的至少一些数据并且被配置为使用接收到的历史数据来训练机器学习算法。即，换句话说，训练部件408被配置来接收包括在历史数据储存库406中作为输入的至少一些历史数据404并基于该输入开发算法来尝试识别历史数据404中的模型或趋势。这样，例如，当对应于特定变压器的数据被提供时，可以开发简档来指示变压器在各种情形中怎样被预期来响应。
[0062]使用来自电力系统402的历史数据404设计和/或开发的机器学习算法可以为多个类型的机器学习算法中的任意一种。例如，在一个实施例中，机器学习算法为神经网络算法，例如包括一个或多个隐藏层的前馈人工神经网络算法。在其它实施例中，该机器学习算法可以使用决策树学习方法，关联规则学习方法或其它方法来开发或训练算法来代替或结合神经网络方法。
[0063]示例环境400进一步包括简档生成部件410，其可操作地耦合到训练部件408并被配置来从训练部件408接收训练过的机器学习算法。使用机器学习算法，以及对应于感兴趣的变压器(例如，诸如变压器A412)的历史信息，简档生成部件410可以被配置来开发变压器的简档416。举例来说，当机器学习算法为神经网络算法时，简档生成部件412被配置为使用神经网络算法(例如，其中神经网络算法接收作为输入的对应于变压器A412的历史数据)来开发变压器A412的简档416。
[0064]在示例环境中，对应于变压器A412的历史数据可以由简档生成部件410从第二历史数据储存库414接收。第二历史数据储存库414可以为与历史数据储存库406相同的历史数据储存库或可以为不同的历史数据储存库，历史数据储存库406被配置来存储电力系统402的历史数据404。而且，对应于变压器A412的历史数据例如可以包括历史传感器数据、历史现场测试数据和/或热运行测试数据，例如指示从变压器A412获取的测量和/或到变压器A412/在变压器A412上执行的测试获取的测量。
[0065]由简档生成部件410产生的简档416可以描述变压器被预期来在各种操作条件下怎样执行并且可以被提供给示例环境418的预测部件418。预测部件418可以被配置为基于变压器的简档416来预测变压器在期望负荷下的油温420。即，换句话来说，预测部件418可以被配置来接收作为输入的负荷，该负荷被期望应用到变压器A412，并且可以被配置来预测对于期望负荷的变压器A412的油温420。如之前描述的，以这种方式，预测部件418可以预测变压器A412是否可以支持该负荷和/或变压器A412是否可以针对期望时间(例如，时长)支持期望负荷。
[0066]在一个实施例中，为了更精确预测变压器A412对于期望负荷的油温420，预测部件418可以被可操作地耦合到变压器A412并且可以被配置来接收指示变压器当前操作条件的信息/数据(例如，诸如当前油温，当前周围空气温度，当前核心温度等)。这样，例如当预测变压器A412对于期望负荷的油温420时，当前操作条件可以被考虑。S卩，换句话说，预测部件418可以被配置为基于变压器的当前操作条件来预测变压器在期望负荷的油温420。
[0067]又一个实施例涉及计算机可读介质，其包括处理器可执行指令，指令被配置来实施本文呈现的一个或多个技术。示例的计算机可读介质可以以在图7中图示的方式设计，其中实施方式500包括计算机可读介质508(例如，CD-R、DVD-R，或者硬盘驱动的盘片)，在其上计算机可读数据506被编码。计算机可读数据506转而包括一组计算机指令504，被配置来根据本文提出的一个或多个理念操作。在一个这样的实施例500中，处理器可执行计算机指令504例如可以被配置来执行方法502，方法502诸如为图1的示例性方法100的至少一些和/或图2的示例性方法200的至少一些。在另一个这样的实施例中，处理器可执行指令504可以被配置来实施一种系统，该系统诸如为图4的示例性系统400的至少一些。许多这样的计算机可读介质可以由所属领域的技术人员设计，其被配置为根据本文呈现的技术来操作。
[0068]尽管已经以特定于结构特征和/或方法动作的语言描述了主题，但是应该懂得在所附权利要求中限定的主题并不必限于上述的特定特征或动作。相反，上述的特定特征和动作被作为实施权利要求的示例形式公开。
