CN115655516B - 一种变压器顶层油温异常校验方法及相关装置 - Google Patents

一种变压器顶层油温异常校验方法及相关装置 Download PDF

Info

Publication number
CN115655516B
CN115655516B CN202211587693.XA CN202211587693A CN115655516B CN 115655516 B CN115655516 B CN 115655516B CN 202211587693 A CN202211587693 A CN 202211587693A CN 115655516 B CN115655516 B CN 115655516B
Authority
CN
China
Prior art keywords
oil temperature
transformer
analyzed
index
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202211587693.XA
Other languages
English (en)
Other versions
CN115655516A (zh
Inventor
张殷
王俊波
李国伟
唐琪
金向朝
何胜红
徐朋江
严司玮
蒋维
罗容波
陈贤熙
麦洪
胡敏
曾烨
刘昊
王智娇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Original Assignee
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Foshan Power Supply Bureau of Guangdong Power Grid Corp filed Critical Foshan Power Supply Bureau of Guangdong Power Grid Corp
Priority to CN202211587693.XA priority Critical patent/CN115655516B/zh
Publication of CN115655516A publication Critical patent/CN115655516A/zh
Application granted granted Critical
Publication of CN115655516B publication Critical patent/CN115655516B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Housings And Mounting Of Transformers (AREA)
  • Protection Of Transformers (AREA)

Abstract

本申请公开了一种变压器顶层油温异常校验方法及相关装置，通过充分挖掘变压器运行数据价值，综合考虑设备运行环境、工况等差异，开展变压器顶层油温异常校验。在开展变压器油温异常校验前首先从数值差异性与关联性角度判断油温表异常情况，然后基于变压器热状态时空特性，利用统计学与人工智能算法纵、横向对比变压器油温和影响因素关系特征变化情况，从热特性角度开展变压器状态监测与异常校验，锁定变压器热特性异常变化。相关方法为数据驱动方法，无需增加设备安装与投资，不过分依赖专家经验，可大规模常态化实时开展，可为工作人员开展设备运维提供辅助决策支撑，以数字化手段助力基层赋能减负。

