情况越好。因此，波动负载率与其反映的实际问题具有一致性。 

趋势负载率反映变压器负载率的变化趋势，如果趋势负载率为1，表示变压器的负载率趋势是越来越大，可能由于用户的用电负载在增加；如果趋势负载率为0，表示变压器的负载率趋势是越来越小，可能由于用户的用电负载在减小。 

所述步骤3具体说明如下： 

变压器负载特征的三个指标：平均负载率、波动负载率、趋势负载率计算公式如下： 

${\mathrm{\β}}_{i1}=\frac{1}{m}{\mathrm{\Σ}}_{j=1}^m{\mathrm{MLR}}_i^j---\left(2\right)$

${\mathrm{\β}}_{i2}=\frac{1}{{\mathrm{\β}}_1}\sqrt{\frac{1}{m}{\mathrm{\Σ}}_{i=1}^n{({\mathrm{MLR}}_i^j-{\mathrm{\β}}_{i1})}^2}\×100\%---\left(3\right)$

${\mathrm{\β}}_{i3}=\frac{{\mathrm{\β}}_{i12}-{\mathrm{\β}}_{i11}}{{\mathrm{\β}}_{i11}}\×100\%---\left(4\right)$

公式（2）～（4）中，β_i1、β_i2、β_i3分别第i台变压器的平均负载率、波动负载率、趋势负载率。β_i11、β_i12为变压器分析周期前、后半段时间内的平均负载率；m为统计时间周期，其中i=1,2……n，j=1,2……365，m=1,2……365。 

根据公式（2）～（4），分别计算出第i台变压器的平均负载率、波动负载率、趋势负载率。该方法简单，计算结果准确，是最常用的计算方法。按照变压器负载记录，可直接计算出平均负载率。波动负载率一般要做统计计算，利用计算机比较容易实现，因此波动负载率的计算并不复杂，但对原始数据的收集要求较高，变压器负载记录数据，取得的样本越多，计算结果越精确。在统计周期内，由平均负载率可计算得到趋势负载率。 

所述步骤4具体说明如下： 

利用步骤3计算出n台变压器的平均负载率、波动负载率、趋势负载率等特征变量值，形成n台变压器特征样本，基于改进K-Medoids聚类算法，选择参数距离函数维Euclidean Distance，选择合适的最大迭代次数、聚类数和种子数，对特征样本进行聚类分群，所述改进K-Medoids聚类算法的流程图如图2所示，具体步骤如下： 

S4.1：选择、优化初始中心点并作初步划分 

1）在n个对象中随意选择k个对象作为初始聚类中心； 

在保证供电可靠性的前提下，平均负载率、波动负载率、趋势负载率这三个指标有12种组合方式，如表2所示。表2中，小于中心值时，趋势负载率用0表示，说明变压器负载率变化趋势降低，用户用电负荷减少；大于中心值时，趋势负载率为1，说明变压器负载率变化趋势升高，用户用电负荷增加。同理，小于中心值时，波动负载率为0，表示变压器负载率波动小，统计周期内负载分散程 度小；大于中心值时，波动负载率为1，表示变压器负载率波动大，统计周期内负载分散程度大。 

表2特征指标聚类分群类别 

根据上述分析，可定义改进K-Medoids聚类算法中k值为12，即聚为12类。将从当前数据集中随机选取12个点作为初始聚类中心点。 

2）初始化k个聚类中心； 

以当前中心点对其他对象进行初始划分,计算每一个对象到k个初始聚类中心点的距离。 

S4.2：执行增量中心候选集K-Medoids算法 

1）将剩余的各个数据对象分配到各个聚类中； 

根据每一个对象到k个初始聚类中心点距离大小，将数据对象逐个分派到其最近中心点的类中去。 

2）替换当前中心 

从当前聚类簇中选取一个点到其他所有点的距离之和最小，使用该点替换原有的聚类中心并计算新的方差，选择最小方差的数据对象作为新的聚类中心。 

3）判断聚类中心是否有变化 

判断聚类中心是否有变化，若是，返回至步骤1），重新运算，若否，则输出聚类结果。 

S4.3：算法结束 

所述步骤5具体说明如下： 

结合日常人工运维经验和步骤4得出的聚类分群结果，对照表2中给出12种分群聚类，对每类聚类分群结果进行特征分析和经济运行评估，其具体特征分析结果如下： 

聚类1表示该组变压器平均负载率低，负载率波动幅度小，负载率趋势降低，说明变压器运行虽然比较稳定，但运行不太经济且负载总体趋势降低，用户用电量在减少，可建议减容。 

聚类2表示该组变压器平均负载率低，负载率波动幅度大，负载率趋势降低，说明变压器运行不平稳，运行不经济且负载总体趋势降低，用户用电量减少，可建议减容。 

聚类3表示该组变压器平均负载率低，负载率波动幅度小，负载率趋势升高，说明变压器运行虽然比较稳定，但运行不经济且负载总体趋势升高，建议密切留意用户用电情况，建议观察一段时间考虑扩容。 

