[发明专利]一种基于时间序列-卡尔曼滤波的变压器故障预测方法

说明书

本发明公开了一种基于时间序列‑卡尔曼滤波的变压器故障预测方法，具体为：步骤1：获取变压器油中溶解气体序列步骤2：根据步骤1获得的变压器油中溶解气体序列建立ARMA时间序列模型，并对得到的ARMA时间序列模型进行检验；步骤3：将步骤2得到的ARMA时间序列与卡尔曼滤波算法结合得到时间序列‑卡尔曼滤波预测模型；步骤4：根据步骤3得到时间序列‑卡尔曼滤波预测模型对变压器油中溶解气体含量进行预测；步骤5：利用步骤4中预测出来的油中溶解气体含量结合改进三比值对变压器故障进行编码，再根据编码规则对下一个状态进行判断。该方法极大地提高了模型的稳定性和预测准确率。

技术领域

本发明属于变压器故障在线监测方法技术领域，具体涉及一种基于时间序列-卡尔曼滤波的变压器故障预测方法。

背景技术

电力变压器在电力系统中承担着电压变换、电力传输与分配的重要功能，其故障诊断技术一直受到国内外专家的广泛关注。电力变压器的稳定、可靠运行直接影响着整个电力系统的安全稳定运行，一旦其在运行中发生故障，将会导致大面积的停电，并造成巨大的影响和经济损失。

目前，国内外对变压器故障诊断技术的研究已经相当成熟了，但是变压器故障诊断技术只能应用于故障发生后，利用故障数据对变压器的故障进行诊断，并不能避免故障的发生。也有不少人提出GM(1，1)预测模型，线性回归模型，但是这些预测方法都有着明显的不足就是预测的准确率过低，甚至出现预测的结果相反的情况。

因此本发明提出了一种基于时间序列-卡尔曼滤波的变压器故障预测方法，此方法能在一定程度上提高预测的准确性。并且可以间接的预测出变压器的预测状态。

发明内容

本发明的目的是提供一种基于时间序列-卡尔曼滤波的变压器故障预测方法，构建了时间序列-卡尔曼滤波预测模型，该模型弥补了单一预测模型的预测精度较低和预测时间较长的不足，极大地提高了模型的稳定性和预测准确率。

本发明所采用的技术方案是，一种基于时间序列-卡尔曼滤波的变压器故障预测方法，具体按照以下步骤实施：

步骤1：获取变压器油中溶解气体序列其中，i＝1,2,3,4,5，所述变压器油中溶解气体序列中包括有：氢气序列、甲烷序列、乙烷序列、乙烯序列、乙炔序列；

步骤2：根据步骤1获得的变压器油中溶解气体序列建立ARMA时间序列模型，并对得到的ARMA时间序列模型进行检验；

步骤3：将步骤2得到的ARMA时间序列与卡尔曼滤波算法结合得到时间序列-卡尔曼滤波预测模型；

步骤4：根据步骤3得到时间序列-卡尔曼滤波预测模型对变压器油中溶解气体含量进行预测；

步骤5：利用步骤4中预测出来的油中溶解气体含量结合改进三比值对变压器故障进行编码，再根据编码规则对下一个状态进行判断。

本发明的特点还在于，

步骤2具体按照以下步骤实施：

步骤2.1：对步骤1获得的变压器油中溶解气体序列i＝1,2,3,4,5利用d阶差分算子进行平稳化处理，根据式(1)和(2)得到平稳的序列

其中：B为延迟算子，d为差分的阶数；

步骤2.2：建立ARMA模型；

步骤2.3：ARMA模型的χ²检验

随机给定显著性水平α，查正态分布表得上α分位数当时，认为ε_t是白噪声，模型通过检验；

其中：L为自相关函数的拖尾数，r是估计的模型参数个数。

步骤2.2具体按照以下步骤实施：