Description

一种变压器顶层油温异常校验方法及相关装置
技术领域
本申请涉及变压器技术领域，尤其涉及一种变压器顶层油温异常校验方法及相关装置。
背景技术
变压器是电网中至关重要的枢纽设备，其造价昂贵且运行状态直接影响电力系统的安全稳定运行，因此，确保变压器安全可靠运行具有重要意义。变压器的负载能力与绝缘老化速度主要由其热特性决定，而油温是反映变压器热特性的重要指标。为监视变压器温度变化情况，在设计制造环节制造商为变压器安装了顶层油温表，在现场调试环节将油温监测数值经由调度自动化系统采集上传至调度主站，在实际运行环节调度人员监视变压器顶层温度以实时掌握变压器热特性的变化，当油温超过运行限值系统发送越限告警提醒工作人员调整负荷、开启散热设备或重点巡视，由此，实现对变压器运行过程中热特性的监视与控制。
然而基于油温越限告警的一类技术方案仅实现了对变压器温度的监视以及对设备温度过高的提醒告警，虽然一定程度上起到了延缓设备绝缘老化和保障设备安全运行的作用，但无法及时发现油温监测系统的异常故障以及由于散热性能劣化、设备异常工况等引发的变压器热特性异常变化。在某些场景下，经验丰富的运行人员通过观察比对设备运行数据可发现变压器油温异常状态，但相关工作依赖专家经验且耗费人力与时间，难以大规模、常态化实时开展。随着物联网技术的广泛应用，当前电网企业已经积累了大量的包含变压器负荷、油温在内的运行数据，为开展基于数据挖掘的变压器顶层油温异常校验提供了可能。工业界提出了部分基于逻辑规则或统计分析的油温异常校验法，但相关方法在开展变压器油温异常校验前未排除油温表的异常状态，此外，相关方法对变压器运行数据价值挖掘不充分，且未充分考虑设备运行环境、工况等差异，数据应用对业务支撑度仍显不足。
发明内容
本申请提供了一种变压器顶层油温异常校验方法及相关装置，用于解决现有技术对变压器运行数据价值挖掘不充分，且未充分考虑设备运行环境、工况等差异，导致对变压器顶层油温校验不准确的技术问题。
有鉴于此，本申请第一方面提供了一种变压器顶层油温异常校验方法，所述方法包括：
S1、获取待分析变压器顶层油温、负荷和环境温度数值，作为待分析变压器的顶层油温校核用数据；
S2、根据同一变压器的2个顶层油温表的油温监测值，计算2个顶层油温表的油温监测值差值指标和油温关联指标，基于所述油温监测值差值指标和所述油温关联指标分析2个顶层油温表是否存在异常；
S3、当同一变电站2台相邻主变的顶层油温表均正常时，则根据同一变电站2台相邻主变的运行数据，计算2台相邻主变的油温曲线关联指标以及负荷曲线关联指标，基于所述油温曲线关联指标以及所述负荷曲线关联指标，分析2台相邻主变是否存在疑似油温异常的变压器；
S4、当S2分析的同一变电站仅1台主变顶层油温表正常，则以顶层油温表正常主变为待分析变压器，或当S3分析的同一变电站2台相邻主变油温疑似异常，则以2台相邻主变为待分析变压器，分别计算待分析变压器的油温曲线与负荷曲线的关联指标以及油温曲线与环境温度曲线的关联指标，从而得到待分析变压器关联指标，基于所述待分析变压器关联指标确定油温异常变压器，并纳入集合A；
S5、当S3分析的同一变电站2台相邻变压器为非疑似油温异常的变压器时，构建变压器的油温模拟计算模型，基于油温模拟计算模型计算第一油温模拟值，并计算所述第一油温模拟值与油温监测值的第一差值指标，根据差值指标确定当前分析变压器和相邻主变是否为疑似油温异常变压器；
S6、当S4分析的变压器油温正常，则以S4分析的变压器为待分析变压器，或当S5分析的变压器和相邻变压器疑似油温异常，则以2个相邻主变为待分析变压器，构建当前分析变压器的油温模拟计算模型，基于油温模拟计算模型计算第二油温模拟值，并计算第二油温模拟值与油温监测值的第二差值指标，基于第二差值指标确定油温异常变压器，并纳入集合A；
S7、统计油温异常变压器集合A，输出顶层油温异常的变压器。
可选地，具体包括：
S21、计算时间T内同一变压器的2个顶层油温表的油温监测值差值，并求所述油温监测值差值的绝对值的平均值，定义为Index 1：
其中，
Figure 585886DEST_PATH_IMAGE001
；
式中，
Figure 936096DEST_PATH_IMAGE002
和
Figure 901778DEST_PATH_IMAGE003
为当前分析变压器的顶层油温表1和顶层油温表2在时刻t时的油温监测值；
S22、将Index 1与预设两表差阈值Limit 1对比，若Index 1>Limit 1，则标记当前分析变压器顶层油温表异常，否则，转入步骤S23；
S23、计算时间T内同一变压器的2个顶层油温表的油温关联指标Index 2；
其中，
Figure 83360DEST_PATH_IMAGE004
；
式中，
Figure 210716DEST_PATH_IMAGE005
和
Figure 110539DEST_PATH_IMAGE006
分别为当前分析变压器顶层油温表1和顶层油温表2在时间T内的油温监测平均值；
S24、将油温关联指标Index 2与预设关联指标阈值Limit 2对比，若Index 2< Limit 2，则标记当前分析变压器顶层油温表异常，否则，标记当前分析变压器顶层油温表正常；
S25、若同一变电站2台相邻主变顶层油温表均异常，则当前变电站分析流程结束。
可选地，具体包括：
S31、当同一变电站2台相邻主变的顶层油温表均正常时，则获取时间T内同一变电站的变压器1的油温曲线和负荷曲线，以及相邻变压器2的油温曲线和负荷曲线；
S32、根据所述变压器1和相邻变压器2的油温曲线，计算变压器1油温曲线与相邻变压器2油温曲线的关联指标Index 3_1；
其中，
Figure 611403DEST_PATH_IMAGE007
；
式中，
Figure 850754DEST_PATH_IMAGE008
为变压器1的顶层油温表在时刻t的油温监测值，
Figure 211329DEST_PATH_IMAGE009
为变压器1顶层油温表在时间T内的油温监测平均值，
Figure 739393DEST_PATH_IMAGE010
为相邻变压器2的顶层油温表在时刻t的油温监测值，
Figure 109195DEST_PATH_IMAGE011
为相邻变压器2顶层油温表在时间T内的油温监测平均值；
S33、根据所述变压器1和相邻变压器2的负荷曲线，计算变压器1负荷曲线与相邻变压器2负荷曲线的关联指标Index 3_2；
其中，
Figure 734211DEST_PATH_IMAGE012
；
式中，
Figure 468949DEST_PATH_IMAGE013
为变压器1在时刻t的负荷值，
Figure 77785DEST_PATH_IMAGE014
为变压器1在时间T内的负荷平均值，
Figure 188960DEST_PATH_IMAGE015
为相邻变压器2在时刻t的负荷值，
Figure 137325DEST_PATH_IMAGE016
为相邻变压器2在时间T内的负荷平均值；
S34、计算关联指标Index 3，若Index 3≤0，则标记当前分析变压器1和相邻变压器2油温疑似异常；
其中，
Figure 105281DEST_PATH_IMAGE017
。
可选地，具体包括：
S41、当S2分析的同一变电站仅1台主变顶层油温表正常，则以顶层油温表正常主变为待分析变压器，或当S3分析的同一变电站2台相邻主变油温疑似异常，则以2台相邻主变为待分析变压器；并获取时间T内各个待分析变压器的油温、负荷和环境温度数据，组成油温曲线、负荷曲线和环境温度曲线；
S42、根据步骤S41的油温曲线和负荷曲线，计算待分析变压器的油温曲线与负荷曲线的关联指标Index 4_1；
其中，
Figure 139096DEST_PATH_IMAGE018
；
式中，
Figure 723136DEST_PATH_IMAGE019
为变压器顶层油温表在时刻t的油温监测值，
Figure 729269DEST_PATH_IMAGE020
为变压器顶层油温表在时间T内的油温监测平均值，L(t)为变压器负荷在时刻t的负荷值，
Figure 602548DEST_PATH_IMAGE021