聚类4表示该组变压器平均负载率低，负载率波动幅度大，负载率趋势升高，说明变压器运行不平稳，运行不经济且负载总体趋势升高，建议要密切留意用户用电情况，建议观察一段时间可考虑扩容。 

聚类5表示该组变压器平均负载率处于一个合理范围，负载率波动幅度小，趋势负载率降低，说明变压器运行比较稳定且运行较经济，但负载总体趋势降低，要密切留意用户用电情况，必要时可建议减容。 

聚类6表示该组变压器平均负载率处于一个合理范围，负载率波动幅度大，趋势负载率降低，说明变压器运行不稳定，但运行较经济且负载总体趋势降低，要密切留意用户用电情况，必要时可建议减容。 

聚类7表示该组变压器平均负载率处于一个合理范围，负载率波动幅度小，趋势负载率升高，说明变压器运行比较稳定且运行较经济，但负载总体趋势升高，要密切留意用户用电情况，必要时可建议扩容。 

聚类8表示该组变压器平均负载率处于一个合理范围，负载率波动幅度大，趋势负载率升高，说明变压器运行不稳定，但运行较经济且负载总体趋势升高，要密切留意用户用电情况，必要时可建议扩容。 

聚类9表示该组变压器平均负载率偏高，负载率波动幅度小，趋势负载率降低，说明变压器运行较平稳，但运行负载偏高且负载总体趋势降低。要密切留意用户用电情况，观察一段时间必要时可建议减容。 

聚类10表示该组变压器平均负载率偏高，负载率波动幅度大，趋势负载率降低，说明变压器运行不平稳且负载偏高，负载总体趋势降低。要密切留意用户用电情况，观察一段时间必要时可建议减容。 

聚类11表示该组变压器平均负载率偏高，负载率波动幅度小，趋势负载率升高，说明变压器运行较平稳，但运行负载偏高且负载总体趋势升高，用户用电量在增加，建议用户扩容。 

聚类12表示该组变压器平均负载率偏高，负载率波动幅度大，趋势负载率升高，说明变压器运行不平稳且负载偏高，负载总体趋势升高，用户用电量在增加，建议用户扩容。 

应用实验例 

从某供电局抽取2012年1月至12月的99个变压器相关数据，按照本发明提供的变压器经济运行特征分析方法，计算出平均负载率、趋势负载率和波动负载 率。本实例中改进K-Medoids聚类算法中k值为12，二元变量与分类变量之间的相异度用海明距离表示，区间标度变量用欧几里德距离表示，选择参数距离函数为Euclidean Distance，最大迭代次数为500，聚类数12，种子数为10。通过实验得出，指标计算和聚类详细结果如表3所示，聚类分群汇总结果和聚类中心点值如表4所示。 

表3指标计算和聚类详细结果 

变压器编号	平均负载率(%)	波动负载率(%)	趋势负载率	聚类结果
					0319001000000078139	34.93	70.85	0.30	5
0319001000000054786	17.86	20.88	-0.22	7
					0319001000000029064	61.51	38.50	0.09	3
0319001000000002733	71.02	7.00	0.06	1
					0319001000000086730	30.07	84.47	0.34	5
0319001000000051888	18.23	0.63	0.03	5
					0319001000000005082	12.05	8.61	0.10	7
0319001000000054823	15.91	19.14	0.31	6
					0319001000000026402	12.09	2.34	-0.09	2
0319001000000002327	12.19	12.91	0.04	7
					0319001000000051012	39.89	5.72	0.50	8
0319001000000046192	15.53	3.57	0.34	11
					0319001000000077373	29.87	21.55	0.10	5
0319001000000010416	11.32	98.54	0.78	7
					0319001000000054709	35.67	45.93	0.12	8
0319001000000038695	32.89	13.29	0.08	5
					0319001000000037759	32.59	4.26	0.02	7
0319001000000026790	13.7	4.94	0.05	3
					0319001000000077899	87.89	6.74	0.14	1
0319001000000055429	40.41	25.59	-0.04	7
					0319001000000054726	36.32	81.98	0.01	4
0319001000000028918	75.99	6.38	0.03	1
					0319001000000051815	55.73	40.07	-0.04	3
0319001000000038284	30.48	81.47	0.47	5
					0319001000000078188	17.41	19.84	0.02	7
0319001000000078049	32.25	0.11	-0.06	5
					0319001000000050901	51.59	41.19	0.17	3
0319001000000001076	43.3	13.20	0.16	5
					0319001000000000633	19.05	29.99	0.11	8
0319001000000015178	14.64	10.24	0.88	10
					0319001000000055345	52.08	96.38	0.06	4
0319001000000038725	13.81	18.30	0.06	7
					0319001000000040545	21.38	3.59	0.14	3

