CN116484719A - 一种内部温升值确定方法、装置、设备和存储介质 - Google Patents

一种内部温升值确定方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN116484719A
CN116484719A CN202310298921.XA CN202310298921A CN116484719A CN 116484719 A CN116484719 A CN 116484719A CN 202310298921 A CN202310298921 A CN 202310298921A CN 116484719 A CN116484719 A CN 116484719A
Authority
CN
China
Prior art keywords
temperature rise
target
preset
rise value
external
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.)
Pending
Application number
CN202310298921.XA
Other languages
English (en)
Inventor
潘文博
魏存良
罗威
李志华
汪进锋
张建峰
罗海波
陈芳
李靖文
冯文晴
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.)
Guangdong Power Grid Co Ltd
Meizhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Meizhou Power Supply Bureau of Guangdong Power Grid Co Ltd
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 Guangdong Power Grid Co Ltd, Meizhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202310298921.XA priority Critical patent/CN116484719A/zh
Publication of CN116484719A publication Critical patent/CN116484719A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

本发明公开了一种内部温升值确定方法、装置、设备和存储介质。该方法包括：确定位于目标干式变压器内部的目标关键部位所对应的目标外部位置；获取目标外部位置对应的目标外部温升值；将目标外部温升值输入至目标关键部位对应的目标预测网络模型中进行内部温升值的预测；基于目标预测网络模型的输出，获得目标关键部位对应的目标内部温升值。通过本发明实施例的技术方案，可以快速且准确地确定出干式变压器内部的关键部位的温升值，提高了温升值确定效率和准确性。

Description

一种内部温升值确定方法、装置、设备和存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种内部温升值确定方法、装置、设备和存储介质。
背景技术
干式变压器通常用于调节电压和隔离电压。若干式变压器中关键部位的温度超过安全温度上限值，则高温会破坏关键部位的绝缘层材料，导致干式变压器中关键部位被击穿，并使得干式变压器失效。
目前，通常是基于热成像设备采集的红外图像，确定干式变压器内部的关键部位的温升值。然而，由于关键部位位于干式变压器的内部，从而这种温升值确定方式会受到其他部位的温升值影响，降低了干式变压器内部的关键部位的温升值确定的准确性。
发明内容
本发明提供了一种内部温升值确定方法、装置、设备和存储介质，以快速且准确地确定出干式变压器内部的关键部位的温升值，提高了温升值确定效率和准确性。
根据本发明的一方面，提供了一种内部温升值确定方法，该方法包括：
确定位于目标干式变压器内部的目标关键部位所对应的目标外部位置；
获取所述目标外部位置对应的目标外部温升值；
将所述目标外部温升值输入至所述目标关键部位对应的目标预测网络模型中进行内部温升值的预测；
