热点温度计算方法、装置、计算机设备和存储介质与流程

1.本技术涉及电力系统技术领域，特别是涉及一种热点温度计算方法、装置、计算机设备和存储介质。


背景技术：

2.随着社会对于能源的需求量持续攀升，变压器对电力系统而言也愈发重要。电力变压器作为一种广泛应用于电力系统中的电力设备，是电能安全传输和经济分配的主要组成部分，对电力系统安全稳定运行起到至关重要的作用，其安全可靠运行是电力系统稳定运行的重要保证。然而，变压器在使用过程中，通常会发生一些故障，使得变压器的内容温度升高，如果不能及时确定变压器的内容温度，最终将造成变压器损坏，从而影响整个电力系统。
3.在传统技术中，通常使用红外热成像技术获取变压器表面的温度场，根据变压器表面的温度场确定变压器是否发生故障。
4.然而，上述传统技术中，传统的红外热成像技术只能反应变压器表面温度场，无法体现变压器内部热点温度分布，使用时具有一定的局限性。因此，不能准确确定变压器热点温度，进一步，不能准确确定变压器是否发生故障。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种热点温度计算方法、装置、计算机设备和存储介质，能够准确确定变压器热点温度，进一步，准确确定变压器是否发生故障。
6.第一方面，提供了一种热点温度计算方法，该方法包括：获取目标变压器的外壳对应的温度数据矩阵；基于目标变压器的内部结构以及传热方式，构建目标变压器对应的暂态热路模型；基于温度数据矩阵以及暂态热路模型，构建目标变压器中的各热点对应的温度微分方程；利用预设的算法求解各温度微分方程，得到目标变压器的各热点对应的温度。
7.在其中一个实施例中，获取目标变压器的外壳对应的温度数据矩阵，包括：获取目标变压器的外壳对应的红外热图像；对红外热图像进行预处理，得到温度数据矩阵。
8.在其中一个实施例中，对红外热图像进行预处理，得到温度数据矩阵，包括：利用加权平均法对红外热图像进行灰度处理，得到灰度处理后的灰度图像；利用邻域内灰度梯度去除灰度图像中的噪声点；对去除噪声点之后的灰度图像进行边缘检测，检测灰度图像中的目标变压器的外壳；根据目标变压器的外壳对应的灰度图像中各像素点对应的灰度值，计算各像素点对应的温度值；根据各像素点对应的温度值，得到温度数据矩阵。
9.在其中一个实施例中，基于温度数据矩阵以及暂态热路模型，构建目标变压器中的各热点对应的温度微分方程，包括：根据暂态热路模型的内部连接结构以及热流流动方向，计算暂态热路模型对应的热路参数；根据热路参数以及温度数据矩阵，构建目标变压器各热点对应温度微分方程。
10.在其中一个实施例中，根据热路参数以及温度数据矩阵，构建目标变压器各热点
对应温度微分方程，包括：基于预设温度数据库，确定温度数据矩阵是否正常；预设温度数据库中包括多种环境以及负载状态下，变压器在正常状态下对应的温度数据矩阵；若温度数据矩阵正常，则获取温度数据矩阵的中心列数据；根据中心列数据以及热路参数，构建目标变压器各热点对应温度微分方程。
11.在其中一个实施例中，利用预设的算法求解各温度微分方程，得到目标变压器的各热点对应的温度，包括：利用自适应步长的四阶runge
‑
kutta算法，对各温度微分方程进行迭代计算，得到各热点对应的温度。
12.在其中一个实施例中，利用自适应步长的四阶runge
‑
kutta算法，对各温度微分方程进行迭代计算，得到各热点对应的温度，包括：针对各温度微分方程，设定温度微分方程的初始化步长，并根据初始化步长进行多次迭代计算，得到各温度微分方程的初始结果；根据各初始结果，调整初始化步长，直至预设迭代预设次数之后；根据调整后的初始化步长，计算得到温度微分方程对应的热点的温度。
13.第二方面，提供了一种热点温度计算装置，该装置包括：
14.获取模块，用于获取目标变压器的外壳对应的温度数据矩阵；