为变压器负荷在时间T内的平均值；
S43、根据步骤S41的油温曲线和环境温度曲线，计算待分析变压器的油温曲线与环境温度曲线的关联指标Index 4_2；
Figure 123659DEST_PATH_IMAGE022
；
式中，
Figure 311058DEST_PATH_IMAGE023
为时刻t的环境温度监测值，
Figure 296331DEST_PATH_IMAGE024
为时间T内的环境温度监测平均值；
S44、根据Index 4_1和Index 4_2计算待分析变压器的关联指标Index 4，若Index 4≤0或Index 4_1≤0且Index 4_2≤0，则标记当前分析变压器油温异常，将其纳入油温异常变压器集合A；
其中，
Figure 543773DEST_PATH_IMAGE025
。
可选地，具体包括：
S51、当S3分析的同一变电站2台相邻主变为非疑似油温异常的变压器时，则根据变压器1和相邻变压器2油温历史数据和油温影响因子历史数据，分别构建变压器1和相邻变压器2的油温模拟计算模型；
S52、根据相邻变压器2的油温模拟计算模型和当前分析变压器油温影响因子数据，计算得到当前分析变压器的油温模拟值
Figure 552180DEST_PATH_IMAGE026
；
S53、分析时间T内当前分析变压器油温模拟值与油温监测值的差值，并求其绝对值的平均值，定义为Index5：
其中，
Figure 605587DEST_PATH_IMAGE027
；
式中，
Figure 380120DEST_PATH_IMAGE028
为基于相邻变压器2的油温模拟计算模型计算得到的当前分析变压器在t时刻的油温模拟值；
S54、将Index 5与预设油温模拟差值阈值Limit 5对比，若Index 5>Limit 5，则标记当前分析变压器和相邻主变疑似油温异常，否则，当前变电站分析流程结束。
可选地，具体包括：
S61、当S4分析的变压器油温正常，则以S4分析的变压器为待分析变压器，或当S5分析的变压器和相邻变压器疑似油温异常，则以2个相邻变压器为待分析变压器，利用待分析变压器的油温历史数据和油温影响因子历史数据，构建当前分析变压器的油温模拟计算模型；
S62、根据当前分析变压器的油温模拟计算模型和油温影响因子数据计算得到当前分析变压器的油温模拟值
Figure 798463DEST_PATH_IMAGE029
；
S63、分析时间T内当前分析变压器油温模拟值与油温监测值的差值，并求其绝对值的平均值，定义为Index 6：
其中，
Figure 90904DEST_PATH_IMAGE030
；
式中，R*(t)为t时刻的油温模拟值；
S64、将Index 6与预设油温模拟差值阈值Limit 6对比，若Index 6>Limit 6，则标记当前分析变压器油温异常，将其纳入油温异常变压器集合A，否则，结束当前变电站分析流程。
可选地，构建所述油温模拟计算模型，具体包括：
S511、以变压器当前负荷值、变压器前一时刻负荷值、变压器前两时刻负荷值、变压器前一时刻油温值、变压器前两时刻油温值、当前环境温度、前一时刻环境温度和前两时刻环境温度为油温模拟计算模型的输入量，以变压器当前油温值为油温模拟计算模型的输出量；
S512、利用最小二乘法进行变压器顶层油温模拟计算，得到油温模拟计算结果R1；
S513、利用BP神经网络进行变压器顶层油温模拟计算，得到油温模拟计算结果R2;
S514、利用支持向量回归SVR进行变压器顶层油温模拟计算，得到油温模拟计算结果R3；
S515、利用极限学习机ELM进行变压器顶层油温模拟计算，得到油温模拟计算结果R4；
S516、结合油温模拟计算结果R1、R2、R3、R4，以最小化模拟计算误差为目标，计算得到变压器顶层油温的最终模拟计算结果为：
Figure 88947DEST_PATH_IMAGE031
；
其中，
Figure 517655DEST_PATH_IMAGE032
为加权系数最优值；
式中，
Figure 169216DEST_PATH_IMAGE033
。
本申请第二方面提供一种变压器顶层油温异常校验系统，所述系统包括：
获取单元，用于获取待分析变压器顶层油温、负荷和环境温度数值，作为待分析变压器的顶层油温校核用数据；
第一分析单元，用于根据同一变压器的2个顶层油温表的油温监测值，计算2个顶层油温表的油温监测值差值指标和油温关联指标，基于所述油温监测值差值指标和所述油温关联指标分析2个顶层油温表是否存在异常；
第二分析单元，用于当同一变电站2台相邻主变的顶层油温表均正常时，则根据同一变电站2台相邻主变的运行数据，计算2台相邻主变的油温曲线关联指标以及负荷曲线关联指标，基于所述油温曲线关联指标以及所述负荷曲线关联指标，分析2台相邻主变是否存在疑似油温异常的变压器；
第三分析单元，用于当所述第一分析单元分析的同一变电站仅1台主变顶层油温表正常，则以顶层油温表正常主变为待分析变压器，或当所述第二分析单元分析的同一变电站2台相邻主变油温疑似异常，则以2台相邻主变为待分析变压器，分别计算待分析变压器的油温曲线与负荷曲线的关联指标以及油温曲线与环境温度曲线的关联指标，从而得到待分析变压器关联指标，基于所述待分析变压器关联指标确定油温异常变压器，并纳入集合A；
第四分析单元，用于当所述第二分析单元分析的同一变电站2台相邻变压器为非疑似油温异常的变压器时，构建变压器的油温模拟计算模型，基于油温模拟计算模型计算第一油温模拟值，并计算所述第一油温模拟值与油温监测值的第一差值指标，根据差值指标确定当前分析变压器和相邻主变是否为疑似油温异常变压器；
第五分析单元，用于当所述第三分析单元分析的变压器油温正常，则以所述第三分析单元分析的变压器为待分析变压器，或当所述第四分析单元分析的变压器和相邻变压器疑似油温异常，则以2个相邻主变为待分析变压器，构建当前分析变压器的油温模拟计算模型，基于油温模拟计算模型计算第二油温模拟值，并计算第二油温模拟值与油温监测值的第二差值指标，基于第二差值指标确定油温异常变压器，并纳入集合A；
输出单元，用于统计油温异常变压器集合A，输出顶层油温异常的变压器。
本申请第三方面提供一种变压器顶层油温异常校验设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令，执行如上述第一方面所述的变压器顶层油温异常校验方法的步骤。
本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第一方面所述的变压器顶层油温异常校验方法。
从以上技术方案可以看出，本申请具有以下优点：
本申请的变压器顶层油温异常校验方法，充分挖掘变压器运行数据价值，综合考虑设备运行环境、工况等差异，开展变压器顶层油温异常校验。在开展变压器油温异常校验前首先从数值差异性与关联性角度判断油温表异常情况，然后基于变压器热状态时空特性，利用统计学与人工智能算法纵、横向对比变压器油温和影响因素关系特征变化情况，从热特性角度开展变压器状态监测与异常校验，锁定变压器热特性异常变化。相关方法为数据驱动方法，无需增加设备安装与投资，不过分依赖专家经验，可大规模常态化实时开展，可为工作人员开展设备运维提供辅助决策支撑，以数字化手段助力基层赋能减负。从而解决了现有技术对变压器运行数据价值挖掘不充分，且未充分考虑设备运行环境、工况等差异，导致对变压器顶层油温校验不准确的技术问题。
附图说明
图1为本申请实施例中提供的一种变压器顶层油温异常校验方法实施例的流程示意图；
图2为本申请实施例中提供的一种变压器顶层油温异常校验系统实施例的流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参阅图1，本申请实施例中提供的一种变压器顶层油温异常校验方法,包括：
步骤101、获取待分析变压器顶层油温、负荷和环境温度数值，作为待分析变压器的顶层油温校核用数据；
需要说明的是，以某一变电站的2台相邻主变为例，从调度自动化系统获取待分析变压器顶层油温、负荷、环境温度数值，组成待分析变压器顶层油温校核用数据。
步骤102、根据同一变压器的2个顶层油温表的油温监测值，计算2个顶层油温表的油温监测值差值指标和油温关联指标，基于油温监测值差值指标和油温关联指标分析2个顶层油温表是否存在异常；
