一種基于神經(jīng)網(wǎng)絡(luò)的變壓器繞組熱點(diǎn)溫度的預(yù)測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種變壓器繞組熱點(diǎn)溫度的預(yù)測方法，尤其是涉及一種基于神經(jīng)網(wǎng)絡(luò) 的變壓器繞組熱點(diǎn)溫度的預(yù)測方法。
【背景技術(shù)】
[0002] 變壓器熱點(diǎn)溫度研究的難點(diǎn)在于繞組熱點(diǎn)溫度產(chǎn)生機(jī)理十分復(fù)雜以及熱點(diǎn)溫度 位置的不確定性，目前為止，得到變壓器內(nèi)部溫度主要有兩種方法，一種基于神經(jīng)網(wǎng)絡(luò)的變 壓器繞組熱點(diǎn)溫度的預(yù)測方法是直接測量法，一種基于神經(jīng)網(wǎng)絡(luò)的變壓器繞組熱點(diǎn)溫度的 預(yù)測方法是間接計(jì)算法。
[0003] 直接測量法是在變壓器靠近導(dǎo)線位置或?qū)Ь€線餅中預(yù)埋測溫傳感器，直接獲得繞 組熱點(diǎn)溫度的方法。繞組內(nèi)埋設(shè)傳感器對絕緣結(jié)構(gòu)設(shè)計(jì)要求較高，容易影響變壓器正常運(yùn) 行。而且由于繞組熱點(diǎn)位置不確定，傳感器埋設(shè)處不一定是最熱點(diǎn)，測量結(jié)果可能并非繞組 的熱點(diǎn)溫度。因此，一般采取在繞組熱點(diǎn)的附近區(qū)域，安裝多個(gè)溫度傳感器，通過測量多個(gè) 位置的溫度來近似得到繞組的熱點(diǎn)溫度，溫度傳感器有聲頻、光纖、結(jié)晶石英、熒光、鎵砷化 晶體等多種傳感器。目前研究最多，最有影響力的是基于散射機(jī)理的分布式光纖溫度傳感 器系統(tǒng)。分布式光纖測溫系統(tǒng)的溫度測量誤差通常在幾度，定位誤差在一米左右，主要用于 測量電纜的溫度分布。當(dāng)用于變壓器內(nèi)部溫度的測量或定位時(shí)，提高其定位的精度就又會 降低其對溫度的分辨率，誤差將較大。
[0004] 目前，間接計(jì)算變壓器繞組熱點(diǎn)溫度方法中最傳統(tǒng)的方法是IEC60076-7導(dǎo)則和 IEEE Std C57.91導(dǎo)則推薦的變壓器繞組熱點(diǎn)溫度計(jì)算經(jīng)驗(yàn)?zāi)Ｐ?。IEC 60076-7導(dǎo)則根據(jù)一 些假設(shè)條件對很復(fù)雜的變壓器熱特性分布做出了簡化并得到相應(yīng)的簡化圖和公式。如圖1 所示是簡化的油浸式變壓器溫度分布圖，圖中，A是由油箱出口處油溫和油箱溫度計(jì)座中油 溫得出的頂層油溫;B是繞組頂部的混合油溫(通常假設(shè)與A的溫度相同）；C是油箱內(nèi)平均油 溫;D是繞組底部油溫;E是油箱底部油溫;gr是額定電流下繞組平均溫度對油（油箱內(nèi)）平均 溫度的梯度;H是熱點(diǎn)系數(shù);P是熱點(diǎn)溫度;Q是用電阻法測得的繞組平均溫度;X軸是溫度;Y 軸是相對位置；圖1中所示的熱分布圖是假設(shè)的，它是一個(gè)本來很復(fù)雜的熱分布的簡化圖。 在簡化中作了如下假設(shè)：
[0005] a)不論冷卻方式如何，油箱內(nèi)的油溫從底部到頂部均是按線性增加；
[0006] b)作為初始的近似，在繞組任何位置處繞組導(dǎo)線的溫升，從下到上呈線性增加，此 直線與油的溫升直線平行。兩平行線之間的差值為常數(shù)，為用電阻法測出的繞組平均溫度 與油箱中油平均溫度的差值）；
[0007] C)熱點(diǎn)溫升比b)所述的繞組頂部導(dǎo)線的溫升高，這是因?yàn)楸仨毦碗s散損耗的增 加、各局部油流的差別和導(dǎo)線上可能附加的紙層等給出一些裕度?？紤]到這些非線性的因 素，令熱點(diǎn)溫度與油箱內(nèi)頂層油溫之差等于H*gr。
[0008] 由簡化的油浸式變壓器溫度分布圖推導(dǎo)出穩(wěn)態(tài)熱點(diǎn)溫度計(jì)算如下：
[0009] 在自然油循環(huán)冷卻下，熱點(diǎn)溫度等于環(huán)境溫度、頂層油溫升以及熱點(diǎn)溫度對頂層 油溫的溫升三者之和;而強(qiáng)迫油循環(huán)冷卻下，熱點(diǎn)溫度等于環(huán)境溫度、底層