15.第一构建模块，用于基于目标变压器的内部结构以及传热方式，构建目标变压器对应的暂态热路模型；
16.第二构建模块，用于基于温度数据矩阵以及暂态热路模型，构建目标变压器中的各热点对应的温度微分方程；
17.求解模块，用于利用预设的算法求解各温度微分方程，得到目标变压器的各热点对应的温度。
18.第三方面，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现如上述第一方面任一所述的热点温度计算方法。
19.第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面任一所述的热点温度计算方法。
20.上述热点温度计算方法方法、装置、计算机设备和存储介质，获取目标变压器的外壳对应的温度数据矩阵；基于目标变压器的内部结构以及传热方式，构建目标变压器对应的暂态热路模型；基于温度数据矩阵以及暂态热路模型，构建目标变压器中的各热点对应的温度微分方程；利用预设的算法求解各温度微分方程，得到目标变压器的各热点对应的温度。而不是直接将获取到的目标变压器的外壳对应的温度数据矩阵作为目标变压器的各热点温度。因此，上述方法，基于目标变压器的外壳对应的温度数据矩阵以及目标变压器对应的暂态热路模型，构建目标变压器中的各热点对应的温度微分方程，可以保证构建得到的各热点对应的温度微分方程的准确性。此外，利用预设的算法求解各温度微分方程，得到目标变压器的各热点对应的温度，可以保证计算得到的预设的算法求解各温度微分方程，得到目标变压器的各热点对应的温度的准确性，从而进一步保证可以准确确定目标变压器是否发生故障。
附图说明
21.图1为一个实施例中热点温度计算方法的流程示意图；
22.图2为一个实施例中热点温度计算方法中的暂态热路模型示意图；
23.图3为一个实施例中热点温度计算步骤的流程示意图；
24.图4为另一个实施例中热点温度计算方法的流程示意图；
25.图5为另一个实施例中热点温度计算方法的流程示意图；
26.图6为另一个实施例中热点温度计算方法的流程示意图；
27.图7为另一个实施例中热点温度计算方法的流程示意图；
28.图8为另一个实施例中热点温度计算方法中热点温度响应曲线示意图；
29.图9为另一个实施例中热点温度计算方法的流程示意图；
30.图10为一个实施例中热点温度计算装置的结构框图；
31.图11为一个实施例中热点温度计算装置的结构框图；
32.图12为一个实施例中热点温度计算装置的结构框图；
33.图13为一个实施例中计算机设备为服务器时的内部结构图；
34.图14为一个实施例中计算机设备为终端时的内部结构图。
具体实施方式
35.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
36.需要说明的是，本技术实施例提供的热点温度计算的方法，其执行主体可以是热点温度计算的装置，该热点温度计算的装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部，其中，该计算机设备可以是服务器或者终端，其中，本技术实施例中的服务器可以为一台服务器，也可以为由多台服务器组成的服务器集群，本技术实施例中的终端可以是智能手机、个人电脑、平板电脑、可穿戴设备、儿童故事机以及智能机器人等其他智能硬件设备。下述方法实施例中，均以执行主体是计算机设备为例来进行说明。
37.在本技术一个实施例中，如图1所示，提供了一种热点温度计算方法，以该方法应用于计算机设备为例进行说明，包括以下步骤：
38.步骤101，计算机设备获取目标变压器的外壳对应的温度数据矩阵。
39.可选的，计算机设备可以接收其他设备发送的目标变压器的外壳对应的温度数据矩阵。
40.可选的，计算机设备还可以利用传感器获取目标变压器的外壳的温度，然后根据获取到的目标变压器的外壳的温度生成目标变压器的外壳对应的温度数据矩阵。