具体的，包括：
S1021、以同一变电站的某一台主变为例，计算时间T内同一变压器的2个顶层油温表油温监测值差值，并求其绝对值的平均值，定义为Index 1：
Figure 152215DEST_PATH_IMAGE001
；
式中，
Figure 485108DEST_PATH_IMAGE002
和
Figure 33901DEST_PATH_IMAGE003
为当前分析变压器的顶层油温表1和顶层油温表2在时刻t时的油温监测值。
S1022、将计算得到的Index 1与预设两表差阈值Limit 1对比，若Index1>Limit1，则标记当前分析变压器顶层油温表异常，否则，转入步骤S1023；
S1023.计算时间T内同一变压器的2个顶层油温表的油温关联指标Index2：
Figure 59626DEST_PATH_IMAGE004
；
式中，
Figure 264342DEST_PATH_IMAGE005
和
Figure 463242DEST_PATH_IMAGE006
分别为当前分析变压器顶层油温表1和顶层油温表2在时间T内的油温监测平均值。
S1024、将油温关联指标Index 2与预设关联指标阈值Limit 2对比，若Index 2<Limit 2，则标记当前分析变压器顶层油温表异常，否则，标记当前分析变压器顶层油温表正常。
S1025、若同一变电站2台相邻主变顶层油温表正常，则转入步骤103；若同一变电站仅1台主变顶层油温表正常，则以顶层油温表正常主变为待分析主变，转入步骤104；若同一变电站2台相邻主变顶层油温表均异常，则当前变电站分析流程结束。
步骤103、当同一变电站2台相邻主变的顶层油温表均正常时，则根据同一变电站2台相邻主变的运行数据，计算2台相邻主变的油温曲线关联指标以及负荷曲线关联指标，基于油温曲线关联指标以及负荷曲线关联指标，分析2台相邻主变是否存在疑似油温异常的变压器；
具体的，包括：
S1031、当两个顶层油温表均正常时，抽取时间T内同一变电站其中1台变压器的油温和负荷数据，组装为变压器1的计算用油温曲线和负荷曲线；抽取同时间段内同一变电站相邻主变的油温和负荷数据，组装为相邻主变2的计算用油温曲线和负荷曲线。
S1032、计算变压器1油温曲线与相邻主变2油温曲线的关联指标Index 3_1。
Figure 801295DEST_PATH_IMAGE007
；
式中，
Figure 997921DEST_PATH_IMAGE008
为变压器1的顶层油温表在时刻t的油温监测值，
Figure 893196DEST_PATH_IMAGE009
为变压器1顶层油温表在时间T内的油温监测平均值，
Figure 630208DEST_PATH_IMAGE010
为相邻变压器2的顶层油温表在时刻t的油温监测值，
Figure 888014DEST_PATH_IMAGE011
为相邻变压器2顶层油温表在时间T内的油温监测平均值。
S1033、计算变压器1负荷曲线与相邻主变2负荷曲线的关联指标Index3_2。
Figure 255541DEST_PATH_IMAGE012
；
式中，
Figure 231587DEST_PATH_IMAGE013
为变压器1在时刻t的负荷值，
Figure 709973DEST_PATH_IMAGE014
为变压器1在时间T内的负荷平均值，
Figure 291127DEST_PATH_IMAGE015
为相邻变压器2在时刻t的负荷值，
Figure 563977DEST_PATH_IMAGE016
为相邻变压器2在时间T内的负荷平均值。
S1034、计算关联指标Index 3，若Index 3≤0，则标记当前分析变压器1和相邻主变2油温疑似异常，转入步骤104，否则，转入步骤105。
Figure 227652DEST_PATH_IMAGE017
步骤104、当步骤102分析的同一变电站仅1台主变顶层油温表正常，则以顶层油温表正常主变为待分析变压器，或当步骤103分析的同一变电站2台相邻主变油温疑似异常，则以2台相邻主变为待分析变压器，分别计算待分析变压器的油温曲线与负荷曲线的关联指标以及油温曲线与环境温度曲线的关联指标，从而得到待分析变压器关联指标，基于待分析变压器关联指标确定油温异常变压器，并纳入集合A；
具体的，包括：
S1041、当其中一个顶层油温表异常时或为疑似油温异常的变压器时，则抽取时间T内各个待分析变压器的油温、负荷和环境温度数据，组装为计算用油温曲线、负荷曲线和环境温度曲线。
S1042、计算待分析变压器油温曲线与其负荷曲线的关联指标Index 4_1。
Figure 306466DEST_PATH_IMAGE018
；
式中，
Figure 742127DEST_PATH_IMAGE019
为变压器顶层油温表在时刻t的油温监测值，
Figure 389140DEST_PATH_IMAGE020
为变压器顶层油温表在时间T内的油温监测平均值，L(t)为变压器负荷在时刻t的负荷值，
Figure 605358DEST_PATH_IMAGE021
为变压器负荷在时间T内的平均值。
S1043、计算待分析变压器油温曲线与环境温度曲线的关联指标Index 4_2。
Figure 222284DEST_PATH_IMAGE022
；
式中，
Figure 512451DEST_PATH_IMAGE023
为时刻t的环境温度监测值，
Figure 454999DEST_PATH_IMAGE024
为时间T内的环境温度监测平均值。
S1044、由指标Index 4_1和Index 4_2计算待分析变压器的关联指标Index 4，若Index 4≤0或Index 4_1≤0且Index 4_2≤0，则标记当前分析变压器油温异常，将其纳入油温异常变压器集合A，否则，转入步骤106。
Figure 830617DEST_PATH_IMAGE025
步骤105、当步骤103分析的同一变电站2台相邻变压器为非疑似油温异常的变压器时，构建变压器的油温模拟计算模型，基于油温模拟计算模型计算第一油温模拟值，并计算第一油温模拟值与油温监测值的第一差值指标，根据差值指标确定当前分析变压器和相邻主变是否为疑似油温异常变压器；
具体的，包括：
S501、利用变压器油温历史数据和油温影响因子历史数据建立变压器的油温模拟计算模型。
S5011、以变压器当前负荷值、变压器前一时刻负荷值、变压器前两时刻负荷值、变压器前一时刻油温值、变压器前两时刻油温值、当前环境温度、前一时刻环境温度和前两时刻环境温度为油温模拟计算模型的输入量，以变压器当前油温值为油温模拟计算模型的输出量；
S5012、利用最小二乘法进行变压器顶层油温模拟计算，得到油温模拟计算结果R1。
S5012a、建立考虑变压器负荷、历史油温和环境温度的变压器顶层油温模拟计算模型；
Figure 188917DEST_PATH_IMAGE034
式中，
Figure 599170DEST_PATH_IMAGE019
和
Figure 447040DEST_PATH_IMAGE035
分别为t时刻和t-i时刻的变压器油温值；
Figure 330462DEST_PATH_IMAGE036
为t-i时刻的环境温度；
Figure 492453DEST_PATH_IMAGE037
为t-i时刻的变压器负荷；
Figure 819529DEST_PATH_IMAGE038
、
Figure 244825DEST_PATH_IMAGE039
、
Figure 391773DEST_PATH_IMAGE040
和k分别为变压器油温项、环境温度项、变压器负荷项和常数项对应的系数。
S5012b、结合历史数据，建立油温模拟计算模型的残差函数；
Figure 154192DEST_PATH_IMAGE041
式中，
Figure 273458DEST_PATH_IMAGE042
为t时刻的变压器真实油温；D为数据总时刻数。
S5012c、以残差函数值最小为目标，求偏导数并令一阶导数为0，求得模拟计算模型的系数；
S5012d、结合待计算数据和油温模拟计算模型，计算变压器顶层油温的模拟计算值R1。
