[发明专利]基于相重构和神经网络的变压器油中溶解气体预测方法

说明书

本发明公开了基于相重构和神经网络的变压器油中溶解气体预测方法，首先采集变压器油中溶解气体其中的一种气体积数据的时间序列；然后将采集的气体体积数据的时间序列进行归一化处理；归一化处理后的气体体积数据的时间序列进行相空间重构，得到气体体积数据的时间序列相空间重构矩阵；利用气体体积数据的时间序列相空间重构矩阵对BP神经网络进行训练；最后用训练好的BP神经网络时间序列预测模型预测该气体含量，重复上述步骤对其余特征气体进行预测；这种预测方法在相同的工况下具有更小的误差值，而且其预测结果也更接近实验值。

技术领域

本发明属于变压器油中溶解气体监测技术领域，特别涉及基于相重构和 神经网络的变压器油中溶解气体预测方法。

背景技术

电力变压器是电力系统的重要组成部分之一，也是系统中发生故障率最 高的电气设备之一，它的安全可靠运行对电力系统的安全可靠供电有很大的 影响。故障严重时将影响和威胁到电网的安全和稳定运行，如果事故扩大， 造成变压器跳闸或者故障越级导致大面积停电，将造成严重的经济损失和恶 劣的社会影响。

近年来，供电系统使用的变压器多数为油浸式变压器，油浸式变压器是 利用油来绝缘和散热的。过去采用的绝缘试验法、局部放电试验法、绝缘油 气试验法不具备可预测性，大大限制了其应用范围。由于变压器油中溶解气 体含量与变压器运行状态密切相关，这体现对出特征气体监测的重要性。

发明内容

本发明的目的是提供基于相重构和神经网络的变压器油中溶解气体预 测方法，能够对变压器油中溶解气体含量进行准确有效的预测。

本发明所采用的技术方案是，基于相重构和神经网络的变压器油中溶解 气体预测方法，具体按以下步骤实施：

步骤1，采集变压器油中溶解气体其中的一种气体积数据的时间序列；

步骤2，将经步骤1采集的气体体积数据的时间序列进行归一化处理；

步骤3，将经步骤2归一化处理后的气体体积数据的时间序列进行相空 间重构，得到气体体积数据的时间序列相空间重构矩阵；

步骤4，利用步骤3气体体积数据的时间序列相空间重构矩阵对BP神 经网络进行训练；

步骤5，利用步骤4中训练好的BP神经网络时间序列预测模型预测该 气体含量，最后重复上述步骤1～5对其余特征气体进行预测。

本发明的特点还在于：

其中步骤1中溶解气体包括氢气、甲烷、乙烷、乙烯、乙炔、一氧化碳、 二氧化碳七种气体体积，采集变压器油中七种溶解气体其中的一种气体积数 据的时间序列；

其中步骤2具体包括：将采集到的气体体积数据的时间序列进行归一化 处理，归一化到[0,1]区间内，如下式所述：

式中，x表示归一化后的气体体积数据；x_n表示气体体积原始数据；x_min为气体体积数据中的最小值；x_max为气体体积数据中的最大值；

其中步骤3中，对归一化处理后的气体体积数据的时间序列进行相空间 重构，将一维的气体体积时间序列{x_k|k＝1,……,N}进行相空间重构，则 相空间重构的集合表示为：

X_n＝(x_n,x_n+τ,…,x_n+(m-1)τ)(n＝1,……,M) (2)

式中，N表示气体时间序列的长度；τ表示延迟时间；m表示嵌入维数； M表示重构点的维数，且参数τ，m，M满足条件M＝N-((m-1)×τ)；

其中相空间重构延迟时间τ的计算方法为：