基于多因素的油浸式变压器顶层油温预测方法
【专利摘要】本发明公开了一种基于多因素的油浸式变压器顶层油温预测方法，根据未来某日的日气温预测最大值、未来某日的变压器日负荷预测95概率预测值、变压器基础油温数据，代入变压器油温线性回归分析模型计算得到未来某日内的油温预测最大值，如变压器冷却系统工况异常，还应将未来某日内的油温预测最大值与冷却器运行异常修正量求代数和，得到最终变压器顶层油温预测值。本发明提供的基于多因素的油浸式变压器顶层油温预测方法，提供了一种简捷实用预测方法，为电网运行管理人员及时了解变压器运行工况提供了参考依据。
【专利说明】基于多因素的油浸式变压器顶层油温预测方法
【技术领域】
[0001] 本发明涉及一种基于多因素的油浸式变压器顶层油温预测方法，属于电网设备状 态监测与风险预警【技术领域】。
【背景技术】
[0002] 变压器是电力系统中最为重要的设备之一，在能量的传输、转换和分配过程中起 到了关键的枢纽作用，目前业界最为广泛使用的变压器类型是油浸式变压器。变压器油是 油浸式变压器的绝缘和冷却介质，同时在变压器有载调压过程中还能起到灭弧的作用。变 压器油温尤其是顶层油温可用于表征变压器的运行工况，因此EMS (Energy Manage System 能量管理系统）对各变电站主变油温进行了采集和监视。目前业界对于变压器油温建模与 预测往往基于复杂的机理，参数的设置需要较高的理论水平和经验，不利于实践与应用。
[0003] 通过历史数据分析得知，变压器油温与气温、负荷、基础油温和冷却系统运行工况 有关，因此，利用历史油温、历史气温、历史负荷等数据进行分析构建回归分析模型，并利用 历史气温、历史负荷预测及冷却系统运行工况数据就可以方便快捷地进行油温预测。
【发明内容】
[0004] 目的：为了克服现有技术中缺乏简捷实用的预测方法，本发明提供一种基于多因 素的油浸式变压器顶层油温预测方法。
[0005] 技术方案：为解决上述技术问题，本发明采用的技术方案为：
[0006] -种基于多因素的油浸式变压器顶层油温预测方法，其特征在于：包括如下步 骤：
[0007] 步骤一：抽取历史气温、历史油温、历史负荷、历史人体舒适度日统计值；
[0008] 步骤二：根据历史气温、历史油温、历史负荷95概率值的日统计值，建立变压器油 温线性回归分析模型，并计算得到变压器油温线性回归分析模型系数：a、b、c、d ;
[0009] 步骤三：对于非自冷型变压器，通过对冷却器运行异常时油温实测值与理论计算 期望值之间分析比较，得到冷却器运行异常修正常量；
[0010] 步骤四：根据天气预报信息计算得到未来某日的人体舒适度预测值，并利用相似 日负荷预测模型，得到未来某日的变压器日负荷95概率预测值；
[0011] 步骤五：根据未来某日的日气温预测最大值、未来某日的变压器日负荷预测95概 率预测值、变压器基础油温数据，代入变压器油温线性回归分析模型计算得到未来某日内 的油温预测最大值，如变压器冷却系统工况异常（持续2天及以上），还应将未来某日内的 油温预测最大值与冷却器运行异常修正常量求代数和，得到最终变压器顶层油温预测值。
[0012] 所述步骤一包括如下步骤：
[0013] 步骤la :从EMS系统中获取全省所有油浸式变压器的历史油温和历史负荷数据， 并统计得到各主变压器的历史油温的最大值和历史负荷数据的95概率值；
[0014] 步骤lb :从气象信息系统中获取各市县的历史日气温最大统计值，并以市县区位 信息为主题将历史日气温最大统计值与各主变压器历史油温最大值、历史负荷95概率值 进行关联合并；
[0015] 步骤1C :从气象信息系统获取各市县的历史温度、历史湿度、历史风速数据，计算 各日的人体舒适度统计值，结合工作日、节假日、特殊日，以市县区位信息为主题将各日的 人体舒适度统计值与各主变压器历史负荷95概率统计值关联合并。
[0016] 所述步骤二包括如下步骤：