S5013、利用BP神经网络进行变压器顶层油温模拟计算，得到油温模拟计算结果R2。
S5013a、BP神经网络初始化，初始化权值和阈值；
S5013b、结合历史数据，计算神经网络的输出，并计算误差函数；
Figure 666393DEST_PATH_IMAGE043
式中，e t 为t时刻的油温真实值与模拟计算值的差值。
S5013c、以误差函数最小为目标，利用梯度下降法更新神经网络权值和阈值；
S5013d、迭代直至满足终止条件，求得最终的权值和阈值；
S5013e、结合待计算数据和BP神经网络模型，计算变压器顶层油温的模拟计算值R2。
S5014、利用支持向量回归SVR进行变压器顶层油温模拟计算，得到油温模拟计算结果R3。
S5014a、结合历史数据，建立回归模型
Figure 566216DEST_PATH_IMAGE044
，并使得模型输出值
Figure 70010DEST_PATH_IMAGE045
与真实值
Figure 43782DEST_PATH_IMAGE046
尽可能接近，构建支持向量回归问题数学模型；
Figure 604689DEST_PATH_IMAGE047
其中，
Figure 991808DEST_PATH_IMAGE048
式中，
Figure 33713DEST_PATH_IMAGE049
和b为模型参数；C为正则化常数；m为历史数据集样本量；x i 为样本i的输入量；f(x i )为样本i的模型模拟计算量；y i 为样本i的真实输出量；
Figure 330833DEST_PATH_IMAGE050
为容许误差。
S5014b、引入松弛变量和拉格朗日乘子，将问题转换为：
Figure 862309DEST_PATH_IMAGE051
式中，
Figure 471145DEST_PATH_IMAGE052
和
Figure 582320DEST_PATH_IMAGE053
为松弛变量；
Figure 530685DEST_PATH_IMAGE054
、
Figure 498641DEST_PATH_IMAGE055
、
Figure 532456DEST_PATH_IMAGE056
和
Figure 916164DEST_PATH_IMAGE057
为拉格朗日乘子。
S5014c、结合S5014b中表达式，求偏导数并令其为0，求得模拟计算模型。
Figure 981684DEST_PATH_IMAGE058
S5014d、结合待计算数据和支持向量回归模型，计算变压器顶层油温的模拟计算值R3。
S5015、利用极限学习机ELM进行变压器顶层油温模拟计算，得到油温模拟计算结果R4。
S5015a、初始化网络参数，建立极限学习机网络模型；
Figure 120541DEST_PATH_IMAGE059
式中，x i 为样本i的输入量；
Figure 641653DEST_PATH_IMAGE060
为样本i的模型输出量；l为隐含层节点数；
Figure 32314DEST_PATH_IMAGE061
为隐含层节点k的输出权值；
Figure 752008DEST_PATH_IMAGE062
为隐含层节点k的输入权值；
Figure 61767DEST_PATH_IMAGE063
为隐含层节点k的阈值；G为激励函数。
S5015b、结合历史数据集，若极限学习机可零误差逼近样本，则有：
Figure 70174DEST_PATH_IMAGE064
式中，t i 为样本i的真实输出量。
S5015c、令
Figure 61264DEST_PATH_IMAGE065
，
Figure 901044DEST_PATH_IMAGE066
，
Figure 319387DEST_PATH_IMAGE067
，公式简化为
Figure 549511DEST_PATH_IMAGE068
；
S5015d、求解得到输出权值：
Figure 341362DEST_PATH_IMAGE069
；
式中，
Figure 35649DEST_PATH_IMAGE070
为矩阵H的Moore-penrose广义逆。
S5015e、结合待计算数据和极限学习机网络模型，计算变压器顶层油温的模拟计算值R4。
S5016、结合油温模拟计算结果R1—R4，以最小化模拟计算误差为目标，计算变压器顶层油温的最终模拟计算结果。
S5016a、结合历史油温真实值R和油温模拟计算值R1—R4，可得各油温模拟计算模型在t时刻的误差为：
Figure 624893DEST_PATH_IMAGE071
式中，R(t)为t时刻的油温真实值；R j (t)为t时刻模拟计算模型j的油温模拟计算值；e jt 为t时刻模型j的误差。
S5016b、结合最小二乘法、BP神经网络、支持向量回归和极限学习机模型，建立变压器顶层油温模拟计算模型：
Figure 811155DEST_PATH_IMAGE072
式中，w 1、w 2、w 3、w 4为4个模拟计算模型的加权系数，且w 1+w 2+w 3+w 4=1。
S5016c、以模型的误差平方和最小为目标，确定最终模拟计算模型的加权系数最优值：
Figure 940785DEST_PATH_IMAGE073
Figure 427261DEST_PATH_IMAGE074
式中，
Figure 515303DEST_PATH_IMAGE075
，
Figure 720019DEST_PATH_IMAGE076
，
Figure 591023DEST_PATH_IMAGE077
。
S5016d、引入拉格朗日乘子后，求导得到加权系数最优值为：
Figure 197585DEST_PATH_IMAGE032
式中，
Figure 456528DEST_PATH_IMAGE033
。
S5016e、结合4个模拟计算模型结果和加权系数最优值，计算变压器顶层油温的最终模拟计算模型。
Figure 880031DEST_PATH_IMAGE031
S502、利用待分析变压器的相邻主变油温历史数据和油温影响因子历史数据，按照步骤S501建立相邻主变油温模拟计算模型。
S503、利用相邻主变油温模拟计算模型和当前分析变压器油温影响因子数据计算得到当前分析变压器的油温模拟值
Figure 820306DEST_PATH_IMAGE026
。
S504、分析时间T内当前分析变压器油温模拟值与油温监测值的差值，并求其绝对值的平均值，定义为Index 5：
Figure 484636DEST_PATH_IMAGE027
式中，
Figure 648901DEST_PATH_IMAGE028
为基于相邻变压器2的油温模拟计算模型计算得到的当前分析变压器在t时刻的油温模拟值；
S505、将计算得到的Index 5与预设油温模拟差值阈值Limit 5对比，若Index 5>Limit 5，则标记当前分析变压器和相邻主变疑似油温异常，转入步骤106，否则，当前变电站分析流程结束。
步骤106、当步骤104分析的变压器油温正常，则以步骤104分析的变压器为待分析变压器，或当105分析的变压器和相邻变压器疑似油温异常，则以2个相邻主变为待分析变压器，构建当前分析变压器的油温模拟计算模型，基于油温模拟计算模型计算第二油温模拟值，并计算第二油温模拟值与油温监测值的第二差值指标，基于第二差值指标确定油温异常变压器，并纳入集合A；
具体的，包括：
S601、利用待分析变压器的油温历史数据和油温影响因子历史数据，按照步骤S501建立当前分析变压器的油温模拟计算模型。
S602、利用当前分析变压器的油温模拟计算模型和油温影响因子数据计算得到当前分析变压器的油温模拟值
Figure 624948DEST_PATH_IMAGE029
。
S603、分析时间T内当前分析变压器油温模拟值与油温监测值的差值，并求其绝对值的平均值，定义为Index 6：
Figure 103333DEST_PATH_IMAGE030
式中，R*(t)为t时刻的油温模拟值。
S604、将计算得到的Index 6与预设油温模拟差值阈值Limit 6对比，若Index6>Limit 6，则标记当前分析变压器油温异常，将其纳入油温异常变压器集合A，否则，当前变电站分析流程结束。
