[发明专利]一种基于混合模型的变压器维修决策方法有效

专利信息
申请号: 201410019748.6 申请日: 2014-01-16
公开(公告)号: CN103810328B 公开(公告)日: 2017-02-22
发明(设计)人: 刘宏亮;夏彦卫;王永强;岳国良;潘瑾;梁斌 申请(专利权)人: 国家电网公司;国网河北省电力公司电力科学研究院;河北省电力建设调整试验所
主分类号: G06F17/50 分类号: G06F17/50;G06N3/02
代理公司: 石家庄新世纪专利商标事务所有限公司13100 代理人: 齐兰君,张素静
地址: 100031 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 混合 模型 变压器 维修 决策 方法
【说明书】:

技术领域

发明涉及变压器故障在线监测技术领域,具体涉及一种基于混合模型的变压器维修决策方法。 

背景技术

电力变压器是电力系统的核心设备,其运行状况关系到千家万户,变压器的最佳经济效益越来越依赖于对其自身的老化状况监测、寿命评估和寿命延长技术。 

长期以来,电力行业一直沿用绝缘预防性试验和定期维修的维修制度,这种检修模式在多年的实践中有效减少了设备的突发事故,然而随着电网设备数量的急剧增加,其缺点也日益凸现,主要表现在: 

①检修工作“一刀切,使得该修的设备维修不足,不该修的盲目维修,不但造成人力、物力和财力的大量浪费,过度维修过程中对设备进行的频繁拆卸,还增加了引起变压器新隐患的概率。②维修后进行的耐压等试验也会对变压器造成不可逆损伤,使其总体寿命下降。

发明内容

本发明所要解决的技术问题是提供一种可靠、便捷、易实施的基于混合模型的变压器维修决策方法。 

为解决以上技术问题,本发明采用如下技术方案: 

一种基于混合模型的变压器维修决策方法,其包括以下步骤:

(1)对变压器及历史寿命下的历史监测数据进行归一化处理,建立历史数据样本集P;

(2)利用RBF神经网络,并采用聚类方法和最小二乘(LMS)梯度训练法,对变压器历史监测数据进行仿真训练,训练出仿真神经网络;

(3)基于步骤(2)所述的仿真神经网络,运用平均影响值(MIV)法,对步骤(1)历史数据样本集P中的特征变量进行筛选,筛选出对变压器故障平均影响值在0.5以上的的特征变量;

(4)基于步骤(3)筛选出的特征变量,并结合历史状态监测数据,采用牛顿-拉夫逊(Newton- Raphson)迭代算法计算出威布尔(Weibull)模型的参数,得到失效率函数h(t)的具体表达式;

(5)建立威布尔模型并计算出其中的参数,根据不同的维修需求制定不同的维修决策,并采用一定时间任务可用度最大作为决策策略,应用数值计算方法,得出故障率阈值h*

(6)得出失效率函数h(t)的具体表达式和故障率阈值h*后,计算出获取维修决策曲线的具体表达式f(t),建立完整的比例失效模型;

(7)根据比例失效模型获得变压器维修决策曲线图;

(8)利用建立的维修决策模型即维修决策曲线图,分析得到变压器的维修决策方案。

进一步地,本发明所述的基于混合模型的变压器维修决策方法中,步骤(2)的仿真训练包含如下步骤: 

①初始化:选择h个不同的初始聚类中心,并令k=1;初始聚类中心的选取方法很多,可以从样本输入中随机选取或者选择前h个样本输入,需保证h个初始数据中心取不同值;

②计算所有样本输入Xj与聚类中心的距离||Xj –ci(k)||,i=1,2,···,h,j=1,2,···,N;

③对样本输入Xj按最小距离原则对其进行分类:即当i(Xj)=min||Xj –ci(k)||,i=1,2,···,h时,X j即被归化为第i类,将n个输入分为h类;

④按公式(a)重新计算各类的新的聚类中心:

Ci(k+1)=       (a)

公式(a)中,Ni为第i个聚类域wik)中包含的样本数;

⑤当cik+1)≠c i(k)时,返回转到步骤②继续运算;当cik+1)=c i(k)时,聚类运算过程结束;

⑥根据各中心之间的距离确定各隐节点的扩展常数即高斯因子;

⑦当各隐节点的数据中心和扩展常数确定后,输出权矢量w采用最小二乘方法(LMS)直接计算,具体方法如下:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国家电网公司;国网河北省电力公司电力科学研究院;河北省电力建设调整试验所,未经国家电网公司;国网河北省电力公司电力科学研究院;河北省电力建设调整试验所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201410019748.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top