[0069]如在本申请中使用的，术语“部件”、“模块”、“系统”、“接口”等一般旨在指代计算机相关实体，或者为硬件、硬件与软件的组合、软件、或者为在执行中的软件。例如，部件可以为但不限于在处理器上运行的程序、处理器、对象、可执行文件、执行的线程、程序和/或计算机。举例来说，在控制器上运行的应用和控制器两者都可以是部件。一个或多个部件可以驻留在程序内和/或执行的线程内，并且部件可以位于一个计算机上和/或分布在两个或多个计算机上。
[0070]此外，请求保护的主题可以实施为方法、装置或制品，其使用标准编程和/或工程技术来生产软件、固件、硬件或它们的任意组合来控制计算机以实施所公开的主题。本文使用的术语“制品”旨在包括可从任何计算机可读设备、载体或介质访问的计算机程序。当然，所属领域的技术人员将意识到可以在不脱离请求保护的主题的范围和精神的情况下对该配置做出许多修改。
[0071]图6和随后的讨论提供了适合的计算机环境的简单、一般描述来实现本文提出的一个或多个实施例。图6的操作环境仅为适合的操作环境的一个例子并且不旨在提出对操作环境的用途或功能的范围的任何限制。示例计算设备包括但不限于，个人计算机，服务器计算机、手持或膝上设备、移动设备(诸如移动电话、个人数字助手(PDA)、媒体播放器等)、多处理器系统、消费电子产品、微型计算机、大型计算机、包括任何上述系统或设备的分布式计算环境等。
[0072]尽管没有要求，但是实施例以由一个或多个计算设备执行的“计算机可读指令”的一般语境被描述。计算机可读指令可以经由计算机可读介质(下面论述)分布。计算机可读指令可以实现为程序模块，诸如执行特定任务或实现特定的抽象数据类型的函数、对象、应用程序接口(API)、数据结构等。通常，计算机可读指令的功能可以如期望的那样在各种环境中组合或分布。
[0073]图6图示系统610的示例，包括计算设备612，被配置来实现本文提供的一个或多个实施例。在一个配置中，计算设备612包括至少一个处理单元616和内存618。取决于计算设备的准确配置和类型，内存618可以为易失性的(例如诸如RAM)，非易失性的(例如诸如R0M，闪存等)或这两者的结合。这些配置在图6中以虚线614图示。
[0074]在其它实施例中，设备612可以包括附加的特征和/或功能。例如，设备612还可以包括附加的存储器(例如，可移除的和/或不可移除的)，其包括但不限于磁存储器、光学存储器等。这样的附加储存器件在图6中由存储器620图示。在一个实施例中，实施本文提供的一个或多个实施例的计算机可读指令可以处于存储器620中。存储器620还可以存储其它计算机可读指令来实现操作系统、应用程序等。例如，计算机可读指令可以载入内存618中用于由处理单元616执行。
[0075]在本文中使用的术语“计算机可读介质”包括计算机存储器介质。计算机存储器介质包括易失性的和非易失性的、可移除的和不可移除的介质，其以任何方法或技术实现用于存储信息，信息诸如为计算机可读指令或其它数据。内存618和存储器620为计算机存储器介质的示例。计算机存储器介质包括但不限于RAM、R0M、EEPR0M、闪存或其它存储器技术、CD-ROM、数字多媒体盘(DVD)或其它光学存储器，或任意其它的可以用来存储期望信息并且可以由设备612访问的介质。任何这样的计算机存储介质可以为设备612的部分。
[0076]设备612还包括通信连接626，其允许设备612与其它设备通信。通信连接626可以包括但不限于调制解调器、网络接口卡(NIC)、集成网络接口、射频发射器/接收器、红外端口、USB连接或其它接口，用于将计算设备612连接到其它计算设备。通信连接626可以包括有线连接或无线连接。通信连接626可以发送和/或接收通信介质。
[0077]术语“计算机可读介质”可以包括通信介质。通信介质通常将计算机可读指令或其它数据实现在“调制的数据信号”(诸为载波或其它传输机制)中并且包括任意信息递送介质。术语“调制的数据信