[0017] 步骤2a:抽取指定时间窗口内的历史日气温最大值、历史日油温最大值、历史 日负荷95概率值和基础油温值，剔除冷却系统工况异常日的记录，所述时间窗口设置为 45-90天，所述基础油温值设置为前一日油温最高值；
[0018] 步骤2b :利用最小二乘法，建立油温与气温、负荷、基础油温的线性回归分析模 型，变压器油温线性回归分析模型：0T = a*T+b*I+c*B0T+d ;
[0019] 步骤2c :将历史日气温最大值、历史日油温最大值、历史日负荷95概率值和基础 油温值代入线性回归分析模型，计算得到线性回归分析模型系数：a、b、c、d。
[0020] 所述步骤三包括如下步骤：
[0021] 步骤3a:对于非自冷型变压器，抽取冷却器运行异常日期内的数据，包括：气温最 大值、负荷95概率值、基础油温值；
[0022] 步骤3b :将上述数据代入变压器油温线性回归分析模型回归模型，计算得到当日 油温期望值，将当日油温期望值与当日实际油温值之间求差值，得到冷却器运行异常日修 正值，再求平均值，最终得到冷却器异常修正常量；
[0023] 步骤3c :对于自冷型变压器可直接跳过该步骤。
[0024] 所述步骤四包括如下步骤：
[0025] 步骤4a :根据未来某日的天气预报信息，抽取温度、湿度、风速、基准温度的数据；
[0026] 步骤4b :根据人体舒适度计算公式：DI=1. 8T+0. 55 (l-RH)-3. 2λ/?+ΤΝ,计算得 到未来某日人体舒适度预测值；
[0027] 步骤4c :提取未来某日之前的连续120个历史日的日类型、特殊日、日期距离、人 体舒适度值四个因素数据，代入相似日预测模型，根据公式：F = 计算出120 个历史日相对于未来某日相似度；
[0028] 步骤4d :取120个历史日相似度最大值的当日历史负荷95概率值，再求平均值， 得到历史负荷95概率值平均值即设置为未来某日变压器日负荷的95概率预测值。
[0029] 有益效果：本发明提供的基于多因素的油浸式变压器顶层油温预测方法，在油温、 气温、负荷等历史数据的基础上，建立油温线性回归模型，进而利用气温预报、负荷预测和 基础油温等数据进行油温预测，提供了一种简捷实用预测方法，为电网运行管理人员及时 了解变压器运行工况提供了参考依据。
【专利附图】
【附图说明】
[0030] 图1为本发明的结构示意图。
【具体实施方式】
[0031] 下面结合附图对本发明作更进一步的说明。
[0032] 如图1所示，一种基于多因素的油浸式变压器顶层油温预测方法，为了有效地运 用本方法，至少应保证具备某变压器两个月内完整的负荷、油温、冷却器运行工况及对应地 区的温度、湿度、风速等气象数据。本方法包括以下五个步骤：
[0033] 步骤一：历史数据抽取及统计。
[0034] 1)从EMS系统中获取全省所有油浸式变压器的油温和负荷数据，并统计得到各主 变的油温的最大值和负荷数据的95概率值。95概率值指将采样值按降序排序并剔除头5% 数据后的最大值。这里不使用负荷最大值，而使用95概率值的原因是：负荷曲线受某些突 发因素影响可能存在尖峰毛刺，95概率值可有效避开这些毛刺，从而更好地刻画了当日最 大负荷特性。
[0035] 2)从气象信息系统获取各市县的日气温最大统计值，并根据市县区位信息与各主 变油温最大值、负荷95概率值进行关联合并。关联合并指建立类似于关系型数据库中的 表，包含了变压器ID、日期、工作日信息、负荷统计值等，主键是变压器ID和日期，主要用于 方便后期分析时使用。
[0036] 3)从气象信息系统获取各市县的温度、湿度、风速等数据，计算各日的人体舒适度 统计值，结合工作日、节假日信息，根据区位信息与各主变负荷95概率统计值关联合并。人 体舒适度计算公式可参考以下论文：
[0037] 张伟.基于人体舒适度指数的配电网短期负荷预测方法，电力系统保护与控制， 2013, 41 (9)，74-79.具体计算方法如下：
[0038]
【权利要求】