41.步骤102，计算机设备基于目标变压器的内部结构以及传热方式，构建目标变压器对应的暂态热路模型。
42.具体地，计算机设备可以获取到目标变压器的内部结构，其中，目标变压器内部结构包括内部铁芯以及绕组的几何结构。计算机设备在获取到目标变压器的内部结构以后，可以根据内部结构的传热方式，以目标变压器单匝线圈为计算单元，以目标变压器外壳局部热点区域温度分布作为边界条件，构建目标变压器局部热点区域网格化的暂态热路模型。如图2所示为目标变压器的暂态热路模型的示意图。
43.步骤103，计算机设备基于温度数据矩阵以及暂态热路模型，构建目标变压器中的
各热点对应的温度微分方程。
44.具体地，计算机设备在构建完成目标变压器的暂态热路模型之后，可以根据暂态热路模型中热流流动的方式确定目标变压器中的各热点的位置，并根据热电类比理论以及目标变压器的外壳对应的温度数据矩阵，构建目标变压器中的各热点对应的温度微分方程。
45.步骤104，计算机设备利用预设的算法求解各温度微分方程，得到目标变压器的各热点对应的温度。
46.具体地，计算机设备在构建完成目标变压器中的各热点对应的温度微分方程之后，计算机设备可以利用预设的算法求解各温度微分方程。其中，预设的算法可以是基于神经网络构建的预设算法，也可以是基于最优化理论构建的预设算法，本技术实施例对预设的算法不做具体限定。
47.计算机设备在构建完预设的算法之后，可以利用预设的算法求解各微分方程，得到目标变压器的各热点对应的温度。
48.上述热点温度计算方法中，获取目标变压器的外壳对应的温度数据矩阵；基于目标变压器的内部结构以及传热方式，构建目标变压器对应的暂态热路模型；基于温度数据矩阵以及暂态热路模型，构建目标变压器中的各热点对应的温度微分方程；利用预设的算法求解各温度微分方程，得到目标变压器的各热点对应的温度。而不是直接将获取到的目标变压器的外壳对应的温度数据矩阵作为目标变压器的各热点温度。因此，上述方法，基于目标变压器的外壳对应的温度数据矩阵以及目标变压器对应的暂态热路模型，构建目标变压器中的各热点对应的温度微分方程，可以保证构建得到的各热点对应的温度微分方程的准确性。此外，利用预设的算法求解各温度微分方程，得到目标变压器的各热点对应的温度，可以保证计算得到的预设的算法求解各温度微分方程，得到目标变压器的各热点对应的温度的准确性，从而进一步保证可以准确确定目标变压器是否发生故障。
49.在本技术一个实施例中，如图3所示，上述步骤101中的“获取目标变压器的外壳对应的温度数据矩阵”，可以包括以下步骤：
50.步骤301，计算机设备获取目标变压器的外壳对应的红外热图像。
51.具体地，计算机设备可以通过红外热像仪采集目标变压器外壳对应的红外热图像。将红外热像仪装设在正对目标变压器外壳的中心处，红外热像仪与目标变压器左右两边界距离相等，且与目标变压器上下两边界相等，使红外热像仪能完整拍摄正对红外热像仪的目标变压器外壳的红外热图像。然后，红外热像仪通过与计算机设备之间的网络连接或者有线连接将红外热图像发送至计算机设备。
52.步骤302，计算机设备对红外热图像进行预处理，得到温度数据矩阵。
53.具体地，计算机设备在获取到红外热图像之后，可以对红外热图像进行预处理。其中，预处理可以包括但不限于对红外热图像进行灰度处理，对红外热图像进行去噪处理，对红外热图像进行感兴趣区域识别处理等。
54.计算机设备对红外热图像进行预处理之后，根据预处理后的红外热图像得到温度数据矩阵。
55.本技术实施例中，通过获取目标变压器的外壳对应的红外热图像；对红外热图像进行预处理，得到温度数据矩阵，能够达到保证得到的温度数据矩阵准确，且能够表征目标
变压器外壳的温度。
56.在本技术一个实施例中，如图4所示，上述步骤302中的“对红外热图像进行预处理，得到温度数据矩阵”可以包括以下步骤：
