[发明专利]基于PSO-BP神经网络和四分位法的变压器预警方法

说明书

本发明涉及一种基于PSO‑BP神经网络和四分位法的变压器预警方法，属于设备运营技术领域；包括步骤1，数据采集：获取配电变压器的负载率、绕组温度以及环境温度在指定时间内的的历史数据；步骤2，神经网络算法预测：根据历史数据预测负载率、绕组温度以及环境温度；步骤3，阈值计算：根据历史数据通过高斯分布计算负载率、绕组温度以及环境温度对应区间的阈值；步骤4，区间生成：利用四分位法生成去掉突变数据的负载率和绕组温升区间；步骤5，预警告警：通过计算出的负载率和绕组温升区间，对预测值进行预警，同时对实时值进行告警；通过大数据分析，无需对变压器改造，提高用电的可靠性，实用性强，易于推广。

技术领域

本发明涉及一种基于PSO-BP神经网络和四分位法的变压器预警方法，属于设备运营技术领域。

背景技术

变压器是电力系统运行的关键设备之一，评估变压器的稳定运行对配电管理和运维检修都有着极为重要的意义。

变压器的绕组温度异常引起的内部热故障是常见的一种形式。在变压器运行过程中，在一定负载率的情况下，变压器的早绕组温升也会维持在一定的范围。当变压器出现故障时，负载率与绕组温升将不再对应，于此可能导致变压器过热或者绕组烧毁等，导致设备损坏。因此，有必要对电压器的运行状态进行预测预警，及早的发现问题并及时处理。

目前，配电变压器稳定运行从变压器负载率、环境温度和绕组温度给出联合分析，并通过预测预警和实时告警的方式对变压器的运行状态进行评估的方法是较少的。因此，亟待研究如何评价变压器的运行状态，开展考虑基于神经网络和四分位法的预测预警技术研究工作。

发明内容

本发明目的在于提出一种基于PSO-BP神经网络和四分位法的变压器预警方法，预测未来一段时间尺度上变压器的负载率和绕组温升，从而提前判断出配电变压器未来一段时间内是否会出现故障；若预测出现故障，可提前采取措施，降低事故发生率，提高用电的可靠性。

为解决以上技术问题，本发明提供了如下技术方案：

基于PSO-BP神经网络和四分位法的变压器预警方法，其特征在于，包括：

步骤1，数据采集：获取配电变压器的负载率、绕组温度以及环境温度在指定时间内的的历史数据；

步骤2，神经网络算法预测：根据历史数据通过PSO-BP神经网络预测负载率、绕组温度以及环境温度；

步骤3，阈值计算：根据历史数据通过高斯分布计算负载率、绕组温度以及环境温度对应区间的阈值；

步骤4，区间生成：利用四分位法生成去掉突变数据的负载率和绕组温升区间；

步骤5，预警告警：通过计算出的负载率和绕组温升区间，对预测值进行预警，同时对实时值进行告警。

获取目标配电室对应的变压器在一段时间的历史数据，并根据历史数据预测变压器的负载率；获取配电室所在区域的环境温度和变压器三相绕组温度的历史数据，并根据历史数据预测变压器的三相绕组温升；将负载率和绕组温升的历史数据拟合出正态分布概率密度函数；根据正态分布概率密度函数得到一定置信水平下的负载率和绕组温升区间；进一步利用四分位法生成去掉突变数据的负载率和绕组温升区间；将变压器的负载率和绕组温升预测值与区间值进行对应，若不在对应的范围内，则云平台系统进行预警；若实时负载率和绕组温升与区间值不对应，则云平台系统进行实时告警，并提醒运行人员及时处理

优选地，所述步骤1具体包括如下步骤：

步骤101，获取配电变压器在一段历史指定时间内的负载率、绕组温度和环境温度的历史数据；

步骤102，若历史数据中有缺失，则进行数据填补；

步骤103，将增补修正后的数据作为数据集合，包括训练数据集合和验证数据集合；对于配电变压器预测预警的时间尺度分为三个：日前预测，一小时内预测和十分钟预测。