步骤107、统计油温异常变压器集合A，输出顶层油温异常的变压器。
以上为本申请实施例中提供的一种变压器顶层油温异常校验方法，以下为本申请实施例中提供的一种变压器顶层油温异常校验系统。
请参阅图2，本申请实施例中提供的一种变压器顶层油温异常校验系统,包括：
获取单元201，用于获取待分析变压器顶层油温、负荷和环境温度数值，作为待分析变压器的顶层油温校核用数据；
第一分析单元202，用于根据同一变压器的2个顶层油温表的油温监测值，计算2个顶层油温表的油温监测值差值指标和油温关联指标，基于油温监测值差值指标和油温关联指标分析2个顶层油温表是否存在异常；
第二分析单元203，用于当同一变电站2台相邻主变的顶层油温表均正常时，则根据同一变电站2台相邻主变的运行数据，计算2台相邻主变的油温曲线关联指标以及负荷曲线关联指标，基于油温曲线关联指标以及负荷曲线关联指标，分析2台相邻主变是否存在疑似油温异常的变压器；
第三分析单元204，用于当第一分析单元分析的同一变电站仅1台主变顶层油温表正常，则以顶层油温表正常主变为待分析变压器，或当第二分析单元分析的同一变电站2台相邻主变油温疑似异常，则以2台相邻主变为待分析变压器，分别计算待分析变压器的油温曲线与负荷曲线的关联指标以及油温曲线与环境温度曲线的关联指标，从而得到待分析变压器关联指标，基于待分析变压器关联指标确定油温异常变压器，并纳入集合A；
第四分析单元205，用于当第二分析单元分析的同一变电站2台相邻变压器为非疑似油温异常的变压器时，构建变压器的油温模拟计算模型，基于油温模拟计算模型计算第一油温模拟值，并计算第一油温模拟值与油温监测值的第一差值指标，根据差值指标确定当前分析变压器和相邻主变是否为疑似油温异常变压器；
第五分析单元206，用于当第三分析单元分析的变压器油温正常，则以第三分析单元分析的变压器为待分析变压器，或当第四分析单元分析的变压器和相邻变压器疑似油温异常，则以2个相邻主变为待分析变压器，构建当前分析变压器的油温模拟计算模型，基于油温模拟计算模型计算第二油温模拟值，并计算第二油温模拟值与油温监测值的第二差值指标，基于第二差值指标确定油温异常变压器，并纳入集合A；
输出单元207，用于统计油温异常变压器集合A，输出顶层油温异常的变压器。
进一步地，本申请实施例中还提供了一种变压器顶层油温异常校验设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行上述方法实施例所述的变压器顶层油温异常校验方法。
进一步地，本申请实施例中还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用于存储程序代码，所述程序代码用于执行上述方法实施例所述的变压器顶层油温异常校验方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个（项）”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项（个）或复数项（个）的任意组合。例如，a，b或c中的至少一项（个），可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（英文全称：Read-OnlyMemory，英文缩写：ROM）、随机存取存储器（英文全称：Random Access Memory，英文缩写：RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种变压器顶层油温异常校验方法，其特征在于，包括：
S1、获取待分析变压器顶层油温、负荷和环境温度数值，作为待分析变压器的顶层油温校核用数据；
S2、根据同一变压器的2个顶层油温表的油温监测值，计算2个顶层油温表的油温监测值差值指标和油温关联指标，基于所述油温监测值差值指标和所述油温关联指标分析2个顶层油温表是否存在异常；
S3、当同一变电站2台相邻主变的顶层油温表均正常时，则根据同一变电站2台相邻主变的运行数据，计算2台相邻主变的油温曲线关联指标以及负荷曲线关联指标，基于所述油温曲线关联指标以及所述负荷曲线关联指标，分析2台相邻主变是否存在疑似油温异常的变压器；
S4、当S2分析的同一变电站仅1台主变顶层油温表正常，则以顶层油温表正常主变为待分析变压器，或当S3分析的同一变电站2台相邻主变油温疑似异常，则以2台相邻主变为待分析变压器，分别计算待分析变压器的油温曲线与负荷曲线的关联指标以及油温曲线与环境温度曲线的关联指标，从而得到待分析变压器关联指标，基于所述待分析变压器关联指标确定油温异常变压器，并纳入集合A；
S5、当S3分析的同一变电站2台相邻变压器为非疑似油温异常的变压器时，构建变压器的油温模拟计算模型，基于油温模拟计算模型计算第一油温模拟值，并计算所述第一油温模拟值与油温监测值的第一差值指标，根据差值指标确定当前分析变压器和相邻主变是否为疑似油温异常变压器；
S6、当S4分析的变压器油温正常，则以S4分析的变压器为待分析变压器，或当S5分析的变压器和相邻变压器疑似油温异常，则以2个相邻主变为待分析变压器，构建当前分析变压器的油温模拟计算模型，基于油温模拟计算模型计算第二油温模拟值，并计算第二油温模拟值与油温监测值的第二差值指标，基于第二差值指标确定油温异常变压器，并纳入集合A；
S7、统计油温异常变压器集合A，输出顶层油温异常的变压器。
2.根据权利要求1所述的变压器顶层油温异常校验方法，其特征在于，步骤S2，具体包括：
S21、计算时间T内同一变压器的2个顶层油温表的油温监测值差值，并求所述油温监测值差值的绝对值的平均值，定义为Index 1：
其中，
Figure QLYQS_1
；
式中，
Figure QLYQS_2
和
Figure QLYQS_3
为当前分析变压器的顶层油温表1和顶层油温表2在时刻t时的油温监测值；
S22、将Index 1与预设两表差阈值Limit 1对比，若Index 1>Limit 1，则标记当前分析变压器顶层油温表异常，否则，转入步骤S23；
S23、计算时间T内同一变压器的2个顶层油温表的油温关联指标Index 2；
其中，
Figure QLYQS_4
；
式中，
Figure QLYQS_5
和
Figure QLYQS_6
分别为当前分析变压器顶层油温表1和顶层油温表2在时间T内的油温监测平均值；
S24、将油温关联指标Index 2与预设关联指标阈值Limit 2对比，若Index 2< Limit 2，则标记当前分析变压器顶层油温表异常，否则，标记当前分析变压器顶层油温表正常；
S25、若同一变电站2台相邻主变顶层油温表均异常，则当前变电站分析流程结束。
3.根据权利要求2所述的变压器顶层油温异常校验方法，其特征在于，步骤S3，具体包括：
S31、当同一变电站2台相邻主变的顶层油温表均正常时，则获取时间T内同一变电站的变压器1的油温曲线和负荷曲线，以及相邻变压器2的油温曲线和负荷曲线；
S32、根据所述变压器1和相邻变压器2的油温曲线，计算变压器1油温曲线与相邻变压器2油温曲线的关联指标Index 3_1；
其中，
Figure QLYQS_7
；
式中，
Figure QLYQS_8
为变压器1的顶层油温表在时刻t的油温监测值，
Figure QLYQS_9
为变压器1顶层油温表在时间T内的油温监测平均值，
Figure QLYQS_10
为相邻变压器2的顶层油温表在时刻t的油温监测值，
Figure QLYQS_11
为相邻变压器2顶层油温表在时间T内的油温监测平均值；
S33、根据所述变压器1和相邻变压器2的负荷曲线，计算变压器1负荷曲线与相邻变压器2负荷曲线的关联指标Index 3_2；
其中，
Figure QLYQS_12
；
式中，
Figure QLYQS_13
为变压器1在时刻t的负荷值，
Figure QLYQS_14
为变压器1在时间T内的负荷平均值，
Figure QLYQS_15
为相邻变压器2在时刻t的负荷值，
Figure QLYQS_16
为相邻变压器2在时间T内的负荷平均值；
S34、计算关联指标Index 3，若Index 3≤0，则标记当前分析变压器1和相邻变压器2油温疑似异常；