57.步骤401，计算机设备利用加权平均法对红外热图像进行灰度处理，得到灰度处理后的灰度图像。
58.具体地，计算机设备可以对获取到的红外热图像进行灰度处理，采用加权平均法将红外热图像转换为灰度图像。计算机设备可以利用如下公式将红外热图像各像素点红色、绿色、蓝色分量值加权计算该像素点灰度值：
59.i(g
ij
)＝a1r(f
ij
)+a2g(f
ij
)+a3b(f
ij
)；
60.a1+a2+a3＝1；
61.式中，g
ij
为灰度图像第i行，第j列像素点，f
ij
为红外热图像第i行，第j列像素点，i为像素点灰度值，r、g、b分别为像素点红色、绿色、蓝色分量值，a1、a2、a3为加权权重，其中，可选的，a1＝0.3，a2＝0.6，a3＝0.1。其中，a1、a2、a3的数值可以根据实际情况确定，本技术实施例对a1、a2、a3的数值不做具体限定。
62.步骤402，计算机设备利用邻域内灰度梯度去除灰度图像中的噪声点。
63.具体地，计算机设备可以计算灰度图像中各像素点g
ij
邻域内各方向的灰度梯度gardi
k
：
[0064][0065]
式中，n
k
为像素点g
ij
邻域内的方向矢量。
[0066]
计算机设备可以将计算得到的灰度梯度gardi
k
与第一设定阈值ε1进行比较，并通过对比结果判断灰度图像中各像素点是否为噪声。
[0067]
具体地，若灰度图像中的像素点g
ij
邻域内各方向的灰度梯度gardi
k
均大于第一设定阈值ε1，即：
[0068]
gardi
k
>ε1，k＝1,2,
…
,8；
[0069]
则判定该像素点为噪声点，并以该邻域内其他像素点灰度值的算数平均数将i(g
ij
)替换为i(g’ij
)：其中，ε1可以根据实际情况进行设定，本技术实施例对第一预设阈值不做具体限定。
[0070][0071]
式中，i(g
kij
)为像素点g
ij
邻域内各方向的灰度值。
[0072]
步骤403，计算机设备对去除噪声点之后的灰度图像进行边缘检测，检测灰度图像中的目标变压器的外壳。
[0073]
具体地，计算机设备在对去除灰度图像中的噪声之后，可以利用预设的检测算法对去除噪声点的灰度图像进行边缘检测。其中，预设的算法可以是边缘检测算法，也可以是其他算法。其中，边缘检测算法可以包括边缘算子法、曲面拟合法、模板匹配法、门限化法、基于数学形态学的边缘检测、小波变换和小波包变换的边缘检测法、基于模糊理论的边缘检测法、基于神经网络的边缘检测法、基于分形几何的边缘检测算法等。本技术对预设的算
法不做具体限定。
[0074]
计算机设备在对灰度图像进行边缘检测，检测得到灰度图像中的目标变压器外壳的轮廓之后，计算机设备可以将灰度图像在目标变压器外壳轮廓内部的像素点g
ij
组成目标变压器外壳灰度矩阵g，像素点g
ij
的灰度值为g
ij
，即为该矩阵元素对应的值：
[0075][0076]
步骤404，计算机设备根据目标变压器的外壳对应的灰度图像中各像素点对应的灰度值，计算各像素点对应的温度值。
[0077]
具体地，计算机设备在获取到目标变压器的外壳对应的灰度图像中各像素点对应的灰度值之后，计算机设备可以根据最大灰度值g
max
设定最大灰度值对应的最高温度t
max
以及最小灰度值g
min
对应的最低温度t
min
。
[0078]
计算机设备获取到最大灰度值g
max
所对应的最高温度t
max
以及最小灰度值g
min
所对应的最小温度t
min
之后，计算机设备获取灰度图像中的各像素点g
ij
的灰度值g
ij
对应的温度值t
ij
为：
[0079][0080]
步骤405，计算机设备根据各像素点对应的温度值，得到温度数据矩阵。
[0081]
具体地，计算机设备在获取到各像素点对应的温度值之后，根据各像素点对应的温度值，获取变压器外壳温度数据矩阵t。
[0082][0083]