[0010] 油溫升、繞組的頂層油溫對底層油溫的溫升以及繞組熱點(diǎn)溫度對頂層油溫的溫升 四者之和;強(qiáng)迫油循環(huán)導(dǎo)向冷卻下，計(jì)算熱點(diǎn)溫度與強(qiáng)迫油循環(huán)冷卻時(shí)差不多，由于導(dǎo)線電 阻隨溫度變化，因此需添加校正系數(shù)。
[0011] GB/T 1094.7-2008負(fù)載導(dǎo)則及IEEE Std C57.91標(biāo)準(zhǔn)中推薦的計(jì)算方法均可計(jì)算 變壓器繞組熱點(diǎn)溫度，是國內(nèi)外最近幾年應(yīng)用比較廣泛的一種方法，該方法直觀、簡便，能 夠基本反映真實(shí)的熱傳導(dǎo)過程。該計(jì)算方法只能求解熱點(diǎn)溫度值，不能探尋熱點(diǎn)位置，同時(shí) 這些公式的結(jié)果和實(shí)測數(shù)據(jù)仍有一定差距，因此應(yīng)找尋可以得到更加精確的結(jié)果的方法。

【發(fā)明內(nèi)容】

[0012] 本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于神經(jīng)網(wǎng)絡(luò) 的變壓器繞組熱點(diǎn)溫度的預(yù)測方法，采用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)后，通過計(jì)算得到變壓器 繞組熱點(diǎn)溫度值。
[0013] 本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn):一種基于神經(jīng)網(wǎng)絡(luò)的變壓器繞組熱 點(diǎn)溫度的預(yù)測方法，包括以下步驟：
[0014] (1)以環(huán)境溫度0a、初始頂層油溫升ΔΘ。,、頂層油溫度Θ。及負(fù)載系數(shù)K為輸入數(shù)據(jù)， 以油時(shí)間常數(shù)το和油指數(shù)X為輸出數(shù)據(jù)，并確定隱含層的節(jié)點(diǎn)數(shù)，構(gòu)建神經(jīng)網(wǎng)絡(luò)；
[0015] (2)對神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)和輸出數(shù)據(jù)進(jìn)行歸一化處理；
[0016] (3)采用遺傳算法對神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行優(yōu)化；
[0017] (4)設(shè)置如下參數(shù):訓(xùn)練步長為50步，輸出層選擇S型對數(shù)函數(shù)logsig，隱含層傳遞 函數(shù)采用Iogsig函數(shù)，Error goal = 0·001，Ir = 0·01，epochs = 1000，對遺傳算法優(yōu)化后的 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；
[0018] (5)利用實(shí)時(shí)測得的輸入數(shù)據(jù)和訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)得到油時(shí)間常數(shù)το和油指數(shù)X， 并計(jì)算得出變壓器的熱點(diǎn)溫度值。
[0019] 所述的步驟（1)中確定隱含層節(jié)點(diǎn)數(shù)具體過程為：
層的節(jié)點(diǎn)數(shù)，其中，m為隱含層節(jié)點(diǎn)數(shù)，η輸入神經(jīng)元個(gè)數(shù)，m為輸出神經(jīng)元個(gè)數(shù)，a為1~10之 間的常數(shù)，對每個(gè)隱含層節(jié)點(diǎn)數(shù)的選擇形成的神經(jīng)網(wǎng)絡(luò)，均進(jìn)行10次不同的訓(xùn)練，取平均訓(xùn) 練誤差最小時(shí)的隱含層節(jié)點(diǎn)數(shù)為最終選定的隱含層節(jié)點(diǎn)數(shù)k。
[0020] 所述的（2)具體為：根據(jù)公式（1)對神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)和輸出數(shù)據(jù)進(jìn)行歸一化處 理，使得輸入數(shù)據(jù)在[0. 2，0.8]內(nèi)，輸出數(shù)據(jù)在[0.1，0.9]內(nèi)，