其中，
Figure QLYQS_17
。
4.根据权利要求3所述的变压器顶层油温异常校验方法，其特征在于，步骤S4，具体包括：
S41、当S2分析的同一变电站仅1台主变顶层油温表正常，则以顶层油温表正常主变为待分析变压器，或当S3分析的同一变电站2台相邻主变油温疑似异常，则以2台相邻主变为待分析变压器；并获取时间T内各个待分析变压器的油温、负荷和环境温度数据，组成油温曲线、负荷曲线和环境温度曲线；
S42、根据步骤S41的油温曲线和负荷曲线，计算待分析变压器的油温曲线与负荷曲线的关联指标Index 4_1；
其中，
Figure QLYQS_18
；
式中，
Figure QLYQS_19
为变压器顶层油温表在时刻t的油温监测值，
Figure QLYQS_20
为变压器顶层油温表在时间T内的油温监测平均值，L(t)为变压器负荷在时刻t的负荷值，
Figure QLYQS_21
为变压器负荷在时间T内的平均值；
S43、根据步骤S41的油温曲线和环境温度曲线，计算待分析变压器的油温曲线与环境温度曲线的关联指标Index 4_2；
Figure QLYQS_22
；
式中，
Figure QLYQS_23
为时刻t的环境温度监测值，
Figure QLYQS_24
为时间T内的环境温度监测平均值；
S44、根据Index 4_1和Index 4_2计算待分析变压器的关联指标Index 4，若Index 4≤0或Index 4_1≤0且Index 4_2≤0，则标记当前分析变压器油温异常，将其纳入油温异常变压器集合A；
其中，
Figure QLYQS_25
。
5.根据权利要求3所述的变压器顶层油温异常校验方法，其特征在于，步骤S5，具体包括：
S51、当S3分析的同一变电站2台相邻主变为非疑似油温异常的变压器时，则根据变压器1和相邻变压器2油温历史数据和油温影响因子历史数据，分别构建变压器1和相邻变压器2的油温模拟计算模型；
S52、根据相邻变压器2的油温模拟计算模型和变压器1油温影响因子数据，计算得到变压器1的油温模拟值
Figure QLYQS_26
；
S53、分析时间T内变压器1油温模拟值与油温监测值的差值，并求其绝对值的平均值，定义为Index5：
其中，
Figure QLYQS_27
；
式中，
Figure QLYQS_28
为基于相邻变压器2的油温模拟计算模型计算得到的变压器1在t时刻的油温模拟值；
S54、将Index 5与预设油温模拟差值阈值Limit 5对比，若Index 5>Limit 5，则标记变压器1和相邻变压器2疑似油温异常，否则，变电站2台相邻主变分析流程结束。
6.根据权利要求5所述的变压器顶层油温异常校验方法，其特征在于，步骤S6，具体包括：
S61、当S4分析的变压器油温正常，则以S4分析的变压器为待分析变压器，或当S5分析的变压器和相邻变压器疑似油温异常，则以2个相邻变压器为待分析变压器，利用待分析变压器的油温历史数据和油温影响因子历史数据，构建当前分析变压器的油温模拟计算模型；
S62、根据当前分析变压器的油温模拟计算模型和油温影响因子数据计算得到当前分析变压器的油温模拟值
Figure QLYQS_29
；
S63、分析时间T内当前分析变压器油温模拟值与油温监测值的差值，并求其绝对值的平均值，定义为Index 6：
其中，
Figure QLYQS_30
；
式中，R*(t)为t时刻的油温模拟值；
S64、将Index 6与预设油温模拟差值阈值Limit 6对比，若Index 6>Limit 6，则标记当前分析变压器油温异常，将其纳入油温异常变压器集合A，否则，结束当前变电站分析流程。
7.根据权利要求5或6所述的变压器顶层油温异常校验方法，其特征在于，构建所述油温模拟计算模型，具体包括：
S511、以变压器当前负荷值、变压器前一时刻负荷值、变压器前两时刻负荷值、变压器前一时刻油温值、变压器前两时刻油温值、当前环境温度、前一时刻环境温度和前两时刻环境温度为油温模拟计算模型的输入量，以变压器当前油温值为油温模拟计算模型的输出量；
S512、利用最小二乘法进行变压器顶层油温模拟计算，得到油温模拟计算结果R1；
S513、利用BP神经网络进行变压器顶层油温模拟计算，得到油温模拟计算结果R2；
S514、利用支持向量回归SVR进行变压器顶层油温模拟计算，得到油温模拟计算结果R3；
S515、利用极限学习机ELM进行变压器顶层油温模拟计算，得到油温模拟计算结果R4；
S516、结合油温模拟计算结果R1、R2、R3、R4，以最小化模拟计算误差为目标，计算得到变压器顶层油温的最终模拟计算结果为：
Figure QLYQS_31
；
其中，
Figure QLYQS_32
为加权系数最优值；E为模拟误差信息矩阵，L为由1组成的矩阵；
式中，
Figure QLYQS_33
，w o1、w o2、w o3、w o4均为加权系数最优值。
8.一种变压器顶层油温异常校验系统，其特征在于，包括：
获取单元，用于获取待分析变压器顶层油温、负荷和环境温度数值，作为待分析变压器的顶层油温校核用数据；
第一分析单元，用于根据同一变压器的2个顶层油温表的油温监测值，计算2个顶层油温表的油温监测值差值指标和油温关联指标，基于所述油温监测值差值指标和所述油温关联指标分析2个顶层油温表是否存在异常；
第二分析单元，用于当同一变电站2台相邻主变的顶层油温表均正常时，则根据同一变电站2台相邻主变的运行数据，计算2台相邻主变的油温曲线关联指标以及负荷曲线关联指标，基于所述油温曲线关联指标以及所述负荷曲线关联指标，分析2台相邻主变是否存在疑似油温异常的变压器；
第三分析单元，用于当所述第一分析单元分析的同一变电站仅1台主变顶层油温表正常，则以顶层油温表正常主变为待分析变压器，或当所述第二分析单元分析的同一变电站2台相邻主变油温疑似异常，则以2台相邻主变为待分析变压器，分别计算待分析变压器的油温曲线与负荷曲线的关联指标以及油温曲线与环境温度曲线的关联指标，从而得到待分析变压器关联指标，基于所述待分析变压器关联指标确定油温异常变压器，并纳入集合A；
第四分析单元，用于当所述第二分析单元分析的同一变电站2台相邻变压器为非疑似油温异常的变压器时，构建变压器的油温模拟计算模型，基于油温模拟计算模型计算第一油温模拟值，并计算所述第一油温模拟值与油温监测值的第一差值指标，根据差值指标确定当前分析变压器和相邻主变是否为疑似油温异常变压器；
第五分析单元，用于当所述第三分析单元分析的变压器油温正常，则以所述第三分析单元分析的变压器为待分析变压器，或当所述第四分析单元分析的变压器和相邻变压器疑似油温异常，则以2个相邻主变为待分析变压器，构建当前分析变压器的油温模拟计算模型，基于油温模拟计算模型计算第二油温模拟值，并计算第二油温模拟值与油温监测值的第二差值指标，基于第二差值指标确定油温异常变压器，并纳入集合A；
输出单元，用于统计油温异常变压器集合A，输出顶层油温异常的变压器。
9.一种变压器顶层油温异常校验设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-7任一项所述的变压器顶层油温异常校验方法。
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用于存储程序代码，所述程序代码用于执行权利要求1-7任一项所述的变压器顶层油温异常校验方法。
CN202211587693.XA 2022-12-12 2022-12-12 一种变压器顶层油温异常校验方法及相关装置 Active CN115655516B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211587693.XA CN115655516B (zh) 2022-12-12 2022-12-12 一种变压器顶层油温异常校验方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211587693.XA CN115655516B (zh) 2022-12-12 2022-12-12 一种变压器顶层油温异常校验方法及相关装置

