[发明专利]一种变压器负载能力的预测方法

说明书

本发明提供了一种变压器负载能力的预测方法，包括步骤：S100、利用有限元仿真软件建立三维变压器模型；S200、输入环境参数X、通过SVM算法对步骤S100中建立的三维电力变压器模型进行计算，并获得热点温度值Y；S500、根据热点温度值Y，判断该变压器在对应环境参数X条件下的带负荷能力。本发明能够对变压器负载能力进行精确预测，同时避免变压器热点温度负载能力造成的影响。

技术领域

本发明涉及电力变压器能力预测技术领域，特别涉及一种变压器负载能力的预测方法。

背景技术

鉴于变压器结构的复杂性和材料参数的非线性，采用经验公式和热路模型难以准确描述变压器的热特性，国内外研究学者于20世纪90年代提出了将智能算法应用于变压器负载能力预测。在此之前，人工智能算法已被广泛应用于变压器故障诊断识别，而采用人工智能算法预测变压器负载能力的优势在于直接建立变压器热点温度与负载电流和环境温度之间的关系，在训练样本的学习过程中直接考虑了变压器结构、材料参数的非线性和环境温度随时间变化等因素，减少了引入经验系数和热路参数带来的计算误差。

近年来，国内研究学者亦将人工智能算法应用于变压器故障诊断分类和负载能力预测中，研究了神经网络、支持向量机、模糊系统和Kalman滤波算法等方法在变压器负载能力预测中的应用，取得了丰硕的研究成果。

纵观国内外学者的研究成果可以发现，智能学习算法在变压器负载能力预测中体现了较为明显的适用性和优越性，基于各种智能学习算法的负载能力预测模型层出不穷，但不容忽视的一点是预测模型的精确性极大程度依赖于预测模型的拓扑结构、输入参数的选取和训练样本集数据的可靠性，而且单纯利用人工智能算法进行预测，与实际建模有较大差距，尤其是无法排除热点温度过高对负载能力造成的影响。

发明内容

本发明的目的是提供简便易行的一种变压器负载能力的预测方法，能够对变压器负载能力进行精确预测，同时避免变压器热点温度负载能力造成的影响。

为实现上述目的，本发明所采用的技术方案是：

一种变压器负载能力的预测方法，包括步骤：

S100、利用有限元仿真软件建立三维变压器模型；

S200、输入环境参数X、通过SVM算法对步骤S100中建立的三维电力变压器模型进行计算，并获得热点温度值Y；

S500、根据热点温度值Y，判断该变压器在对应环境参数X条件下的带负荷能力。

较优地，在步骤S200中包括步骤：

S210、输入环境参数X的数量为N个，分别为X₁、X₂、…X_N,并通过SVM算法计算出对应的热点温度值Y分别为Y₁、Y₂、…Y_N；

S220、根据数据序列{(X₁，Y₁)，(X₂，Y₂)…(X_N，Y_N)}预测环境参数X与热点温度值Y之间的映射关系，并通过该映射关系中获得回归函数f(X)；

在步骤S200之后还包括步骤：

S300、对回归函数f(X)进行优化计算，f(X)＝Y＝wX+b,其中w为特征权重向量，b为偏置项。

较优地，在步骤S300中还包括引入损失函数ε解决回归问题，其中Q为优化目标的极值，k为常系数，C是错误惩罚因子，ξ_i和ζ_i为松弛因子，ε为损失函数。

较优地，Y_i-wkX_i-b≤ε+ξ_i。