在本技术实施了中，计算机设备利用加权平均法对红外热图像进行灰度处理，得到灰度处理后的灰度图像；利用邻域内灰度梯度去除灰度图像中的噪声点；对去除噪声点之后的灰度图像进行边缘检测，检测灰度图像中的目标变压器的外壳；根据目标变压器的外壳对应的灰度图像中各像素点对应的灰度值，计算各像素点对应的温度值；根据各像素点对应的温度值，得到温度数据矩阵。从而可以保证计算得到的温度数据矩阵中不包括除目标变压器外壳之后的温度数据，且噪声较少，从而保证了计算得到的温度数据矩阵准确。
[0084]
在本技术一个实施例中，如图5所示，上述步骤103中的“基于温度数据矩阵以及暂态热路模型，构建目标变压器中的各热点对应的温度微分方程”，可以包括以下步骤：
[0085]
步骤501，计算机设备根据暂态热路模型的内部连接结构以及热流流动方向，计算暂态热路模型对应的热路参数。
[0086]
具体地，计算机设备以暂态热路模型中的单匝线圈为计算单元，计算各匝线圈、周边匝间绝缘以及铁芯等部件的温度。根据热电类比理论，单匝线圈的负载损耗等效为输出电流为q1的直流电流源，负载损耗在绕组内部的传递通过固体传导热阻rs和固体热容cs来
等效，传递至绕组表面的热量以对流传热的形式继续传递，由外部流体对流热阻rl来等效。将铁芯划分为与线圈尺寸相同的热路网格，铁芯单元的空载损耗等效为输出电流为q2的直流电流源，空载损耗在铁芯内部的传递通过固体传导热阻rs和固体热容cs来等效，传递至铁芯表面的热量以对流传热的形式继续传递，由外部流体对流热阻rl来等效。暂态热路模型边界节点温度由变压器外壳边界温度数据矩阵确定，等效为输出电压与节点温度值相等的直流电压源。
[0087]
计算机设备考虑线圈与绝缘等材料的非线性热阻以及热容，计算变压器暂态热路模型对应的热路参数。其中，固体传导热阻r
s
由傅立叶定律推知：
[0088][0089]
其中，δ为线圈厚度，a为有效传热面积，λ导热率。
[0090]
空气的对流热阻r
l
由牛顿冷却方程得出：
[0091][0092]
其中，a为有效传热面积，h为对流换热系数，h应用相似原理，借助无量纲量求取：
[0093][0094]
式中，l为特征尺寸，nu为努塞特数，通过瑞利判据r
a
判断流体的运动状态，瑞利数的计算公式为。
[0095][0096]
式中，g
r*
为修正后的格拉晓夫数，p
r
为普朗特数，g为重力加速度，β为气体膨胀系数，q
w
为绕组热流密度，ν为空气运动粘度，α为热扩散系数。
[0097]
水平流固边界努塞特数的计算式：
[0098][0099]
竖直流固边界努塞特数的计算式：
[0100][0101]
热容表征介质材料储存热量以及充放热的性能：
[0102]
c
th
＝mc
p
＝ρvc
p
；
[0103]
式中，c
p
为比热容，热流q为线圈或铁芯单元产生的损耗：
[0104][0105]
式中，q为总损耗，n代表n匝线圈，m代表m段线圈。
[0106]
步骤502，计算机设备根据热路参数以及温度数据矩阵，构建目标变压器各热点对
应温度微分方程。
[0107]
具体地，在计算得到热路参数以及温度数据矩阵之后，计算机设备可以根据各热路参数之间的的关系以及各热路参数与温度数据矩阵之间的关系，构建目标变压器各热点对应温度微分方程。
[0108]
在本技术实施例中，计算机设备根据暂态热路模型的内部连接结构以及热流流动方向，计算暂态热路模型对应的热路参数；根据热路参数以及温度数据矩阵，构建目标变压器各热点对应温度微分方程。从而可以保证计算得到的目标变压器各热点对应温度微分方程的准确性。
[0109]
在本技术一个实施例中，如图6所示，上述步骤502中的“根据热路参数以及温度数据矩阵，构建目标变压器各热点对应温度微分方程”，可以包括以下步骤：
[0110]
步骤601，计算机设备基于预设温度数据库，确定温度数据矩阵是否正常。
[0111]