基于所述目标预测网络模型的输出，获得所述目标关键部位对应的目标内部温升值。
根据本发明的另一方面，提供了一种内部温升值确定装置，该装置包括：
目标外部位置确定模块，用于确定位于目标干式变压器内部的目标关键部位所对应的目标外部位置；
目标外部温升值获取模块，用于获取所述目标外部位置对应的目标外部温升值；
模型预测模块，用于将所述目标外部温升值输入至所述目标关键部位对应的目标预测网络模型中进行内部温升值的预测；
目标内部温升值确定模块，用于基于所述目标预测网络模型的输出，获得所述目标关键部位对应的目标内部温升值。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
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发明任一实施例所述的内部温升值确定方法。
根据本发明的另一方面，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发明任一实施例所述的内部温升值确定方法。
本发明实施例的技术方案，通过确定位于目标干式变压器内部的目标关键部位所对应的目标外部位置；获取所述目标外部位置对应的目标外部温升值；将所述目标外部温升值输入至所述目标关键部位对应的目标预测网络模型中进行内部温升值的预测；基于所述目标预测网络模型的输出，获得所述目标关键部位对应的目标内部温升值，从而快速且准确地确定出干式变压器内部的关键部位的温升值，提高了温升值确定效率和准确性。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种内部温升值确定方法的流程图；
图2是本发明实施例一所涉及的一种目标预测网络模型的示例图；
图3是根据本发明实施例二提供的一种预设关键部位与预设外部位置之间的对应关系确定方法的流程图；
图4是根据本发明实施例三提供的一种内部温升值确定装置的结构示意图；
图5是实现本发明实施例的内部温升值确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”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，以便这里描述的本发明的实施例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。
实施例一
图1为本发明实施例一提供了一种内部温升值确定方法的流程图，本实施例可适用于对干式变压器内部中的关键部位的实际温升值自动进行确定的情况，该方法可以由内部温升值确定装置来执行，该内部温升值确定装置可以采用硬件和/或软件的形式实现，该内部温升值确定装置可配置于电子设备中。如图1所示，该方法包括：
S110、确定位于目标干式变压器内部的目标关键部位所对应的目标外部位置。
其中，目标干式变压器可以是指需要确定内部的关键部位的温升值的干式变压器。关键部位可以是指目标干式变压器内部的有温度上限的部位。例如，目标关键部位可以是但不限于绕组。外部位置可以是指目标干式变压器外表面上的位置点。目标外部位置可以是预先设置的可用于反映目标关键部位相关信息的外部位置。
具体地，确定位于目标干式变压器内部的目标关键部位，并确定预先设置的与目标关键部位相关联的目标外部位置。例如，可以基于目标干式变压器当前运行时的当前负载率和位于目标干式变压器内部的目标关键部位，实时确定出目标关键部位所对应的目标外部位置。也可以从预先获得的每个负载率下的预设关键部位与预设外部位置之间的对应关系中快速地确定出当前负载率下目标关键部位对应的目标外部位置，从而进一步提高内部温升值的确定效率。
S120、获取目标外部位置对应的目标外部温升值。
其中，外部温升值可以是指目标外部位置的外部实际温升值。例如，可以通过热线成像设备获取目标外部位置对应的目标外部温升值。
S130、将目标外部温升值输入至目标关键部位对应的目标预测网络模型中进行内部温升值的预测。
其中，目标预测网络模型可以用于基于输入的目标关键部位对应的目标外部温升值，输出目标关键部位对应的内部最大温升值。内部最大温升值可以是指目标关键部位对应的各个内部实际温升值中的最大温升值。具体地，将目标外部温升值输入至目标关键部位对应的目标预测网络模型中进行内部温升值的预测，获得目标预测网络模型输出的内部最大温升值。
S140、基于目标预测网络模型的输出，获得目标关键部位对应的目标内部温升值。
其中，目标内部温升值可以是指目标关键部位对应的内部最大温升值。具体地，基于目标预测网络模型的输出，获得目标关键部位对应的目标内部温升值。
需要说明的是，在获得目标关键部位对应的目标内部温升值之后，可以利用实时确定出目标关键部位对应的目标内部温升值进行实时温监测，并在目标关键部位超过温度上限时进行告警。
本发明实施例的技术方案，通过确定位于目标干式变压器内部的目标关键部位所对应的目标外部位置；获取目标外部位置对应的目标外部温升值；将目标外部温升值输入至目标关键部位对应的目标预测网络模型中进行内部温升值的预测；基于目标预测网络模型的输出，获得目标关键部位对应的目标内部温升值，从而可以在没有其他部位的温升值影响的情况下，确定出位于目标干式变压器内部的目标关键部位所对应的目标外部温升值，并通过预先训练好的模型，确定出目标关键部位的实际温升值，进而快速且准确地确定出干式变压器内部的关键部位的温升值，提高了温升值确定效率和准确性。
在上述实施例里的基础上，S110可以包括：获取目标干式变压器当前运行时的当前负载率和每个负载率下的预设关键部位与预设外部位置之间的对应关系，其中，对应关系是预先基于每个预设关键部位对应的内部最大温升值和内部平均温升值以及每个预设外部位置对应的外部实际温升值进行确定的；基于当前负载率和对应关系，确定当前负载率下的预设关键部位与预设外部位置之间的当前对应关系；基于当前对应关系和位于目标干式变压器内部的目标关键部位，确定目标关键部位所对应的目标外部位置。
其中，当前负载率可以是指目标干式变压器当前运行时的负载率。预设关键部位可以是指预先确定的目标干式变压器中的关键部位。预设外部位置可以是指预先设置的与预设关键部位相关联的目标干式变压器外部位置。内部平均温升值可以是指关键部位的各个内部实际温升值的平均值。外部实际温升值可以是指通过测温设备确定的外部位置对应的实际温升值。当前对应关系可以是指当前负载率下的预设关键部位与预设外部位置之间的对应关系。
具体地，获取目标干式变压器当前运行时的当前负载率和每个负载率下的预设关键部位与预设外部位置之间的对应关系，其中，上述多个对应关系是预先基于每个预设关键部位对应的内部最大温升值和内部平均温升值以及每个预设外部位置对应的外部实际温升值进行确定。基于当前负载率和每个负载率下的预设关键部位与预设外部位置之间的对应关系，确定当前负载率下的预设关键部位与预设外部位置之间的当前对应关系；确定出位于目标干式变压器内部的目标关键部位，并基于确定出的当前对应关系和位于目标干式变压器内部的目标关键部位，确定目标关键部位所对应的目标外部位置。
需要说明的是，目标预测网络模型的训练过程如下。图2给出了一种目标预测网络模型的示例图。参见图2，目标预测网络模型可以由输入层、隐藏层和输出层组成。预设前馈神经网络(FFNN)的输入节点为2，输出节点为1，中间设置1个隐藏层，节点个数为10。目标预测网络模型可以分为两个阶段：正向传播和反向传播。其中，正向传播为训练数据从目标预测网络模型的输入层传入，经过计算得到目标预测网络模型的输出结果。例如，神经元a与神经元b之间的权值为wab。神经元b的偏置项为ub，每个神经元的输入为xa，每个神经元的输出为xb。正向传播的表达式可以为xb＝f(Sb)，其中，f为激活函数，m为节点数。例如，激活函数可以是但不限于Sigmoid激活函数。反向传播的目的是使代价函数找到一个全局最小值或者局部最小值。例如，反向传播可以使用Levenberg-Marquardt反向传播算法。当输出层的实际输出与期望输出不同时，目标预测网络模型开始进行反向传播。其中，输出层的结果为db，预期值db与真实值yb之间误差可表示为可以采用蚁群算法(ACO)优化目标预测网络模型的模型参数。还可以基于待训练的目标预测网络模型的输出和训练样本数据中相应的标签，确定当前训练误差。记录目标预测网络模型在训练时误差最小的一组权值和阈值，并将最小误差和期望误差进行大小比较。若最小误差大于期望误差，则将当前训练误差反向传播至待训练的目标预测网络模型中，调节该预测网络模型中的模型参数，直到满足预设收敛条件时，确定预测网络模型训练完成。
实施例二
图3为本发明实施例二提供的一种预设关键部位与预设外部位置之间的对应关系确定方法的流程图，本实施例在上述实施例的基础上，对每个负载率下的预设关键部位与预设外部位置之间的对应关系的确定过程进行详细描述。其中与上述各实施例相同或相应的术语的解释在此不再赘述。如图3所示，该方法包括：
S210、针对每个负载率下的每个预设关键部位，获取目标干式变压器运行在该负载率下的该预设关键部位对应的内部最大温升值和内部平均温升值以及每个预设外部位置对应的外部实际温升值。
具体地，针对每个负载率下的每个预设关键部位，获取目标干式变压器运行在该负载率下的该预设关键部位对应的各个内部实际温升值和每个预设外部位置对应的外部实际温升值，并基于各个内部实际温升值确定出该负载率下的该预设关键部位对应的内部最大温升值和内部平均温升值。
S220、基于该预设关键部位对应的内部最大温升值、内部平均温升值和每个预设外部位置对应的外部实际温升值，确定每个预设外部位置对应的反对角矩阵和正对角矩阵。
具体地，基于每个预设外部位置对应的外部实际温升值，确定整个目标干式变压器对应的外部平均温升值。基于该预设关键部位对应的内部最大温升值、内部平均温升值和每个预设外部位置对应的外部实际温升值以及目标干式变压器对应的外部平均温升值，确定每个预设外部位置对应的反对角矩阵和正对角矩阵。例如，反对角矩阵可以是但不限于2*2的反对角矩阵。正对角矩阵可以是但不限于2*2的正对角矩阵。
S230、基于每个预设外部位置对应的反对角矩阵和正对角矩阵，确定该负载率下的该预设关键部位与每个预设外部位置之间的灵敏度相关系数。
其中，灵敏度相关系数可以用表征预设关键部位与每个预设外部位置之间的相关程度。灵敏度相关系数的取值范围为-1至1。灵敏度相关系数的绝对值越大，表明预设关键部位与该预设外部位置的相关性越大，即利用相关性越大的预设外部位置对应的温升值可以更准确的表征预设关键部位对应的温升值。
具体地，将每个预设外部位置对应的正对角矩阵与反对角矩阵进行相除处理，并将相除结果确定为该负载率下的该预设关键部位与每个预设外部位置之间的灵敏度相关系数。例如，灵敏度相关系数可以为P(i,j)。
S240、基于灵敏度相关系数，从各个预设外部位置中确定该负载率下的该预设关键部位对应的目标预设外部位置。
其中，目标预设外部位置可以是指该负载率下可用于表征该预设关键部位对应的温升值的预设外部位置。具体地，从各个预设外部位置对应的灵敏度相关系数中，确定与预设关键部位对应到的温升值相关程度最高的预设外部位置为目标预设外部位置，并建立该负载率下的该预设关键部位与目标预设外部位置的对应关系。
本发明实施例的技术方案，通过针对每个负载率下的每个预设关键部位，获取目标干式变压器运行在该负载率下的该预设关键部位对应的内部最大温升值和内部平均温升值以及每个预设外部位置对应的外部实际温升值。基于该预设关键部位对应的内部最大温升值、内部平均温升值和每个预设外部位置对应的外部实际温升值，确定每个预设外部位置对应的反对角矩阵和正对角矩阵。基于每个预设外部位置对应的反对角矩阵和正对角矩阵，确定该负载率下的该预设关键部位与每个预设外部位置之间的灵敏度相关系数。基于灵敏度相关系数，从各个预设外部位置中确定该负载率下的该预设关键部位对应的目标预设外部位置，从而建立每个负载率下的每个预设关键部位与预设外部位置的对应关系，并利用上述对应关系快速且准确地确定出位于目标干式变压器内部的目标关键部位所对应的目标外部位置，进而确定出干式变压器内部的关键部位的温升值，提高了温升值确定效率和准确性。
在上述实施例里的基础上，S220可以包括：基于各个预设外部位置对应的外部实际温升值，确定目标干式变压器外部的外部平均温升值；针对每个预设外部位置，确定该预设关键部位对应的内部最大温升值与相应的内部平均温升值之间的第一温升差值，以及该预设外部位置对应的外部实际温升值与外部平均温升值之间的第二温升差值；基于第一温升差值和第二温升差值，确定该预设外部位置对应的反对角矩阵和正对角矩阵。
其中，第一温升差值可以是指预设关键部位的最大温升值与平均温升值之间的温升差值。第二温升差值可以是指预设外部位置的最大温升值与平均温升值之间的温升差值。
具体地，基于各个预设外部位置对应的外部实际温升值，确定目标干式变压器外部的外部平均温升值。针对每个预设外部位置，确定该预设关键部位对应的内部最大温升值与相应的内部平均温升值之间的第一温升差值。确定该预设外部位置对应的外部实际温升值与外部平均温升值之间的第二温升差值。基于第一温升差值和第二温升差值进行组合，确定该预设外部位置对应的反对角矩阵和正对角矩阵。
在上述实施例里的基础上，“基于第一温升差值和第二温升差值，确定该预设外部位置对应的反对角矩阵和正对角矩阵”可以包括：
将第一温升差值进行平方获得第一反对角元素，以及将第二温升差值进行平方获得第二反对角元素，并基于第一反对角元素和第二反对角元素，确定该预设外部位置对应的反对角矩阵；
将第一温升差值作为第一正对角元素，以及将第二温升差作为第二正对角元素，并基于第一正对角元素和第二正对角元素确定该预设外部位置对应的反对角矩阵。
其中，第一反对角元素可以是指位于反对角矩阵中第一列的非零元素。第二反对角元素可以是指位于反对角矩阵中第二列的非零元素。第一正对角元素可以是指位于正对角矩阵中第一列的非零元素。第二正对角元素可以是指位于正对角矩阵中第二列的非零元素。
具体地，将第一温升差值进行平方获得第一反对角元素，以及将第二温升差值进行平方获得第二反对角元素，并基于第一反对角元素和第二反对角元素，确定该预设外部位置对应的反对角矩阵；例如，反对角矩阵可以为其中，i为内部最大温升值，/>为内部平均温升值，j为外部实际温升值，/>为外部平均温升值。将第一温升差值作为第一正对角元素，以及将第二温升差作为第二正对角元素，并基于第一正对角元素和第二正对角元素确定该预设外部位置对应的反对角矩阵。例如，正对角矩阵可以为
在上述实施例里的基础上，S230可以包括：针对每个预设外部位置，对该预设外部位置对应的反对角矩阵进行开根号处理，确定该预设外部位置对应的降次反对角矩阵；将该预设外部位置对应的正对角矩阵与降次反对角矩阵进行相除，并将相除结果确定为该负载率下的该预设关键部位与该预设外部位置之间的灵敏度相关系数。
其中，降次反对角矩阵可以是指反对角矩阵开根号后的对角矩阵。具体地，针对每个预设外部位置，对该预设外部位置对应的反对角矩阵进行开根号处理，确定该预设外部位置对应的降次反对角矩阵。例如，降次反对角矩阵可以为将该预设外部位置对应的正对角矩阵与降次反对角矩阵进行相除，并将相除结果确定为该负载率下的该预设关键部位与该预设外部位置之间的灵敏度相关系数。例如，灵敏度相关系数、正对角矩阵以及降次反对角矩阵之间的关系可以为
在上述实施例里的基础上，S240可以包括：从各个预设外部位置对应的灵敏相关系数中确定出最大灵敏度系数，并将最大灵敏度系数对应的预设外部位置确定为该预设关键部位对应的目标预设外部位置。
其中，最大灵敏度系数可以是指预设外部位置对应的各个最大灵敏度系数中的最大值。具体地，从各个预设外部位置对应的灵敏相关系数中确定出最大灵敏度系数，并将最大灵敏度系数对应的预设外部位置确定为该预设关键部位对应的目标预设外部位置，并建立该负载率下的该预设关键部位与目标预设外部位置的对应关系。
以下是本发明实施例提供的内部温升值确定装置的实施例，该装置与上述各实施例的内部温升值确定方法属于同一个发明构思，在内部温升值确定装置的实施例中未详尽描述的细节内容，可以参考上述内部温升值确定方法的实施例。
实施例三
图4为本发明实施例三提供的一种内部温升值确定装置的结构示意图。如图4所示，该装置包括：目标外部位置确定模块310、目标外部温升值获取模块320、模型预测模块330和目标内部温升值确定模块340。
其中，目标外部位置确定模块310，用于确定位于目标干式变压器内部的目标关键部位所对应的目标外部位置；目标外部温升值获取模块320，用于获取目标外部位置对应的目标外部温升值；模型预测模块330，用于将目标外部温升值输入至目标关键部位对应的目标预测网络模型中进行内部温升值的预测；目标内部温升值确定模块340，用于基于目标预测网络模型的输出，获得目标关键部位对应的目标内部温升值。
本发明实施例的技术方案，通过确定位于目标干式变压器内部的目标关键部位所对应的目标外部位置；获取目标外部位置对应的目标外部温升值；将目标外部温升值输入至目标关键部位对应的目标预测网络模型中进行内部温升值的预测；基于目标预测网络模型的输出，获得目标关键部位对应的目标内部温升值，从而可以在没有其他部位的温升值影响的情况下，确定出位于目标干式变压器内部的目标关键部位所对应的目标外部温升值，并通过预先训练好的模型，确定出目标关键部位的实际温升值，进而快速且准确地确定出干式变压器内部的关键部位的温升值，提高了温升值确定效率和准确性。
可选地，目标外部位置确定模块310具体用于：获取目标干式变压器当前运行时的当前负载率和每个负载率下的预设关键部位与预设外部位置之间的对应关系，其中，对应关系是预先基于每个预设关键部位对应的内部最大温升值和内部平均温升值以及每个预设外部位置对应的外部实际温升值进行确定的；基于当前负载率和对应关系，确定当前负载率下的预设关键部位与预设外部位置之间的当前对应关系；基于当前对应关系和位于目标干式变压器内部的目标关键部位，确定目标关键部位所对应的目标外部位置。
可选地，该装置还包括：
温升值获取模块，用于针对每个负载率下的每个预设关键部位，获取目标干式变压器运行在该负载率下的该预设关键部位对应的内部最大温升值和内部平均温升值以及每个预设外部位置对应的外部实际温升值；
对角矩阵确定模块，用于基于该预设关键部位对应的内部最大温升值、内部平均温升值和每个预设外部位置对应的外部实际温升值，确定每个预设外部位置对应的反对角矩阵和正对角矩阵；
灵敏度相关系数确定模块，用于基于每个预设外部位置对应的反对角矩阵和正对角矩阵，确定该负载率下的该预设关键部位与每个预设外部位置之间的灵敏度相关系数；
目标预设外部位置确定模块，用于基于灵敏度相关系数，从各个预设外部位置中确定该负载率下的该预设关键部位对应的目标预设外部位置。
可选地，对角矩阵确定模块，可以包括：
外部平均温升值确定子模块，用于基于各个预设外部位置对应的外部实际温升值，确定目标干式变压器外部的外部平均温升值；
温升差值确定子模块，用于针对每个预设外部位置，确定该预设关键部位对应的内部最大温升值与相应的内部平均温升值之间的第一温升差值，以及该预设外部位置对应的外部实际温升值与外部平均温升值之间的第二温升差值；
对角矩阵确定子模块，用于基于第一温升差值和第二温升差值，确定该预设外部位置对应的反对角矩阵和正对角矩阵。
可选地，对角矩阵确定子模块具体用于：将第一温升差值进行平方获得第一反对角元素，以及将第二温升差值进行平方获得第二反对角元素，并基于第一反对角元素和第二反对角元素，确定该预设外部位置对应的反对角矩阵；将第一温升差值作为第一正对角元素，以及将第二温升差作为第二正对角元素，并基于第一正对角元素和第二正对角元素确定该预设外部位置对应的反对角矩阵。
可选地，灵敏度相关系数确定模块具体用于：针对每个预设外部位置，对该预设外部位置对应的反对角矩阵进行开根号处理，确定该预设外部位置对应的降次反对角矩阵；将该预设外部位置对应的正对角矩阵与降次反对角矩阵进行相除，并将相除结果确定为该负载率下的该预设关键部位与该预设外部位置之间的灵敏度相关系数。
可选地，目标预设外部位置确定模块具体用于：
从各个预设外部位置对应的灵敏相关系数中确定出最大灵敏度系数，并将最大灵敏度系数对应的预设外部位置确定为该预设关键部位对应的目标预设外部位置。
本发明实施例所提供的内部温升值确定装置可执行本发明任意实施例所提供的内部温升值确定方法，具备执行内部温升值确定方法相应的功能模块和有益效果。
值得注意的是，上述内部温升值确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例四
图5示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如内部温升值确定方法。
在一些实施例中，内部温升值确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的内部温升值确定方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行内部温升值确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种内部温升值确定方法，其特征在于，包括：
确定位于目标干式变压器内部的目标关键部位所对应的目标外部位置；
获取所述目标外部位置对应的目标外部温升值；
将所述目标外部温升值输入至所述目标关键部位对应的目标预测网络模型中进行内部温升值的预测；
基于所述目标预测网络模型的输出，获得所述目标关键部位对应的目标内部温升值。
2.根据权利要求1所述的方法，其特征在于，所述确定位于目标干式变压器内部的目标关键部位所对应的目标外部位置，包括：
获取目标干式变压器当前运行时的当前负载率和每个负载率下的预设关键部位与预设外部位置之间的对应关系，其中，所述对应关系是预先基于每个预设关键部位对应的内部最大温升值和内部平均温升值以及每个预设外部位置对应的外部实际温升值进行确定的；
基于所述当前负载率和所述对应关系，确定当前负载率下的预设关键部位与预设外部位置之间的当前对应关系；
基于所述当前对应关系和位于目标干式变压器内部的目标关键部位，确定所述目标关键部位所对应的目标外部位置。
3.根据权利要求2所述的方法，其特征在于，基于每个预设关键部位对应的内部最大温升值和内部平均温升值以及每个预设外部位置对应的外部实际温升值，确定每个负载率下的预设关键部位与预设外部位置之间的对应关系，包括：
针对每个负载率下的每个预设关键部位，获取目标干式变压器运行在该负载率下的该预设关键部位对应的内部最大温升值和内部平均温升值以及每个预设外部位置对应的外部实际温升值；
基于该预设关键部位对应的内部最大温升值、内部平均温升值和每个预设外部位置对应的外部实际温升值，确定每个预设外部位置对应的反对角矩阵和正对角矩阵；
基于每个预设外部位置对应的反对角矩阵和正对角矩阵，确定该负载率下的该预设关键部位与每个预设外部位置之间的灵敏度相关系数；
基于所述灵敏度相关系数，从各个所述预设外部位置中确定该负载率下的该预设关键部位对应的目标预设外部位置。
4.根据权利要求3所述的方法，其特征在于，所述基于该预设关键部位对应的内部最大温升值、内部平均温升值和每个预设外部位置对应的外部实际温升值，确定每个预设外部位置对应的反对角矩阵和正对角矩阵，包括：
基于各个预设外部位置对应的外部实际温升值，确定所述目标干式变压器外部的外部平均温升值；
针对每个预设外部位置，确定该预设关键部位对应的内部最大温升值与相应的内部平均温升值之间的第一温升差值，以及该预设外部位置对应的外部实际温升值与所述外部平均温升值之间的第二温升差值；
基于所述第一温升差值和所述第二温升差值，确定该预设外部位置对应的反对角矩阵和正对角矩阵。
5.根据权利要求4所述的方法，其特征在于，所述基于所述第一温升差值和所述第二温升差值，确定该预设外部位置对应的反对角矩阵和正对角矩阵，包括：
将所述第一温升差值进行平方获得第一反对角元素，以及将所述第二温升差值进行平方获得第二反对角元素，并基于所述第一反对角元素和第二反对角元素，确定该预设外部位置对应的反对角矩阵；
将所述第一温升差值作为第一正对角元素，以及将所述第二温升差作为第二正对角元素，并基于所述第一正对角元素和所述第二正对角元素确定该预设外部位置对应的反对角矩阵。
6.根据权利要求3所述的方法，其特征在于，所述基于每个预设外部位置对应的反对角矩阵和正对角矩阵，确定该负载率下的该预设关键部位与每个预设外部位置之间的灵敏度相关系数，包括：
针对每个预设外部位置，对该预设外部位置对应的反对角矩阵进行开根号处理，确定该预设外部位置对应的降次反对角矩阵；
将该预设外部位置对应的正对角矩阵与所述降次反对角矩阵进行相除，并将相除结果确定为该负载率下的该预设关键部位与该预设外部位置之间的灵敏度相关系数。
7.根据权利要求3所述的方法，其特征在于，所述基于所述灵敏度相关系数，从各个所述预设外部位置中确定该负载率下的该预设关键部位对应的目标预设外部位置，包括：
从各个所述预设外部位置对应的灵敏相关系数中确定出最大灵敏度系数，并将所述最大灵敏度系数对应的预设外部位置确定为该预设关键部位对应的目标预设外部位置。
8.一种内部温升值确定装置，其特征在于，包括：
目标外部位置确定模块，用于确定位于目标干式变压器内部的目标关键部位所对应的目标外部位置；
目标外部温升值获取模块，用于获取所述目标外部位置对应的目标外部温升值；
模型预测模块，用于将所述目标外部温升值输入至所述目标关键部位对应的目标预测网络模型中进行内部温升值的预测；
目标内部温升值确定模块，用于基于所述目标预测网络模型的输出，获得所述目标关键部位对应的目标内部温升值。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
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权利要求1-7中任一项所述的内部温升值确定方法。
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权利要求1-7中任一项所述的内部温升值确定方法。
CN202310298921.XA 2023-03-24 2023-03-24 一种内部温升值确定方法、装置、设备和存储介质 Pending CN116484719A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310298921.XA CN116484719A (zh) 2023-03-24 2023-03-24 一种内部温升值确定方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310298921.XA CN116484719A (zh) 2023-03-24 2023-03-24 一种内部温升值确定方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN116484719A true CN116484719A (zh) 2023-07-25

Family

ID=87216879

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310298921.XA Pending CN116484719A (zh) 2023-03-24 2023-03-24 一种内部温升值确定方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN116484719A (zh)

Similar Documents

Publication Publication Date Title
CN113705628B (zh) 预训练模型的确定方法、装置、电子设备以及存储介质
CN116307215A (zh) 一种电力系统的负荷预测方法、装置、设备及存储介质
CN118014018A (zh) 一种楼宇能源消耗预测方法、装置、设备及存储介质
CN116758280A (zh) 目标检测方法、装置、设备以及存储介质
CN116596106A (zh) 风电场站的功率预测方法、装置、电子设备及存储介质
CN116484719A (zh) 一种内部温升值确定方法、装置、设备和存储介质
CN116308634A (zh) 基于行为序列和权重共享的双塔模型推荐方法及装置
CN118245823B (zh) 一种绝缘子泄漏电流预测方法、装置、设备及存储介质
CN118245954B (zh) 变压器异常检测方法、装置、电子设备和存储介质
CN115034388B (zh) 排序模型的量化参数的确定方法、装置及电子设备
CN115373449B (zh) 一种数据处理方法、装置、设备及存储介质
CN116913407A (zh) 一种变压器的故障识别方法、装置、设备及介质
CN118858855A (zh) 一种电力设备的故障检测方法、装置、设备及介质
CN116992150A (zh) 一种研发组件推荐方法、装置、设备及存储介质
CN116504042A (zh) 一种异常温度告警的生成方法、装置、设备及介质
CN118100151A (zh) 一种电网负荷预测方法、装置、设备及存储介质
CN117892913A (zh) 应急处置方案的推荐方法、装置、设备及存储介质
CN117707899A (zh) 一种微服务异常检测方法、装置、设备及存储介质
CN118818228A (zh) 基于并行小波核的局部放电定位方法、装置、设备和介质
CN116165490A (zh) 一种绝缘子分类方法、装置、设备及存储介质
CN117634437A (zh) 一种设备当前运行状态的描述方法、装置及电子设备
CN117667587A (zh) 一种异常检测方法、装置、电子设备及存储介质
CN115511047A (zh) Softmax模型的量化方法、装置、设备及介质
CN117975074A (zh) 一种海上风机的腐蚀状态监测方法及装置
CN117934137A (zh) 一种基于模型融合的不良资产回收预测方法、装置及设备

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