 

0319001000000040687	30.89	7.72	0.12	5
					0319001000000037749	24.88	54.61	0.15	8
0319001000000035765	47.56	8.35	0.01	5
					0319001000000002671	14.18	22.33	-0.04	2
0319001000000092505	44.12	4.04	0.14	7
					0319001000000087499	21.35	38.96	0.44	6
0319001000000007548	15.07	11.67	-0.01	2
					0319001000000104179	38.5	3.71	-0.07	5
0319001000000016012	19.94	0.29	-0.11	5
					0319001000000026178	29.07	16.64	-0.40	7
0319001000000026173	18.19	51.34	0.03	8
					0319001000000002734	60.48	57.76	0.15	3
0319001000000051461	70.89	45.04	0.03	3
					0319001000000103596	13.14	5.05	-0.08	7
0319001000000063551	18.71	1.80	-0.02	5
					0319001000000100700	26.71	53.40	0.06	8
0319001000000026937	74.04	19.87	-0.06	2
					0319001000000069034	12.52	1.35	0.19	12
0319001000000054699	34.32	1.35	0.01	5
					0319001000000051961	52.65	33.82	0.01	3
0319001000000029037	71.07	69.01	-0.17	3
					0319001000000037588	52.06	31.00	0.01	3
0319001000000001392	18.54	14.82	0.13	7
					0319001000000077667	25.58	51.99	-0.21	8
0319001000000063845	45.43	1.01	0.03	5
					0319001000000063617	18.84	5.15	0.01	7
0319001000000063923	41.64	43.71	0.14	8
					0319001000000051254	63.41	70.39	0.08	3
0319001000000026481	29.67	4.26	-0.08	5
					0319001000000001055	13.74	8.61	0.01	7
0319001000000078077	16.98	19.02	0.04	7
					0319001000000040502	15.66	17.84	-0.07	7
0319001000000038851	26.99	16.32	-0.02	5
					0319001000000013344	33.44	2.07	-0.01	5
0319001000000001510	16.66	2.51	-0.07	7
					0319001000000077987	43.1	35.72	0.06	3
0319001000000077735	18.97	2.69	0.09	12
					0319001000000078281	42.13	21.55	0.86	10
0319001000000052225	24.15	16.03	0.09	12
					0319001000000050657	48.95	6.03	0.01	7
0319001000000015743	71.68	1.35	-0.01	1
					0319001000000007602	26.99	3.57	0.04	5
0319001000000055104	40.04	13.78	0.08	5
					0319001000000054641	44.83	21.55	0.07	7

 

0319001000000015308	55.19	11.05	-0.92	9
					0319001000000077635	35.17	23.93	0.14	5
0319001000000063624	32.14	70.85	0.30	5
					0319001000000013314	94.95	20.88	-0.22	2
0319001000000026199	11.92	38.50	0.09	8
					0319001000000050980	26.14	7.00	0.06	12
0319001000000077650	15.23	84.47	0.34	5
					0319001000000029188	19.3	0.63	0.03	5
0319001000000038802	25.35	8.61	0.10	5
					0319001000000015593	71.16	19.14	0.31	1
0319001000000005037	14.35	2.34	-0.09	12
					0319001000000003253	26.44	12.91	0.04	7
0319001000000078060	14.54	5.72	0.50	11
					0319001000000051261	11.23	3.57	0.34	11
0319001000000029013	18.6	21.55	0.10	7
					0319001000000038420	44.44	98.54	0.78	7
0319001000000026233	31.2	45.93	0.12	8
					0319001000000046239	21.99	13.29	0.08	5
0319001000000050998	75.2	4.26	0.02	1
					0319001000000050922	43.52	4.94	0.05	5
0319001000000037518	54.34	6.74	0.14	1
					0319001000000016077	30.41	25.59	-0.04	7

