[发明专利]一种电容式电压互感器误差预测方法及装置

说明书

本发明属于电力计量在线监测技术领域，公开了一种电容式电压互感器误差预测方法及装置，包括：将当前时刻之前的电容式电压互感器误差数据和当前时刻电容式电压互感器环境参量数据输入到预先训练的预测模型得到当前时刻电容式电压互感器误差；其中，预测模型是通过将电容式电压互感器误差历史数据和电容式电压互感器环境参量数据输入到RBF神经网络训练得到的。有益效果：可以对电容式电压互感器的误差进行预测，及时发现电容式电压互感器的计量误差越限并帮助维护人员了解计量误差的劣化趋势。

技术领域

本发明涉及电力计量在线监测技术领域，特别是涉及一种电容式 电压互感器误差预测方法及装置。

背景技术

互感器计量性能的准确可靠直接关系到电能贸易结算的公平公正。 实际运行过程中，电容式电压互感器误差受采集原理与恶劣环境等影 响会在其工作寿命内出现测量偏差越限，因此不仅需要在其计量误差 超差时能够进行准确快速的诊断，进一步的，需要对计量误差的劣化 趋势做出及时的预测，以便相关运行维护人员安排检修维护的工作，如果不能及时发现互感器状态劣化，将影响电网运行。

发明内容

本发明的目的是：提供一种电容式电压互感器误差预测方法及装 置，可以对电容式电压互感器的误差进行预测，及时发现电容式电压 互感器的计量误差越限并帮助维护人员了解计量误差的劣化趋势。

为了实现上述目的，本发明提供了一种电容式电压互感器误差预 测方法，包括：

将当前时刻之前的电容式电压互感器误差数据和当前时刻电容式 电压互感器环境参量数据输入到预先训练的预测模型得到当前时刻电 容式电压互感器误差；其中，预测模型是通过将电容式电压互感器误 差历史数据和电容式电压互感器环境参量数据输入到RBF神经网络训 练得到的。

进一步的，所述预测模型的构建方法包括：

根据电容式电压互感器环境参量中不同参量对电容式电压互感器 误差的影响确定电容式电压互感器误差模型的影响参数，所述影响参 数为：电容式电压互感器相间泄露电流和电流互感器的二次负荷；

根据电容式电压互感器相间泄露电流和电流互感器的二次负荷构 建电容式电压互感器误差模型；

基于电容式电压互感器误差模型构建自回归的RBF神经网络，通 过蚁群算法对RBF网络进行聚类优化，确定RBF网络的基函数中心和 半径，通过粒子群算法得到电容式电压互感器相间泄露电流和电流互 感器的二次负荷在RBF神经网络的权重；

将电容式电压互感器误差历史数据和电容式电压互感器环境参量 数据输入到RBF神经网络，得到训练好的预测模型。

进一步的，所述电容式电压互感器误差模型，具体为：

式中，δ为比差，Υ为角差；x₁为CVT相间电场导致的泄漏电流，x₂为 CVT的二次负荷。

进一步的，所述自回归的RBF神经网络包括输入层、隐含层和输 出层；

所述输入层的输入数据为：x＝[x₁、x₂、Y(k-1)]；其中，x₁为 CVT相间电场导致的泄漏电流，x₂为CVT的二次负荷，Y(k－1)为过去 时刻输出的误差；

所述隐含层的输出表示为：

其中，H为隐含层输出，X为输入向量(x₁，x₂，Y(k-1))，b为 高斯基函数的宽度，b＞0；C_j为隐函数神经元中心向量；

所述输出层的输出表示为：