1. 一种基于多因素的油浸式变压器顶层油温预测方法，其特征在于：包括如下步骤： 步骤一：抽取历史气温、历史油温、历史负荷、历史人体舒适度日统计值； 步骤二：根据历史气温、历史油温、历史负荷95概率值的日统计值，建立变压器油温线 性回归分析模型，并计算得到变压器油温线性回归分析模型系数：a、b、c、d ; 步骤三：对于非自冷型变压器，通过对冷却器运行异常时油温实测值与理论计算期望 值之间分析比较，得到冷却器运行异常修正常量； 步骤四：根据天气预报信息计算得到未来某日的人体舒适度预测值，并利用相似日负 荷预测模型，得到未来某日的变压器日负荷95概率预测值； 步骤五：根据未来某日的日气温预测最大值、未来某日的变压器日负荷预测95概率预 测值、变压器基础油温数据，代入变压器油温线性回归分析模型计算得到未来某日内的油 温预测最大值，如变压器冷却系统工况异常，还应将未来某日内的油温预测最大值与冷却 器运行异常修正常量求代数和，得到最终变压器顶层油温预测值。
2. 根据权利要求1所述的基于多因素的油浸式变压器顶层油温预测方法，其特征在 于：所述步骤一包括如下步骤： 步骤la :从EMS系统中获取全省所有油浸式变压器的历史油温和历史负荷数据，并统 计得到各主变压器的历史油温的最大值和历史负荷数据的95概率值； 步骤lb :从气象信息系统中获取各市县的历史日气温最大统计值，并以市县区位信息 为主题将历史日气温最大统计值与各主变压器历史油温最大值、历史负荷95概率值进行 关联合并； 步骤lc :从气象信息系统获取各市县的历史温度、历史湿度、历史风速数据，计算各日 的人体舒适度统计值，结合工作日、节假日、特殊日，以市县区位信息为主题将各日的人体 舒适度统计值与各主变压器历史负荷95概率统计值关联合并。
3. 根据权利要求1所述的基于多因素的油浸式变压器顶层油温预测方法，其特征在 于：所述步骤二包括如下步骤： 步骤2a:抽取指定时间窗口内的历史日气温最大值、历史日油温最大值、历史日负荷 95概率值和基础油温值，剔除冷却系统工况异常日的记录，所述时间窗口设置为45-90天， 所述基础油温值设置为前一日油温最高值； 步骤2b:利用最小二乘法，建立油温与气温、负荷、基础油温的线性回归分析模型，变 压器油温线性回归分析模型：〇T = a*T+b*I+c*BOT+d ; 步骤2c :将历史日气温最大值、历史日油温最大值、历史日负荷95概率值和基础油温 值代入线性回归分析模型，计算得到线性回归分析模型系数：a、b、c、d。
4. 根据权利要求1所述的基于多因素的油浸式变压器顶层油温预测方法，其特征在 于：所述步骤三包括如下步骤： 步骤3a :对于非自冷型变压器，抽取冷却器运行异常日期内的数据，包括：气温最大 值、负荷95概率值、基础油温值； 步骤3b :将上述数据代入变压器油温线性回归分析模型回归模型，计算得到当日油温 期望值，将当日油温期望值与当日实际油温值之间求差值，得到冷却器运行异常日修正量， 再求平均值，最终得到冷却器异常修正常量； 步骤3c :对于自冷型变压器可直接跳过该步骤。
5.根据权利要求1所述的基于多因素的油浸式变压器顶层油温预测方法，其特征在 于：所述步骤四包括如下步骤： 步骤4a :根据未来某日的天气预报信息，抽取温度、湿度、风速、基准温度的数据； 步骤4b :根据人体舒适度计算公式：DI=1. 8T+0. 55 (l-RH)-3. 2VV+TN,计算得到未 来某日人体舒适度预测值； 步骤4c :提取未来某日之前的连续120个历史日的日类型、特殊日、日期距离、人体舒 适度值四个因素数据，代入相似日预测模型，根据公式：F = 计算出120个历 史日相对于未来某日相似度； 步骤4d :取120个历史日相似度最大值的当日历史负荷95概率值，再求平均值，得到 历史负荷95概率值平均值即设置为未来某日变压器日负荷的95概率预测值。
【文档编号】G06Q50/06GK104299057SQ201410553382
【公开日】2015年1月21日 申请日期:2014年10月17日 优先权日:2014年10月17日
【发明者】陈锦铭, 郭雅娟, 李斌, 姜海涛, 黄伟, 郭静 申请人:国家电网公司, 江苏省电力公司, 江苏省电力公司电力科学研究院