Publications (2)

Publication Number Publication Date
CN115655516A CN115655516A (zh) 2023-01-31
CN115655516B true CN115655516B (zh) 2023-03-21

Family

ID=85019290

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211587693.XA Active CN115655516B (zh) 2022-12-12 2022-12-12 一种变压器顶层油温异常校验方法及相关装置

Country Status (1)

Country Link
CN (1) CN115655516B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116108760B (zh) * 2023-04-12 2023-06-27 广东电网有限责任公司佛山供电局 一种主变热特性监测方法和系统
CN117272214B (zh) * 2023-11-21 2024-02-02 罗普特科技集团股份有限公司 一种安全生产智能管理系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657034A (zh) * 2021-08-16 2021-11-16 郑州轻工业大学 基于改进粒子群优化神经网络算法的变压器油温预测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104299057B (zh) * 2014-10-17 2018-02-13 国家电网公司 基于多因素的油浸式变压器顶层油温预测方法
KR102558782B1 (ko) * 2016-05-04 2023-07-21 엘에스일렉트릭(주) 변압기의 손실 전력 예측 장치
CN113962318A (zh) * 2021-10-29 2022-01-21 国网宁夏电力有限公司电力科学研究院 基于内外数据融合和机器学习的变压器状态异常检测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657034A (zh) * 2021-08-16 2021-11-16 郑州轻工业大学 基于改进粒子群优化神经网络算法的变压器油温预测方法

Also Published As

Publication number Publication date
CN115655516A (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
CN115655516B (zh) 一种变压器顶层油温异常校验方法及相关装置
CN110095744B (zh) 一种电子式互感器误差预测方法
Nichiforov et al. Energy consumption forecasting using ARIMA and neural network models
CN106529696B (zh) 一种电网中设备预警方法及预警装置
Zhao et al. Fault-relevant principal component analysis (FPCA) method for multivariate statistical modeling and process monitoring
US8401833B2 (en) Method for predicting power usage effectiveness and data center infrastructure efficiency within a real-time monitoring system
CN109074063A (zh) 用数据驱动的工作流程进行安全分析评估的装置和方法
CN106644162B (zh) 基于邻域保持嵌入回归算法的环网柜线芯温度软测量方法
Xiao et al. A diagnostic tool for online sensor health monitoring in air-conditioning systems
EP2601560A2 (en) Systems and methods for analyzing building operations sensor data
JP2011175540A (ja) 予測・診断モデルの構築装置
CN113036913B (zh) 一种综合能源设备状态监测方法及装置
Zhao et al. Efficient faulty variable selection and parsimonious reconstruction modelling for fault isolation
Bektas et al. Reducing dimensionality of multi-regime data for failure prognostics
CN115439003A (zh) 基于智慧燃气物联网的燃气表更换提示方法和系统
CN117371207A (zh) 一种特高压换流阀状态评价方法、介质及系统
CN113313371B (zh) 配电网风险评估方法、装置、计算机设备及存储介质
CN108845285B (zh) 电能计量装置检测方法和系统
Bordes et al. Partially observed competing degradation processes: modeling and inference
CN115755831A (zh) 一种基于模糊层次分析的故障诊断方法及系统
CN114091322A (zh) 一种基于数字模型的高压开关柜状态预测方法
CN114740159A (zh) 一种天然气能量计量组分获取方法和物联网系统
Zhai et al. Power quality comprehensive evaluation based on combination weighting method
CN114169683A (zh) 基于模糊综合评价理论的发电机励磁系统状态评价方法
Kühnert et al. Cloud-based event detection platform for water distribution networks using machine-learning algorithms

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant