CN118032160A - 一种变压器无线测温方法、系统、电子设备以及存储介质 - Google Patents

Abstract

本申请涉及温度检测的技术领域，尤其涉及一种变压器无线测温方法、系统、电子设备以及存储介质，该方法包括：获取变压器作业信息以及温度监测信息，对变压器作业信息以及温度监测信息进行数据分析，得到温度节点信息以及与温度节点信息对应的温度校准值，基于温度节点信息以及温度校准值对温度监测信息中的温度监测标准进行更新，得到变压器作业时的节点温度标准，基于节点温度标准中的温度节点对温度监测数据进行校正，得到真实温度数据，判断真实温度数据是否符合预设温度数据，若不符合，则生成温度异常信息。本申请提高了对变压器的温度测量准确度。

Description

一种变压器无线测温方法、系统、电子设备以及存储介质

技术领域

本申请涉及温度检测的技术领域，尤其是涉及一种变压器无线测温方法、系统、电子设备以及存储介质。

背景技术

随着电力系统的不断发展，系统电压进一步提高，工作电流进一步加大，变压器所产生的热量也大幅提高，极易对变压器产生损害并使系统发生故障。另一方面，电压波动、三相不平衡等新能源接入带来的问题，也将体现在变压器的工作状态变化上，而温度是体现电力设备运行状态的重要参量。实时采集温度监测点的温度变化趋势，实现实时预警功能，及时通知相关人员，能有效提高配网设备的运行可靠性和经济性。

目前，电力系统中有多种不同原理的测温系统，从取电方式上看，包括在线测温方式，在线测温方式又分为有源测温和无源测温两种。其中：有源测温为红外摄像头测温方式，利用红外成像原理进行温度的实时检测，但成本高；无源测温为铂热电阻温度传感器、光纤测温传感器、声表面波测温传感器和感应取电测温传感器等元器件进行测温。这些无源测温传感器的共同特点是，其在传感器端没有电池，一方面无需频繁维护，另一方面即使传感器损坏也不会对设备造成损害，因此是一种非常适合与设备长期共生的传感技术。

但目前在其实际应用中，随着无源测温传感器使用的过程中，无源传感器会随着使用的时长，监测的精度逐渐下降，从而导致无源测温传感器检测的温度值准确度降低。

发明内容

为了解决上述中的至少一项技术问题，本申请提供一种变压器无线测温方法、系统、设备和介质。

第一方面，本申请提供一种变压器无线测温方法，采用如下的技术方案：

获取变压器作业信息以及温度监测信息，所述变压器作业信息包括历史时间段内变压器的作业功率以及与所述作业功率对应的作业时长，所述温度监测信息用于表示变压器在所述历史时间段内温度传感器的温度监测标准以及温度监测数据；

对所述变压器作业信息以及所述温度监测信息进行数据分析，得到温度节点信息以及与所述温度节点信息对应的温度校准值；

基于所述温度节点信息以及所述温度校准值对所述温度监测信息中的温度监测标准进行更新，得到变压器作业时的节点温度标准；

基于所述节点温度标准中的温度节点对所述温度监测数据进行校正，得到真实温度数据；判断所述真实温度数据是否符合预设温度数据，若不符合，则生成温度异常信息。

在一种可能实现的方式中，所述对所述变压器作业信息以及所述温度监测信息进行数据分析，得到温度节点信息以及与所述温度节点信息对应的温度校准值，包括：

调取所述变压器作业信息中的第一作业功率、第二作业功率、与所述第一作业功率相对应的第一作业时长以及与所述第二作业功率相对应的第二作业时长，所述第一作业功率用于表示所述变压器在首次作业时所开启的不同功率值的作业功率，所述第二作业功率用于表示所述变压器非首次作业时所开启的不同功率值的作业功率，所述第一作业时长用于表示所述变压器在首次作业时开启不同作业功率对应的作业时长，所述第二作业时长用于表示所述变压器在非首次作业时开启不同作业功率对应的作业时长；

基于所述温度监测信息确定与所述第一作业功率相对应的第一热量数据，并将所述第一作业功率、第一作业时长以及所述第一热量数据按照作业时间点进行数据规划，得到第一温度信息；

基于所述温度监测信息确定与所述第二作业功率相对应的第二热量数据，并将所述第二作业功率、第二作业时长以及所述第二热量数据按照作业时间点进行数据规划，得到第二温度信息；

将所述第一温度信息以及所述第二温度信息按照单位时间进行整合均差计算，到温度节点信息以及与所述温度节点信息对应的温度校准值。

在一种可能实现的方式中，所述基于所述温度节点信息以及所述温度校准值对所述温度监测信息中的温度监测标准进行更新，得到变压器作业时的节点温度标准，包括：基于所述温度监测标准确定与所述温度节点信息具有对照关系的初始温度值；

根据所述温度校准值对所述初始温度值进行替换更新，得到节点温度标准。

在一种可能实现的方式中，所述判断所述真实温度数据是否符合预设温度数据，之后还包括：

若所述真实温度数据符合预设温度数据，则获取未来作业信息，所述未来作业信息用于表示在未来周期时间段内变压器的未来作业功率以及与所述未来作业功率对应的未来作业时长；根据所述未来作业信息、所述变压器作业信息以及所述温度节点信息对温度数据进行预测，得到所述未来周期时间段内的未来温度数据；

检测所述未来温度数据不符合所述预设温度数据的时间节点，并根据所述时间节点生成预警信息。

在一种可能实现的方式中，所述根据所述未来作业信息、所述变压器作业信息以及所述温度节点信息对温度数据进行预测，得到所述未来周期时间段内的未来温度数据，包括：对所述变压器作业信息以及所述温度节点信息进行分析，确定所述变压器作业信息中不同作业输出功率的输出环境数据以及所述作业输出功率对应的变压器温度数据；

基于所述输出环境数据以及所述变压器温度数据，按照所述作业时间点对所述变压器作业信息进行无监督时间序列数据整理，得到第一温度矩阵数据；

将所述第一温度矩阵数据输入至训练好的温度模型进行向量特征提取，得到温度特征维度数量，并将得到的所述温度特征维度数量与所述第一温度矩阵数据进行数据结合处理，生成第二温度矩阵数据；

对所述第二温度矩阵数据中所包含的数据进行数据处理，得到温度综合数据，并将得到的所述温度综合数据输入至预设算法模型中进行数据推算，生成在所述未来周期时间段内变压器在不同所述作业输出功率下不同输出环境数据的温度数据；

将所述未来作业信息中的未来输出环境以及未来输出功率与所述变压器作业信息中的输出环境数据以及作业输出功率进行匹配，得到未来温度数据。

在一种可能实现的方式中，所述将得到的所述温度特征维度数量与所述第一温度矩阵数据进行数据结合处理，生成第二温度矩阵数据，包括：

将所述温度特征维度数量与所述第一温度矩阵数据进行整合，生成温度维度矩阵数据；

对所述温度维度矩阵数据进行基本数据分布探查，获取所述变压器作业信息中不同作业输出功率在不同输出环境数据下的温度数据变化的相对周期性规律，并基于所述相对周期性规律确定时间周期长度；

基于所述时间周期长度对所述温度维度矩阵数据进行有监督时间序列数据整理，得到第二温度矩阵数据。

在一种可能实现的方式中，所述对所述第二温度矩阵数据中所包含的数据进行数据处理，得到温度综合数据，包括：

计算所述第二温度矩阵数据中所包含数据的正态分布均值以及正态分布方差，并基于所述正态分布均值以及所述正态分布方差确定所述第二温度矩阵数据的3σ范围；

判断所述第二温度矩阵数据中所包含数据是否在所述3σ范围之外，若所述第二温度矩阵数据中所包含数据在所述3σ范围之外，则确定所述数据所在所述第二温度矩阵数据的第一矩阵序列；

根据所述第一矩阵序列计算序列平均值，用所述序列平均值对所述第二温度矩阵数据中所包含数据进行替换，得到替换后的第二矩阵序列；

对所述第二矩阵序列进行缺失值以及归一化处理，得到温度综合数据。

第二方面，本申请提供一种变压器无线测温系统，采用如下的技术方案：

一种变压器无线测温系统，包括：

信息获取模块，用于获取变压器作业信息以及温度监测信息，所述变压器作业信息包括历史时间段内变压器的作业功率以及与所述作业功率对应的作业时长，所述温度监测信息用于表示变压器在所述历史时间段内温度传感器的温度监测标准以及温度监测数据；

数据分析模块，用于对所述变压器作业信息以及所述温度监测信息进行数据分析，得到温度节点信息以及与所述温度节点信息对应的温度校准值；

标准更新模块，用于基于所述温度节点信息以及所述温度校准值对所述温度监测信息中的温度监测标准进行更新，得到变压器作业时的节点温度标准；

温度校正模块，用于基于所述节点温度标准中的温度节点对所述温度监测数据进行校正，得到真实温度数据；

温度判断模块，用于判断所述真实温度数据是否符合预设温度数据，若不符合，则生成温度异常信息。

在一种可能的实现方式中，所述数据分析模块在对所述变压器作业信息以及所述温度监测信息进行数据分析，得到温度节点信息以及与所述温度节点信息对应的温度校准值时，具体用于：

调取所述变压器作业信息中的第一作业功率、第二作业功率、与所述第一作业功率相对应的第一作业时长以及与所述第二作业功率相对应的第二作业时长，所述第一作业功率用于表示所述变压器在首次作业时所开启的不同功率值的作业功率，所述第二作业功率用于表示所述变压器非首次作业时所开启的不同功率值的作业功率，所述第一作业时长用于表示所述变压器在首次作业时开启不同作业功率对应的作业时长，所述第二作业时长用于表示所述变压器在非首次作业时开启不同作业功率对应的作业时长；

基于所述温度监测信息确定与所述第一作业功率相对应的第一热量数据，并将所述第一作业功率、第一作业时长以及所述第一热量数据按照作业时间点进行数据规划，得到第一温度信息；

基于所述温度监测信息确定与所述第二作业功率相对应的第二热量数据，并将所述第二作业功率、第二作业时长以及所述第二热量数据按照作业时间点进行数据规划，得到第二温度信息；

将所述第一温度信息以及所述第二温度信息按照单位时间进行整合均差计算，到温度节点信息以及与所述温度节点信息对应的温度校准值。

在另一种可能的实现方式中，所述标准更新模块在基于所述温度节点信息以及所述温度校准值对所述温度监测信息中的温度监测标准进行更新，得到变压器作业时的节点温度标准时，具体用于：

基于所述温度监测标准确定与所述温度节点信息具有对照关系的初始温度值；

根据所述温度校准值对所述初始温度值进行替换更新，得到节点温度标准。

在另一种可能的实现方式中，所述系统还包括：未来获取模块、数据预测模块以及预警生成模块，其中，

所述未来获取模块，用于当所述真实温度数据符合预设温度数据时，获取未来作业信息，所述未来作业信息用于表示在未来周期时间段内变压器的未来作业功率以及与所述未来作业功率对应的未来作业时长；

所述数据预测模块，用于根据所述未来作业信息、所述变压器作业信息以及所述温度节点信息对温度数据进行预测，得到所述未来周期时间段内的未来温度数据；

所述预警生成模块，用于检测所述未来温度数据不符合所述预设温度数据的时间节点，并根据所述时间节点生成预警信息。

在另一种可能的实现方式中，所述数据预测模块在根据所述未来作业信息、所述变压器作业信息以及所述温度节点信息对温度数据进行预测，得到所述未来周期时间段内的未来温度数据时，具体用于：

对所述变压器作业信息以及所述温度节点信息进行分析，确定所述变压器作业信息中不同作业输出功率的输出环境数据以及所述作业输出功率对应的变压器温度数据；

基于所述输出环境数据以及所述变压器温度数据，按照所述作业时间点对所述变压器作业信息进行无监督时间序列数据整理，得到第一温度矩阵数据；

将所述第一温度矩阵数据输入至训练好的温度模型进行向量特征提取，得到温度特征维度数量，并将得到的所述温度特征维度数量与所述第一温度矩阵数据进行数据结合处理，生成第二温度矩阵数据；

对所述第二温度矩阵数据中所包含的数据进行数据处理，得到温度综合数据，并将得到的所述温度综合数据输入至预设算法模型中进行数据推算，生成在所述未来周期时间段内变压器在不同所述作业输出功率下不同输出环境数据的温度数据；

将所述未来作业信息中的未来输出环境以及未来输出功率与所述变压器作业信息中的输出环境数据以及作业输出功率进行匹配，得到未来温度数据。

在另一种可能的实现方式中，所述数据预测模块在将得到的所述温度特征维度数量与所述第一温度矩阵数据进行数据结合处理，生成第二温度矩阵数据时，具体用于：

将所述温度特征维度数量与所述第一温度矩阵数据进行整合，生成温度维度矩阵数据；

对所述温度维度矩阵数据进行基本数据分布探查，获取所述变压器作业信息中不同作业输出功率在不同输出环境数据下的温度数据变化的相对周期性规律，并基于所述相对周期性规律确定时间周期长度；

基于所述时间周期长度对所述温度维度矩阵数据进行有监督时间序列数据整理，得到第二温度矩阵数据。

在另一种可能的实现方式中，所述数据预测模块在对所述第二温度矩阵数据中所包含的数据进行数据处理，得到温度综合数据时，具体用于：

计算所述第二温度矩阵数据中所包含数据的正态分布均值以及正态分布方差，并基于所述正态分布均值以及所述正态分布方差确定所述第二温度矩阵数据的3σ范围；

判断所述第二温度矩阵数据中所包含数据是否在所述3σ范围之外，若所述第二温度矩阵数据中所包含数据在所述3σ范围之外，则确定所述数据所在所述第二温度矩阵数据的第一矩阵序列；

根据所述第一矩阵序列计算序列平均值，用所述序列平均值对所述第二温度矩阵数据中所包含数据进行替换，得到替换后的第二矩阵序列；

对所述第二矩阵序列进行缺失值以及归一化处理，得到温度综合数据。

第三面，本申请提供一种电子设备，采用如下的技术方案：

至少一个处理器；

存储器；

至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行如第一方面任一项所述的一种变压器无线测温方法。

第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：

一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令所述计算机执行如第一方面任一项所述变压器无线测温方法。

综上所述，本申请包括以下至少一种有益技术效果：

在对变压器作业进行测温时，获取变压器作业信息以及温度监测信息，其中，变压器作业信息包括历史时间段内变压器的作业功率以及与作业功率对应的作业时长，温度监测信息用于表示变压器在历史时间段内温度传感器的温度监测标准以及温度监测数据，然后对变压器作业信息以及温度监测信息进行数据分析，得到温度节点信息以及与温度节点信息对应的温度校准值，然后基于温度节点信息以及温度校准值对温度监测信息中的温度监测标准进行更新，得到变压器作业时的节点温度标准，然后基于节点温度标准中的温度节点对温度监测数据进行校正，得到真实温度数据，判断真实温度数据是否符合预设温度数据，若不符合，则生成温度异常信息，从而在无源测温传感器随着使用监测温度的精度下降时，通过数据分析出温度校正值，对存在精确度问题的数据进行校准，得到真实温度数据，从而提高对变压器的温度测量准确度。

附图说明

图1为本申请实施例提供的一种变压器无线测温方法的流程示意图。

图2为本申请实施例提供的一种变压器无线测温系统的结构示意图。

图3为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

以下结合附图1-3对本申请作进一步详细说明。

本具体实施例仅仅是对本申请的解释，其并不是对本申请的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的范围内都受到专利法的保护。

为使本申请实施例的目的、技术方案和优点更加清楚，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作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。

另外，本文中术语“和/或”，仅仅是一种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：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。

下面结合说明书附图对本申请实施例作进一步详细描述。

本申请实施例提供了一种变压器无线测温方法的方法，由电子设备执行，该电子设备可以为服务器也可以为终端设备，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此，该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请实施例在此不做限制，如图1所示，该方法包括：

步骤S10、获取变压器作业信息以及温度监测信息。

其中，变压器作业信息包括历史时间段内变压器的作业功率以及与作业功率对应的作业时长，温度监测信息用于表示变压器在历史时间段内温度传感器的温度监测标准以及温度监测数据。

在本申请实施例中，历史时间段设置为三年时间，并且随着时间而实时更新，例如：当今天是2022年10月3号时，历史时间段则为2019年10月2号-2022年10月2号。并且，历史时间段包括但不局限于三年时间设置，工作人员可根据具体情况通过终端设备进行设置，并在设置完成后，终端设备与电子设备及时同步更新历史时间段，最终在获取变压器作业信息以及温度监测信息时，将更新后的历史时间段作为时间参数，获取数据库中所保存在的变压器作业信息以及温度监测信息。

对于本申请实施例，温度传感器为无源测温传感器。目前，在现有的无源测温传感器中：铂热电阻温度传感器采用电缆进行信号传输，温度信号受环境影响大；光纤测温传感器采用光纤作为传输信号线，测温精度和数据传输质量较铂热电阻温度传感器高些，但安装时易将光纤芯折断且成本较高；声表面波测温传感器利用部分物质吸收的光谱随温度变化而变化的原理，分析光纤传输的光谱了解实时温度，但存在传输距离短的缺点；感应取电测温传感器则必须在感应电流大于一定值后才能正常工作，存在应用范围受限的问题。

因此，本申请为克服无源测温传感器实际应用中的一系列问题。采用了一体化设计传感器，其宗旨是传感器的安装既不能影响变压器原有的机械性能、电气性能，同时需要将变压器对传感器无线性能和高压可靠性的影响降到最低。

如图4所示，基于一体化原则涉及了插装式以及垫片式无源测温传感器，可以较好地匹配配电电力设备的温度监测应用需求，其中插装式应用与空间较为开阔的场景，垫片式可应用于安装空间较狭窄、节点较多的场景。

在进行温度监测过程中，分别将无源测温传感器设置于变压器低压侧的测温节点处，不仅仅实时监测各个节点的温度，同时还反映了各个节点的负荷情况，有效的监测了三相不平衡引起的零线温度升高，从而使得维护人员可提前对变压器采取调整措施，避免事故发生。

步骤S11、对变压器作业信息以及温度监测信息进行数据分析，得到温度节点信息以及与温度节点信息对应的温度校准值。

具体地，根据变压器作业信息可以得知变压器在不同时间段内的作业功率以及作业功率对应的作业时长，根据温度监测信息即可得知不同时间段内的作业功率对应的温度数据，在本申请实施例中，将变压器每次作业功率切换作为一个温度节点信息，同时将每次功率切换的功率值、作业时间以及温度数据以信息的形式保存至该节点。

步骤S12、基于温度节点信息以及温度校准值对温度监测信息中的温度监测标准进行更新，得到变压器作业时的节点温度标准。

具体地，将步骤S11中得到的温度校准值与温度监测标准中初始温度标准的温度数据进行累加，得到变压器不同温度节点信息的节点温度标准，例如：温度监测信息中的温度监测标准的初始温度标准温度为0，温度校准值为1，那么更新后的节点温度标准即为1。

步骤S13、基于节点温度标准中的温度节点对温度监测数据进行校正，得到真实温度数据。

具体地，在节点温度标准的背景下，对温度监测数据进行校正，得到真实温度数据，例如：在温度监测标准下监测得到的温度监测数据为5，那么在对温度监测标准更新后，节点温度标准为3，真实温度数据即为8。

步骤S14，判断真实温度数据是否符合预设温度数据，若不符合，则生成温度异常信息。

基于上述实施例，在对变压器作业进行测温时，获取变压器作业信息以及温度监测信息，其中，变压器作业信息包括历史时间段内变压器的作业功率以及与作业功率对应的作业时长，温度监测信息用于表示变压器在历史时间段内温度传感器的温度监测标准以及温度监测数据，然后对变压器作业信息以及温度监测信息进行数据分析，得到温度节点信息以及与温度节点信息对应的温度校准值，然后基于温度节点信息以及温度校准值对温度监测信息中的温度监测标准进行更新，得到变压器作业时的节点温度标准，然后基于节点温度标准中的温度节点对温度监测数据进行校正，得到真实温度数据，判断真实温度数据是否符合预设温度数据，若不符合，则生成温度异常信息，从而在无源测温传感器随着使用监测温度的精度下降时，通过数据分析出温度校正值，对存在精确度问题的数据进行校准，得到真实温度数据，从而提高对变压器的温度测量准确度。

本申请实施例的一种可能的实现方式，对变压器作业信息以及温度监测信息进行数据分析，得到温度节点信息以及与温度节点信息对应的温度校准值，包括：调取变压器作业信息中的第一作业功率、第二作业功率、与第一作业功率相对应的第一作业时长以及与第二作业功率相对应的第二作业时长，基于温度监测信息确定与第一作业功率相对应的第一热量数据，并将第一作业功率、第一作业时长以及第一热量数据按照作业时间点进行数据规划，得到第一温度信息，基于温度监测信息确定与第二作业功率相对应的第二热量数据，并将第二作业功率、第二作业时长以及第二热量数据按照作业时间点进行数据规划，得到第二温度信息，将第一温度信息以及第二温度信息按照单位时间进行整合均差计算，到温度节点信息以及与温度节点信息对应的温度校准值。

其中，第一作业功率用于表示变压器在首次作业时所开启的不同功率值的作业功率，第二作业功率用于表示变压器非首次作业时所开启的不同功率值的作业功率，第一作业时长用于表示变压器在首次作业时开启不同作业功率对应的作业时长，第二作业时长用于表示变压器在非首次作业时开启不同作业功率对应的作业时长。

在本申请实施例中，为了准确得知变压器在不同作业功率以及不同作业时间的温度数据，采用初始功率测试，即在变压器没有使用过的前提下，开启不同作业功率进行不同作业时长的测试，准确的测定出变压器在不同作业功率不同作业时间下的温度数据。

具体地，建立第一数据坐标系，其中X轴为时间线，Y轴为时间线对应的不同作业功率与对应的作业时长的热量数据，时间线的单位时间是以每天为单位进行划分，在变压器没有使用的前提下，首次对作业功率、作业时长以及变压器的温度数据进行检测记录，然后温度数据与Y轴的数值进行对应标记，再将每个标记按照时间线规律进行连接，得到第一温度信息。

具体地，建立第二数据坐标系，其中X轴为第一数据坐标系中X轴所对应的时间线的时间线，Y轴为时间线对应的不同作业功率以及不同作业时长的无源测温传感器监测到的热量数据，在变压器使用测试过的前提下，按照上述第一温度信息中的标记连接的方式进行连接，得到第二温度信息。

具体地，分别计算第一温度信息以及第二温度信息中的温度按照作业时长进行均值计算，即温度均值＝温度值/作业时长，然后将第一温度信息与第二温度信息中具有相同作业功率的温度均值进行差值计算，得到温度校准均值，然后将温度校准均值与作业时长进行乘法运算，得到温度校准值。

本申请实施例的一种可能的实现方式，基于温度节点信息以及温度校准值对温度监测信息中的温度监测标准进行更新，得到变压器作业时的节点温度标准，包括：基于温度监测标准确定与温度节点信息具有对照关系的初始温度值，根据温度校准值对初始温度值进行替换更新，得到节点温度标准。

本申请实施例的一种可能的实现方式，判断真实温度数据是否符合预设温度数据，之后还包括：若真实温度数据符合预设温度数据，则获取未来作业信息，未来作业信息用于表示在未来周期时间段内变压器的未来作业功率以及与未来作业功率对应的未来作业时长，根据未来作业信息、变压器作业信息以及温度节点信息对温度数据进行预测，得到未来周期时间段内的未来温度数据，检测未来温度数据不符合预设温度数据的时间节点，并根据时间节点生成预警信息。

具体地，未来周期时间段为未来一个月的时间段，根据变压器未来一个月的工作登记表，得知在未来时间段内变压器的作业功率以及作业时长。

本申请实施例的一种可能的实现方式中，根据未来作业信息、变压器作业信息以及温度节点信息对温度数据进行预测，得到未来周期时间段内的未来温度数据，包括：对变压器作业信息以及温度节点信息进行分析，确定变压器作业信息中不同作业输出功率的输出环境数据以及作业输出功率对应的变压器温度数据，基于输出环境数据以及变压器温度数据，按照作业时间点对变压器作业信息进行无监督时间序列数据整理，得到第一温度矩阵数据，将第一温度矩阵数据输入至训练好的温度模型进行向量特征提取，得到温度特征维度数量，并将得到的温度特征维度数量与第一温度矩阵数据进行数据结合处理，生成第二温度矩阵数据，对第二温度矩阵数据中所包含的数据进行数据处理，得到温度综合数据，并将得到的温度综合数据输入至预设算法模型中进行数据推算，生成在未来周期时间段内变压器在不同作业输出功率下不同输出环境数据的温度数据。将未来作业信息中的未来输出环境以及未来输出功率与变压器作业信息中的输出环境数据以及作业输出功率进行匹配，得到未来温度数据。

根据输出环境数据以及变压器温度数据，按照作业时间点对变压器作业信息进行无监督时间序列数据整理：

其中，m为不同输出环境数据下的作业功率，n为节点所对应的时间序列长度。

具体地，在将第一温度矩阵数据输入至温度模型中进行向量特征提取，需要预先获取矩阵数据样本，矩阵数据样本包括历史工作信息所形成的第一温度矩阵数据以及第一温度矩阵数据中的向量特征，然后创建温度模型，并基于第一温度矩阵数据以及第一温度矩阵数据中的向量特征对温度模型进行训练，得到训练好的温度模型。

具体地，温度模型为预先训练好的神经网络模型，神经网络(Neural Networks,NN)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、控制论、机器人学、微电子学、心理学、光计算、分子生物学等有关。

具体地，将第一温度矩阵数据输入至温度模型中进行向量特征提取，并将提取到的向量特征进行统计，得到特征维度数量，其中，向量特征包括历史工作信息中的功率向量特征、时长向量特征以及温度向量特征等，然后将特征维度数量与第一温度矩阵数据进行数据结合，得到第二温度矩阵数据。

对于本申请实施例来说，采用双向LSTM模型为预设算法模型，包括但不仅限于双向LSTM模型。

本申请实施例的一种可能的实现方式中，将得到的温度特征维度数量与第一温度矩阵数据进行数据结合处理，生成第二温度矩阵数据，包括：将温度特征维度数量与第一温度矩阵数据进行整合，生成温度维度矩阵数据，对温度维度矩阵数据进行基本数据分布探查，获取变压器作业信息中不同作业输出功率在不同输出环境数据下的温度数据变化的相对周期性规律，并基于相对周期性规律确定时间周期长度，基于时间周期长度对温度维度矩阵数据进行有监督时间序列数据整理，得到第二温度矩阵数据。

具体地，将温度特征维度数量作为维度与第一温度矩阵数据进行整合，本申请实施例采用pytorch技术进行举例说明，包括但不局限于pytorch技术一种可实现方式。通过pytorch中的指令“out.unsqueeze(-1)”将温度特征维度数量以维度的方式添加到第一温度矩阵数据中，实现维度整合。

具体地，PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。PyTorch提供了两个高级功能：1.具有强大的GPU加速的张量计算(如Numpy)；2.包含自动求导系统的深度神经网络除了Facebook之外，Twitter、GMU和Salesforce等机构都采用了PyTorch。

将温度特征维度数量与第一温度矩阵数据进行整合完毕后，得到以下温度维度矩阵数据：

其中，v表示温度特征维度数量。

具体地，将温度维度矩阵数据导入到Excel表格中，并且配置Python集成jupyter环境，针对温度维度矩阵数据中n时间序列做基本数据分布探查，主要目的在于找到对应序列的的相对周期性规律，然后根据相周期性规律确定时间周期长度。然后，用t来代替时间周期性长度，并将温度维度矩阵数据中的n替换为t，得到温度预测矩阵数据：

/>

根据温度预测矩阵数据可以得知变压器在不同作业功率下，不同作业时长的温度数据变化相对周期性规律。

具体地，假设预设未来预设时间段为k，即移动步长为k步预测，得到第二温度矩阵数据：

本申请实施例的一种可能的实现方式中，对第二温度矩阵数据中所包含的数据进行数据处理，得到温度综合数据，包括：计算第二温度矩阵数据中所包含数据的正态分布均值以及正态分布方差，并基于正态分布均值以及正态分布方差确定第二温度矩阵数据的3σ范围，判断第二温度矩阵数据中所包含数据是否在3σ范围之外，若第二温度矩阵数据中所包含数据在3σ范围之外，则确定数据所在第二温度矩阵数据的第一矩阵序列，根据第一矩阵序列计算序列平均值，用序列平均值对第二温度矩阵数据中所包含数据进行替换，得到替换后的第二矩阵序列，对第二矩阵序列进行缺失值以及归一化处理，得到温度综合数据。

具体地，3σ范围是建立在正态分布的等精度重复测量基础上而造成奇异数据的干扰或噪声难以满足正态分布。如果一组测量数据中某个测量值的残余误差的绝对值νi＞3σ，则该测量值为坏值，应剔除。通常把等于±3σ的误差作为极限误差，对于正态分布的随机误差，落在±3σ以外的概率只有0.27％，它在有限次测量中发生的可能性很小，故存在3σ准则。3σ准则是最常用也是最简单的粗大误差判别准则，它一般应用于测量次数充分多(n≥30)或当n＞10做粗略判别时的情况。

具体地，缺失值是指矩阵序列中由于缺少信息而造成的数据聚类、分组、删失或截断，对于缺失值的处理，从总体上来说分为删除存在缺失值的个案和缺失值插补，本申请实施例采用删除存在缺失值的个案对矩阵序列进行处理，删除存在缺失值的个案主要有简单删除法和权重法。简单删除法是对缺失值进行处理的最原始方法。它将存在缺失值的个案删除。如果数据缺失问题可以通过简单的删除小部分样本来达到目标，那么这个方法是最有效的。当缺失值的类型为非完全随机缺失的时候，可以通过对完整的数据加权来减小偏差。把数据不完全的个案标记后，将完整的数据个案赋予不同的权重，个案的权重可以通过logistic或probit回归求得。

具体地，归一化方法有两种形式，一种是把数变为(0，1)之间的小数，一种是把有量纲表达式变为无量纲表达式。主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速。

具体处理归一方法为：

下面对本申请实施例提供的一种变压器无线测温系统进行介绍，下文描述的变压器无线测温系统与上文描述的变压器无线测温方法可相互对应参照，请参考图2，图2是本申请实施例提供的一种变压器无线测温系统20的结构示意图，包括：

信息获取模块21，用于获取变压器作业信息以及温度监测信息，变压器作业信息包括历史时间段内变压器的作业功率以及与作业功率对应的作业时长，温度监测信息用于表示变压器在历史时间段内温度传感器的温度监测标准以及温度监测数据；

数据分析模块22，用于对变压器作业信息以及温度监测信息进行数据分析，得到温度节点信息以及与温度节点信息对应的温度校准值；

标准更新模块23，用于基于温度节点信息以及温度校准值对温度监测信息中的温度监测标准进行更新，得到变压器作业时的节点温度标准；

温度校正模块24，用于基于节点温度标准中的温度节点对温度监测数据进行校正，得到真实温度数据；

温度判断模块25，用于判断真实温度数据是否符合预设温度数据，若不符合，则生成温度异常信息。

本申请实施例中的一种可能的实现方式，数据分析模块22在对变压器作业信息以及温度监测信息进行数据分析，得到温度节点信息以及与温度节点信息对应的温度校准值时，具体用于：

调取变压器作业信息中的第一作业功率、第二作业功率、与第一作业功率相对应的第一作业时长以及与第二作业功率相对应的第二作业时长，第一作业功率用于表示变压器在首次作业时所开启的不同功率值的作业功率，第二作业功率用于表示变压器非首次作业时所开启的不同功率值的作业功率，第一作业时长用于表示变压器在首次作业时开启不同作业功率对应的作业时长，第二作业时长用于表示变压器在非首次作业时开启不同作业功率对应的作业时长；基于温度监测信息确定与第一作业功率相对应的第一热量数据，并将第一作业功率、第一作业时长以及第一热量数据按照作业时间点进行数据规划，得到第一温度信息；

基于温度监测信息确定与第二作业功率相对应的第二热量数据，并将第二作业功率、第二作业时长以及第二热量数据按照作业时间点进行数据规划，得到第二温度信息；

将第一温度信息以及第二温度信息按照单位时间进行整合均差计算，到温度节点信息以及与温度节点信息对应的温度校准值。

本申请实施例中的另一种可能的实现方式，标准更新模块23在基于温度节点信息以及温度校准值对温度监测信息中的温度监测标准进行更新，得到变压器作业时的节点温度标准时，具体用于：

基于温度监测标准确定与温度节点信息具有对照关系的初始温度值；

根据温度校准值对初始温度值进行替换更新，得到节点温度标准。

本申请实施例中的另一种可能的实现方式，系统20还包括：未来获取模块、数据预测模块以及预警生成模块，其中，

未来获取模块，用于当真实温度数据符合预设温度数据时，获取未来作业信息，未来作业信息用于表示在未来周期时间段内变压器的未来作业功率以及与未来作业功率对应的未来作业时长；

数据预测模块，用于根据未来作业信息、变压器作业信息以及温度节点信息对温度数据进行预测，得到未来周期时间段内的未来温度数据；

预警生成模块，用于检测未来温度数据不符合预设温度数据的时间节点，并根据时间节点生成预警信息。

本申请实施例中的另一种可能的实现方式，数据预测模块在根据未来作业信息、变压器作业信息以及温度节点信息对温度数据进行预测，得到未来周期时间段内的未来温度数据时，具体用于：

对变压器作业信息以及温度节点信息进行分析，确定变压器作业信息中不同作业输出功率的输出环境数据以及作业输出功率对应的变压器温度数据；

基于输出环境数据以及变压器温度数据，按照作业时间点对变压器作业信息进行无监督时间序列数据整理，得到第一温度矩阵数据；

将第一温度矩阵数据输入至训练好的温度模型进行向量特征提取，得到温度特征维度数量，并将得到的温度特征维度数量与第一温度矩阵数据进行数据结合处理，生成第二温度矩阵数据；

对第二温度矩阵数据中所包含的数据进行数据处理，得到温度综合数据，并将得到的温度综合数据输入至预设算法模型中进行数据推算，生成在未来周期时间段内变压器在不同作业输出功率下不同输出环境数据的温度数据；

将未来作业信息中的未来输出环境以及未来输出功率与变压器作业信息中的输出环境数据以及作业输出功率进行匹配，得到未来温度数据。

本申请实施例中的另一种可能的实现方式，数据预测模块在将得到的温度特征维度数量与第一温度矩阵数据进行数据结合处理，生成第二温度矩阵数据时，具体用于：

将温度特征维度数量与第一温度矩阵数据进行整合，生成温度维度矩阵数据；

对温度维度矩阵数据进行基本数据分布探查，获取变压器作业信息中不同作业输出功率在不同输出环境数据下的温度数据变化的相对周期性规律，并基于相对周期性规律确定时间周期长度；

基于时间周期长度对温度维度矩阵数据进行有监督时间序列数据整理，得到第二温度矩阵数据。

本申请实施例中的另一种可能的实现方式，数据预测模块在对第二温度矩阵数据中所包含的数据进行数据处理，得到温度综合数据时，具体用于：

计算第二温度矩阵数据中所包含数据的正态分布均值以及正态分布方差，并基于正态分布均值以及正态分布方差确定第二温度矩阵数据的3σ范围；

判断第二温度矩阵数据中所包含数据是否在3σ范围之外，若第二温度矩阵数据中所包含数据在3σ范围之外，则确定数据所在第二温度矩阵数据的第一矩阵序列；

根据第一矩阵序列计算序列平均值，用序列平均值对第二温度矩阵数据中所包含数据进行替换，得到替换后的第二矩阵序列；

对第二矩阵序列进行缺失值以及归一化处理，得到温度综合数据。

下面对本申请实施例提供的一种电子设备进行介绍，下文描述的电子设备与上文描述的变压器无线测温方法可相互对应参照。

本申请实施例提供了一种电子设备，如图3所示，图3为本申请实施例提供的一种电子设备的结构示意图，图3所示的电子设备300包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备300还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备300的结构并不构成对本申请实施例的限定。

处理器301可以是CPU(CentralProcessingUnit，中央处理器)，通用处理器，DSP(DigitalSignalProcessor，数据信号处理器)，ASIC(ApplicationSpecificIntegratedCircuit，专用集成电路)，FPGA(FieldProgrammableGateArray，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请实施例公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI(PeripheralComponentInterconnect，外设部件互连标准)总线或EISA(ExtendedIndustryStandardArchitecture，扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器303可以是ROM(ReadOnlyMemory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(RandomAccessMemory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(ElectricallyErasableProgrammableReadOnlyMemory，电可擦可编程只读存储器)、CD-ROM(CompactDiscReadOnlyMemory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

存储器303用于存储执行本申请实施例方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。

其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

下面对本申请实施例提供的一种计算机可读存储介质进行介绍，下文描述的计算机可读存储介质与上文描述的方法可相互对应参照。

本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上变压器无线测温方法的步骤。

由于计算机可读存储介质部分的实施例与方法部分的实施例相互对应，因此计算机可读存储介质部分的实施例请参见方法部分的实施例的描述。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种变压器无线测温方法，其特征在于，包括：

获取变压器作业信息以及温度监测信息，所述变压器作业信息包括历史时间段内变压器的作业功率以及与所述作业功率对应的作业时长，所述温度监测信息用于表示变压器在所述历史时间段内温度传感器的温度监测标准以及温度监测数据；

对所述变压器作业信息以及所述温度监测信息进行数据分析，得到温度节点信息以及与所述温度节点信息对应的温度校准值；

基于所述温度节点信息以及所述温度校准值对所述温度监测信息中的温度监测标准进行更新，得到变压器作业时的节点温度标准；

基于所述节点温度标准中的温度节点对所述温度监测数据进行校正，得到真实温度数据；

判断所述真实温度数据是否符合预设温度数据，若不符合，则生成温度异常信息。

2.根据权利要求1所述的一种变压器无线测温方法，其特征在于，所述对所述变压器作业信息以及所述温度监测信息进行数据分析，得到温度节点信息以及与所述温度节点信息对应的温度校准值，包括：

调取所述变压器作业信息中的第一作业功率、第二作业功率、与所述第一作业功率相对应的第一作业时长以及与所述第二作业功率相对应的第二作业时长，所述第一作业功率用于表示所述变压器在首次作业时所开启的不同功率值的作业功率，所述第二作业功率用于表示所述变压器非首次作业时所开启的不同功率值的作业功率，所述第一作业时长用于表示所述变压器在首次作业时开启不同作业功率对应的作业时长，所述第二作业时长用于表示所述变压器在非首次作业时开启不同作业功率对应的作业时长；

基于所述温度监测信息确定与所述第一作业功率相对应的第一热量数据，并将所述第一作业功率、第一作业时长以及所述第一热量数据按照作业时间点进行数据规划，得到第一温度信息；

基于所述温度监测信息确定与所述第二作业功率相对应的第二热量数据，并将所述第二作业功率、第二作业时长以及所述第二热量数据按照作业时间点进行数据规划，得到第二温度信息；

将所述第一温度信息以及所述第二温度信息按照单位时间进行整合均差计算，到温度节点信息以及与所述温度节点信息对应的温度校准值。

3.根据权利要求2所述的一种变压器无线测温方法，其特征在于，所述基于所述温度节点信息以及所述温度校准值对所述温度监测信息中的温度监测标准进行更新，得到变压器作业时的节点温度标准，包括：

基于所述温度监测标准确定与所述温度节点信息具有对照关系的初始温度值；

根据所述温度校准值对所述初始温度值进行替换更新，得到节点温度标准。

4.根据权利要求2所述的一种变压器无线测温方法，其特征在于，所述判断所述真实温度数据是否符合预设温度数据，之后还包括：

若所述真实温度数据符合预设温度数据，则获取未来作业信息，所述未来作业信息用于表示在未来周期时间段内变压器的未来作业功率以及与所述未来作业功率对应的未来作业时长；

根据所述未来作业信息、所述变压器作业信息以及所述温度节点信息对温度数据进行预测，得到所述未来周期时间段内的未来温度数据；

检测所述未来温度数据不符合所述预设温度数据的时间节点，并根据所述时间节点生成预警信息。

5.根据权利要求4所述的一种变压器无线测温方法，其特征在于，所述根据所述未来作业信息、所述变压器作业信息以及所述温度节点信息对温度数据进行预测，得到所述未来周期时间段内的未来温度数据，包括：

对所述变压器作业信息以及所述温度节点信息进行分析，确定所述变压器作业信息中不同作业输出功率的输出环境数据以及所述作业输出功率对应的变压器温度数据；

基于所述输出环境数据以及所述变压器温度数据，按照所述作业时间点对所述变压器作业信息进行无监督时间序列数据整理，得到第一温度矩阵数据；

将所述第一温度矩阵数据输入至训练好的温度模型进行向量特征提取，得到温度特征维度数量，并将得到的所述温度特征维度数量与所述第一温度矩阵数据进行数据结合处理，生成第二温度矩阵数据；

对所述第二温度矩阵数据中所包含的数据进行数据处理，得到温度综合数据，并将得到的所述温度综合数据输入至预设算法模型中进行数据推算，生成在所述未来周期时间段内变压器在不同所述作业输出功率下不同输出环境数据的温度数据；

将所述未来作业信息中的未来输出环境以及未来输出功率与所述变压器作业信息中的输出环境数据以及作业输出功率进行匹配，得到未来温度数据。

6.根据权利要求5所述的一种变压器无线测温方法，其特征在于，所述将得到的所述温度特征维度数量与所述第一温度矩阵数据进行数据结合处理，生成第二温度矩阵数据，包括：

将所述温度特征维度数量与所述第一温度矩阵数据进行整合，生成温度维度矩阵数据；

对所述温度维度矩阵数据进行基本数据分布探查，获取所述变压器作业信息中不同作业输出功率在不同输出环境数据下的温度数据变化的相对周期性规律，并基于所述相对周期性规律确定时间周期长度；

基于所述时间周期长度对所述温度维度矩阵数据进行有监督时间序列数据整理，得到第二温度矩阵数据。

7.根据权利要求5所述的一种变压器无线测温方法，其特征在于，所述对所述第二温度矩阵数据中所包含的数据进行数据处理，得到温度综合数据，包括：

计算所述第二温度矩阵数据中所包含数据的正态分布均值以及正态分布方差，并基于所述正态分布均值以及所述正态分布方差确定所述第二温度矩阵数据的3σ范围；

判断所述第二温度矩阵数据中所包含数据是否在所述3σ范围之外，若所述第二温度矩阵数据中所包含数据在所述3σ范围之外，则确定所述数据所在所述第二温度矩阵数据的第一矩阵序列；

根据所述第一矩阵序列计算序列平均值，用所述序列平均值对所述第二温度矩阵数据中所包含数据进行替换，得到替换后的第二矩阵序列；

对所述第二矩阵序列进行缺失值以及归一化处理，得到温度综合数据。

8.一种变压器无线测温系统，其特征在于，包括：

信息获取模块，用于获取变压器作业信息以及温度监测信息，所述变压器作业信息包括历史时间段内变压器的作业功率以及与所述作业功率对应的作业时长，所述温度监测信息用于表示变压器在所述历史时间段内温度传感器的温度监测标准以及温度监测数据；

数据分析模块，用于对所述变压器作业信息以及所述温度监测信息进行数据分析，得到温度节点信息以及与所述温度节点信息对应的温度校准值；

标准更新模块，用于基于所述温度节点信息以及所述温度校准值对所述温度监测信息中的温度监测标准进行更新，得到变压器作业时的节点温度标准；

温度校正模块，用于基于所述节点温度标准中的温度节点对所述温度监测数据进行校正，得到真实温度数据；

温度判断模块，用于判断所述真实温度数据是否符合预设温度数据，若不符合，则生成温度异常信息。

9.一种电子设备，其特征在于，包括：

至少一个处理器；

存储器；

至少一个应用程序，其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行，所述至少一个应用程序配置用于：执行权利要求1至7任一项所述的一种变压器无线测温方法。

10.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至7中任一种变压器无线测温方法的计算机程序。