表4聚类结果和聚类中心点值 

由表4可知，99台变压器被聚类成12个类别，各类别用电特征迥异，其中聚类5、7中的变压器总数分别为27、23台，占分析变压器总数的50%，聚类 1、2、3、4平均负载率低表示变压器运行不经济，5、6、7、8运行经济，9、10、11、12变压器负载偏高。总体上看，聚类5、7变压器运行经济，工作状态良好；其次是聚类6、8，但建议留意用户用电情况，其余聚类变压器运行不经济或负载偏高，建议必要时可考虑扩、减容。实验结果表明，利用本发明提出的变压器经济运行特性分析方法，能得到不同负载的变压器特征分类，为判定变压器是否经济运行提供依据，实例中经济运行的变压器数量只占到50%，其它变压器均具有一定的经济运行能力提升空间。 

本发明基于变压器负载负荷数据基础上，有效克服传统变压器负载分析方法的缺点，创新地提取出平均负载率、波动负载率和趋势负载率等三个反映变压器经济运行的特征指标，并将改进K-Medoids聚类算法运用到变压器经济运行分析中，得到最终的聚类分群结果，提出一种对变压器经济运行进行分类的分析方法，给出了变压器经济运行的相关建议，为改进变压器运行方式和效率以及配电网节能降损提供数据支持。 

Claims (3)

1.一种变压器经济运行特征分析方法，其特征在于，包括如下步骤：

（1）测量数据的采集，通过配变监测终端或负荷管理终端采集变压器实时负荷数据，传回至后台主站系统，按供电局或供电局分局供电范围选择分析区域，抽取分析周期各时间点的n个10kV变压器相关运行数据，经数据预处理后，形成初始数据集矩阵；

（2）变压器负载特征提取，根据搜集的变压器记录所包含的原始数据信息、负载率强度信息、时间变化信息，并提取平均负载率、波动负载率和趋势负载率反映变压器经济运行规律的三个变量，作为变压器经济运行状况的特征变量；

（3）负载特征指标的计算，根据原始数据和特征指标公式，经过计算处理得出平均负载率、波动负载率、趋势负载率相应的值；

（4）变压器聚类分群，结合变压器记录信息形成变压器负载特征样本，以平均负载率、波动负载率、趋势负载率作为聚类变量，采用改进K-Medoids聚类算法对特征样本进行聚类分群，选择参数距离函数Euclidean Distance，选择合适的最大迭代次数、聚类数和种子数，最后得到聚类分群结果；

（5）分群结果特征分析，结合日常人工运维经验，对聚类分群结果进特征行分析，得出变压器经济运行特征分析结果以及相关建议。

2.根据权利要求1所述的变压器经济运行特征分析方法，其特征在于，所述特征指标公式是在变压器负载率公式（1）基础上得出的变压器平均负载率、波动负载率、趋势负载率计算公式（2）～（4）：

${\mathrm{MLR}}_i^j=\frac{x_{i7}}{x_{i3}}\×100\%---\left(1\right)$

${\mathrm{\β}}_{i1}=\frac{1}{m}{\mathrm{\Σ}}_{j=1}^m{\mathrm{MLR}}_i^j---\left(2\right)$

${\mathrm{\β}}_{i2}=\frac{1}{{\mathrm{\β}}_1}\sqrt{\frac{1}{m}{\mathrm{\Σ}}_{i=1}^n{({\mathrm{MLR}}_i^j-{\mathrm{\β}}_{i1})}^2}\×100\%---\left(3\right)$

${\mathrm{\β}}_{i3}=\frac{{\mathrm{\β}}_{i12}-{\mathrm{\β}}_{i11}}{{\mathrm{\β}}_{i11}}\×100\%---\left(4\right)$

公式（1）～（4）中，

为第i台变压器第j天的负载率，β_i1、β_i2、β_i3分别第i台变压器的平均负载率波动负载率、趋势负载率。β_i11、β_i12为变压器分析周期前、后半段时间内的平均负载率；m为统计时间周期，其中i=1,2……n，j=1,2……365，m=1,2……365。

3.根据权利要求1所述的变压器经济运行特征分析方法，其特征在于，所述变压器聚类分群的聚类数为12。

Images