[发明专利]基于PSO-BP神经网络和四分位法的变压器预警方法

权利要求书

1.一种基于PSO-BP神经网络和四分位法的变压器预警方法，其特征在于，包括：

步骤1，数据采集：获取配电变压器的负载率、绕组温度以及环境温度在指定时间内的的历史数据；

步骤2，神经网络算法预测：根据历史数据通过PSO-BP神经网络预测负载率、绕组温度以及环境温度；

步骤3，阈值计算：根据历史数据通过高斯分布计算负载率、绕组温度以及环境温度对应区间的阈值；

步骤4，区间生成：利用四分位法生成去掉突变数据的负载率和绕组温升区间；

步骤5，预警告警：通过计算出的负载率和绕组温升区间，对预测值进行预警，同时对实时值进行告警；

所述步骤2具体包括如下步骤：

步骤201，对算法进行初始化，设定神经网络部分的相关参数，设输入层包含了l个节点，输出层包含了o个节点，隐藏层所包含节点的数目根据如下公式所示：

步骤202，初始化PSO算法，输入变压器、环境温度和绕组温度历史数据样本，x_i＝(x_i1,x_i2,....,x_id)代表一个粒子；

步骤203，求得种群对应的适应度值，并得到局部最优和全局最优，粒子适应度函数可以表示为：

其中：q_ij代表第j个训练参量在第i个粒子下的期望值；h_ij代表对应的实际输出；

步骤204，更换粒子的速度与位置，并判定新值有没有超出限定范围；

步骤205，求得当前粒子的适应度，若迭代次数满足规定的极限值时，完成算法迭代；

步骤206，得到需要的变压器、环境温度和绕组温度的预测值；

所述步骤3具体包括如下步骤：

步骤301，通过变压器绕组温度和环境温度计算绕组温升，三相绕组温升的计算公式为：

T_A.rise＝T_A.winding-T_env

T_B.rise＝T_B.winding-T_env

T_C.rise＝T_C.winding-T_env

其中，T_A.rise、T_B.rise和T_C.rise分别表示A相、B相和C相绕组温升，T_A.winding、T_B.winding和T_C.winding分别表示A相、B相和C相绕组温度，T_env表示环境温度；

步骤302，计算负载率、绕组温度和环境温度的历史数据的平均值μ_L、μ_winding和μ_env和方差σ_L、σ_wingding和σ_env；

步骤303，负载率概率密度函数f_L和累积概率密度函数F_L表示为：

其中，L表示负载率，μ_L和σ_L分别表示负载率的均值和方差；

变压器绕组温度概率密度函数f_winding和累积概率密度函数F_winding的数学描述如下：

其中，T_winding表示变压器绕组温度，μ_winding和σ_wingding分别表示变压器绕组温度的均值和方差；

环境温度概率密度函数f_env和累积概率密度函数F_env的如下式所示：

其中，T_env表示变压器绕组温度，μ_env和σ_env分别表示环境温度的均值和方差；

步骤304，给定置信水平α下的负载率置信区间的计算：

在置信水平α下的变压器绕组温度的置信区间的计算：

环境温度在置信水平α下的置信区间的表达式如下所示：

步骤305，在95％的置信度下，α＝0.05，Z_1-α/2＝0.95，负载率取值区间可以表示为：

绕组温升取值区间可以表示为：

所述步骤4具体包括如下步骤：

步骤401、基于四分位法来获得去掉异常数据的变压器负载率和绕组温升置信区间，四分位数的Q₁、Q₂和Q₃的计算如下所示：

Q₁＝(N+1)×0.25

Q₂＝(N+1)×0.5

Q₃＝(N+1)×0.75

其中，Q₁、Q₂和Q₃分别是第一分位数、第二分位数和第三分位数，N为筛选数据的个数；

步骤402，对高斯分布下求取的负载率和绕组温度区间数据进行从小到大进行排序，得到排序后的负载率L_order和绕组温度T_order；

步骤403，去掉异常数据的变压器负载率和绕组温升的区间：

；

所述步骤5具体包括如下步骤：

步骤501，根据预测得到的负载率和绕组温升与四分位法得出的区间进行对应，若不在相应的区间范围内，则进行预警，并通过亮起黄灯提醒运维人员；

步骤502，根据采集得到的负载率和绕组温升与四分位法得出的区间进行对应，若实时数据不在对应的区间范围内，则进行实时报警，并通过亮起红灯提醒运维人员。

2.根据权利要求1所述的一种基于PSO-BP神经网络和四分位法的变压器预警方法，其特征在于，所述步骤1具体包括如下步骤：

步骤101，获取配电变压器在一段历史指定时间内的负载率、绕组温度和环境温度的历史数据；

步骤102，若历史数据中有缺失，则进行数据填补；

步骤103，将增补修正后的数据作为数据集合，包括训练数据集合和验证数据集合；对于配电变压器预测预警的时间尺度分为三个：日前预测，一小时内预测和十分钟预测。