[发明专利]一种组合预测残差修正的油中气体预测方法

说明书

一种组合预测残差修正的油中气体预测方法，包括以下步骤：(1)通过油气分离装置将气体分离出来，并运用溶解气体在线色谱分析和气敏传感器分析气体成分和比例，建立溶解气体时间序列；(2)利用灰色关联度确定气体间的关联，建立MGM(1，n)预测模型，输出灰色预测结果；(3)确定训练集和测试集，通过残差自适应回归初步修正训练集和测试集结果，在此基础上通过对训练集进行状态划分，利用马尔可夫模型进一步修正测试集的预测值。本发明主要针对充油式变压器的状态监测，便于及时发现故障避免造成进一步的损失，修正后的预测值所产生的误差明显要小于传统灰色预测结果所产生的误差；保证准确高效的故障识别，原理简单、操作简便。

技术领域

本发明属于变压器油中溶解气体预测领域，具体涉及一种组合预测残差修正的油中气体预测方法。

背景技术

电力变压器是电力系统中的枢纽性设备，承担着转换电压、分配和传输电能的作用，一旦发生故障则会直接影响到电力系统的安全可靠运行。但现实状况是变压器的运行环境中始终有电、热、机械、潮湿等造成的腐蚀，会导致其性能逐渐劣化，一旦引发故障就可能导致电网停电的事故。为了保证变压器的安全稳定运行，需要对其进行状态监测及故障诊断。

当前电力行业使用最多的是充油式变压器，而充油式变压器绝缘采用的是油浸纸方式，当变压器异常放电或过热时矿物油和绝缘纸裂解产生H₂、C₂H₂、C₂H₄、C₂H₆、CO、CO₂等气体，因此通过油气分离装置将气体分离出来，并运用溶解气体在线色谱分析技术和气敏传感器等分析其成分和比例，得到数据进行相关诊断即可获取变压器潜伏性故障的类型及部位。变压器油中溶解气体的含量由于不受外部电磁场因素的干扰，能有效反映变压器故障的类型，气体含量分析是发现变压器缺陷和潜伏性故障的有效手段。由于变压器在故障发生的各个阶段产生的特征气体组分和含量不同，通过对变压器油中的溶解气体的质量浓度进行诊断和预测，能够实现变压器的在线实时监测，及时发现故障。

目前，油中溶解气体的在线监测方式主要有色谱监测、传感器监测和红外光谱监测等。常用的预测模型有时间序列模型、模糊模型、灰色模型、人工神经网络、支持向量机，卡尔曼滤波，区间预测等。如何找到一种兼具高效性和准确性，避免陷入局部最优点，又要考虑具体实施的问题，考虑到数据搜集的难度的方法是解决变压器状态监测和故障诊断的重要问题。

发明内容

本发明所要解决的技术问题是，针对现有油气预测存在的上述不足，提出一种组合预测残差修正的油中气体预测方法，利用残差自适应回归和马尔可夫模型改进灰色预测方法对变压器油中溶解气体进行预测，达到对变压器进行状态监测及时识别故障发生的目的。

本发明为解决上述问题所采用的技术方案是：

一种组合预测残差修正的油中气体预测方法，包括以下步骤：

(1)通过油气分离装置将气体分离出来，并运用溶解气体在线色谱分析和气敏传感器分析气体成分和比例，建立溶解气体时间序列；

(2)利用灰色关联度确定气体间的关联，建立MGM(1，n)预测模型，输出灰色预测结果；

(3)确定训练集和测试集，通过残差自适应回归初步修正训练集和测试集结果，在此基础上通过对训练集进行状态划分，利用马尔可夫模型进一步修正测试集的预测值(提高预测的准确性)。

按上述方案，所述步骤(3)的具体方法如下：

31)残差自适应回归修正：通过将预测值与实际值进行对比得到残差值，对一系列的残差值进行回归分析选择最优曲线回归模型，输出第一次修正结果；