[0022] 其中，yi為經(jīng)過歸一化處理后的神經(jīng)網(wǎng)絡(luò)的輸入/輸出數(shù)據(jù)，Xl為實(shí)際的輸入/輸出 數(shù)據(jù)， Χ_、Χ_*別為實(shí)際輸入/輸出數(shù)據(jù)的最大值和最小值。
[0023] 所述的步驟(3)具體為：
[0024] (301)采用實(shí)數(shù)編碼方式對神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行編碼，所述的權(quán)值的取值 范圍為(-5，5)，精確到0.0001，所述的閾值的取值范圍為(-3，3)，精確到0.0001;
[0025] (302)選取適應(yīng)度函數(shù)
，其中，yi為神經(jīng)網(wǎng)絡(luò)的輸出數(shù)據(jù)，^為 神經(jīng)網(wǎng)絡(luò)的期望輸出數(shù)據(jù)，P為神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)和輸出數(shù)據(jù)的成對數(shù)目；
[0026] (303)選擇初始種群數(shù)為30，最大迭代次數(shù)為180次，進(jìn)化誤差平方和0.5，執(zhí)行遺 傳算子。
[0027]所述的步驟(303)具體為:采用整體算數(shù)交叉算子優(yōu)化神經(jīng)網(wǎng)絡(luò)。
[0028]所述的步驟(5)中計(jì)算變壓器的熱點(diǎn)溫度值0h(t)的具體過程為：如果負(fù)載系數(shù)K 增大，根據(jù)公式①計(jì)算變壓器的熱點(diǎn)溫度值，
[0030]如果負(fù)載系數(shù)K減小，根據(jù)公式②計(jì)算變壓器的熱點(diǎn)溫度值，
[0032]

，Ga為環(huán)境溫度，△ Qcii為初始頂層油溫升，Θ。為頂層油溫度，△ 0^為起始時(shí) 熱點(diǎn)溫度對頂層油溫梯度，R為額定損耗下負(fù)載損耗與空載損耗比，A 為額定損耗下頂層 油穩(wěn)態(tài)溫升，y為繞組指數(shù)，H為熱點(diǎn)系數(shù)，kll、k21及k22均為熱常數(shù)，gr為額定電流下繞組平 均溫度對油平均溫度的梯度，το為油時(shí)間常數(shù)，X為油指數(shù)。
[0033] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：
[0034] (1)遺傳算法具有快速尋優(yōu)的能力和良好的全局搜索能力，能夠很快逼近最優(yōu)結(jié) 果，而神經(jīng)網(wǎng)絡(luò)具有良好的自組織和自學(xué)習(xí)能力，局部尋優(yōu)能力強(qiáng)，因此將遺傳算法與神經(jīng) 網(wǎng)絡(luò)相結(jié)合，克服了神經(jīng)網(wǎng)絡(luò)容易陷入局部最小值的固有缺陷，從而提高了神經(jīng)網(wǎng)絡(luò)優(yōu)化 權(quán)值的精度，進(jìn)而提高了變壓器繞組的測量精度；
[0035] (2)將神經(jīng)網(wǎng)絡(luò)輸入層和輸出層的數(shù)據(jù)進(jìn)行歸一化處理，使得其范圍在[0.2,0.8] ~[0.1，0.9]之間，最終使得神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果較好；
[0036] (3)本方法應(yīng)用性強(qiáng)、實(shí)時(shí)性強(qiáng)、可靠強(qiáng)、成本低、精度高、算法處理簡潔同時(shí)穩(wěn)定 性強(qiáng)；
[0037] (4)本發(fā)明的變壓器熱點(diǎn)溫度值計(jì)算方法為變壓器設(shè)備的檢修帶來了很大的方 便。
【附圖說明】
[0038] 圖1為本發(fā)明的流程圖；
[0039]圖2為油浸式變壓器溫度分布圖；
[0040] 圖3為本實(shí)施例中神經(jīng)網(wǎng)絡(luò)訓(xùn)練圖；
[0041] 圖4為本實(shí)施例中神經(jīng)網(wǎng)絡(luò)擬合圖；
[0042] 圖5為本實(shí)施例中隨著負(fù)載和時(shí)間的變化，熱點(diǎn)溫度值采用導(dǎo)則計(jì)算法、