[发明专利]一种变压器油温的预测方法及装置

说明书

本发明公开了一种变压器油温的预测方法及装置，方法包括：获取待预测变压器在预设时间段内每个自然日的最高温升及最大负荷；基于所述最高温升和所述最大负荷，分别形成温升累加数据序列及负荷累加数据序列；确定所述温升累加数据序列及所述负荷累加数据序列二元一阶常微分方程形式下的预测公式；利用所述预测公式，预测所述预设时间段后的未来一个自然日的最高油温。针对现有的变压器油温的预测方法的不能在预测进度及工程实际需求中取得平衡，摒弃了以往油温曲线的预测思路，提出一种基于二元一阶常微分方程的油温预测方法，对未来一个自然日的最高油温进行短期预测，既达到了满足了预测精度要求，又满足了工程实际需求。

技术领域

本发明涉及电力设备运行监测技术技域，尤其涉及一种变压器油温的预测方法及装置。

背景技术

油浸式电力变压器油温是影响变压器运行寿命和负载能力的重要因素，是衡量变压器运行状态的重要特征量之一。而所谓的油温通常指顶层油温，变压器油温过高会引起变压器油和绝缘纸的加速老化，从而影响变压器的运行寿命。如果能够对于变压器的异常温升进行尽早识别，对于提早发现变压器的异常运行状态具有重要的意义。

针对变压器油温预测，主要分为经验公式、数值计算、人工智能算法三类。由于经验公式没有考虑环境温度的动态变化特性，使得该计算模型在实际使用时存在较大的误差。数值计算的计算结果基本符合变压器真实热状态，但该方法需要知道变压器物理结构的具体参数数据，针对每一台变压器搭建个性化的数值计算模型，实现起来非常复杂。而现有人工智能算法无一例外的都趋于追求大多数预测点的预测精度，使得负荷突变点的预测误差非常大，这就工程实际需求产生了背离，因为工程实践中更关注负荷突增之后油温是否会越限，而这恰恰是现有人工智能算法的盲区，也就是说现有人工智能算法仅适用于负荷曲线较为平滑的变压器油温预测。

发明内容

本发明提供了一种变压器油温的预测方法及装置，对未来一个自然日的最高油温进行短期预测，同时满足了预测精度要求及工程实际需求。

第一方面，本发明提供的一种变压器油温的预测方法，包括：

获取待预测变压器在预设时间段内每个自然日的最高温升及最大负荷；

基于所述最高温升和所述最大负荷，分别形成温升累加数据序列及负荷累加数据序列；

确定所述温升累加数据序列及所述负荷累加数据序列二元一阶常微分方程形式下的预测公式；

利用所述预测公式，预测所述预设时间段后的未来一个自然日的最高油温。

可选地，基于所述最高温升和所述最大负荷，分别形成温升累加数据序列及负荷累加数据序列，包括：

分别形成所述最高温升及所述最大负荷对应的温升原始数据序列及负荷原始数据序列；

通过邻值累加法，基于所述温升原始数据序列及所述负荷原始数据序列，分别形成所述温升累加数据序列及所述负荷累加数据序列。

可选地，确定所述温升累加数据序列及所述负荷累加数据序列二元一阶常微分方程形式下的预测公式，包括：

确定二元一阶常微分方程下，所述温升累加数据序列及所述负荷累加数据序列的函数关系及其对应的方程参数解；

将所述方程参数解代入所述二元一阶常微分方程，得到代预测变压器对应的预测公式。

可选地，确定二元一阶常微分方程下，所述温升累加数据序列及所述负荷累加数据序列的函数关系及其对应的方程参数解，具体为：

采用投影法求取所述方程参数解。

第二方面，本发明还提供了一种变压器油温的预测装置，包括：

获取模块，用于获取待预测变压器在预设时间段内每个自然日的最高温升及最大负荷；