[发明专利]一种配电变压器过载风险评估方法

摘要

一种配电变压器过载风险评估方法，包括采集配电变压器运行数据，按过载属性对原始数据进行预处理，得到配电变压器过载属性集；所述方法利用神经网络技术对配电变压器过载时属性集进行网络建模与仿真训练，得到配电变压器过载风险网络结构；根据网络结构评估过载时不同运行状态时配电变压器停运风险程度，模拟出配电变压器过载退运的概率；概率越大则表示变压器退运的可能性就越大。本发明所提出的一种配电变压器过载风险评估可以准确确定配变过载停运或损坏的风险程度，能为用电负荷发生非预期变化时发现过载风险比较大的配电变压器以及采取针对性提供依据，进而有助于变压器过载运行的可控性，准确率达到87%以上。

主权项

一种配电变压器过载风险评估方法，包括采集配电变压器运行数据，按过载属性对原始数据进行预处理，得到配电变压器过载属性集，其特征在于，所述方法利用神经网络技术对配电变压器过载时属性集进行网络建模与仿真训练，得到配电变压器过载风险网络结构；根据网络结构评估过载时不同运行状态时配电变压器停运风险程度，模拟出配电变压器过载退运的概率；概率越大则表示变压器退运的可能性就越大；所述配电变压器过载风险网络结构为人工神经网络，人工神经元是模拟生物神经元的数学模型，神经元的输出量为加权后输入量的函数，如下式：y=f(Σinwixi+b)]]>其中，y为神经元输出；xi为神经元的输入；wi为神经元输入量相应的权重；BP神经网络是多层感知器结构，包括输入、输出层和若干个隐层，分为向前传播阶段和向后传播阶段，在向前传播阶段中，信息从输入层经过隐层逐级变换传送到输出层，如下式所示：Oi＝fn(fn‑1(...f1([Xi][W1])+[B1])...)[Wn‑1]+[Bn‑1])Xi表示第i个样本输入，W1…Wn‑1表示隐层的权值矩阵，B1…Bn‑1表示隐层的偏置矩阵，f1…fn‑1表示隐层的权值函数，fn表示输出函数，0i为期望值；在后向传播阶段中，对网络的权值和偏差进行反复调整训练，训练过程需要提供输入向量X和目标值Y，网络训练的过程就是使均方差误差最小化的过程，设第i个样本的误差精度Ei，如下式所示：整个m个样本集的误差E，如下式所示：