其中，预设温度数据库中包括多种环境以及负载状态下，变压器在正常状态下对应的温度数据矩阵。
[0112]
具体地，计算机设备可以确定对目标变压器各热点的温度影响最大的因素为环境温度以及负载系数，计算机设备获取目标变压器在正常运行时不同环境温度以及不同负载系数下的温度数据矩阵t’，并建立相应预设温度数据库。
[0113]
示例性的，计算机设备可以获取目标变压器在环境温度为20℃，额定负载下运行的目标变压器红外热图像，并经过预处理后得到环境温度为20℃，额定负载下对应的温度数据矩阵t，计算机设备将温度数据矩阵t与环境温度为20℃、额定负载下目标变压器正常运行时温度数据矩阵t’进行比对，从而确定温度数据矩阵是否正常。
[0114]
可选的，计算机设备可以将温度数据矩阵t中的各元素的温度值与温度数据矩阵t’对应位置各元素的温度值作差，并计算各元素温度差值的模|δgij|，且|δgij|小于第二设定阈值ε2，即：
[0115][0116]
计算机设备确定温度数据矩阵正常。其中，ε2可以根据实际情况进行设定，本技术实施例对第二预设阈值不做具体限定。
[0117]
若|δgij|不小于第二设定阈值ε2，则计算机设备确定温度数据矩阵异常。
[0118]
步骤602，若温度数据矩阵正常，则计算机设备获取温度数据矩阵的中心列数据。
[0119]
具体地，在温度数据矩阵正常的情况下，由于中心列数据对应的温度最高，最能反正目标变压器的外壳的温度，因此计算机设备获取温度数据矩阵中心列的温度数据，作为列矩阵α，将提取得到的列矩阵α作为暂态热路模型的温度边界条件。
[0120]
可选的，在温度数据矩阵异常的情况下，计算机设备分别获取温度数据矩阵的中心列和异常列的数据。将中心列的数据作为暂态热路模型的温度边界条件，将异常列的数据作为暂态热路模型的温度异常条件。
[0121]
步骤603，计算机设备根据中心列数据以及热路参数，构建目标变压器各热点对应温度微分方程。
[0122]
具体地，在温度数据矩阵正常的情况下，计算机设备根据中心列数据以及热路参数，构建目标变压器各热点对应温度微分方程。计算机设备将计算所得热路参数中的热阻、
热容、热流代入目标变压器局部热点区域对应的暂态热路模型，若目标变压器热点位于绕组第i行第j列线圈，则该匝线圈及其周边匝间绝缘温度节点的微分方程组通过基尔霍夫定律表示为：
[0123][0124]
式中，t
i,j
为线圈温度，t
i,j,1/2/3/4
为匝间绝缘温度，r
s,i,j,1/2/3/4
为传导热阻，r
l,j,t/b
、r
l,i,l/r
为对流热阻，c
cu,i,j
为线圈热容，c
s,i,j,1/2/3/4
为绝缘热容；且i＝1,2,
…
,m为线圈段数，j＝1,2,
…
,n为线圈匝数，1/2/3/4表示为四个方向，t/b表示线圈顶部/底部，l/r表示线圈左侧/右侧。根据热电类比理论列写线圈、匝间绝缘以及铁芯各温度节点的微分方程组。
[0125]
其中，t
i,j
为线圈温度数据即为温度数据矩阵的中心列的数据，计算机设备将温度数据矩阵中心列的数据带入各微分方程组中，计算得到目标变压器中各热点的温度。
[0126]
具体地，在温度数据矩阵正常的情况下，计算机设备分别将温度数据矩阵的中心列以及异常列的数据分别代入到各微分方程组中，计算得到中心列数据对应的目标变压器中各热点的温度以及异常列对应的目标变压器中各热点的温度，将中心列数据对应的目标变压器中各热点的温度与异常列对应的目标变压器中各热点的温度进行对比，确定目标变压器温度数据矩阵发生异常的原因。
[0127]
在本技术实施例中，计算机设备基于预设温度数据库，确定温度数据矩阵是否正常；预设温度数据库中包括多种环境以及负载状态下，变压器在正常状态下对应的温度数据矩阵；若温度数据矩阵正常，则获取温度数据矩阵的中心列数据；根据中心列数据以及热路参数，构建目标变压器各热点对应温度微分方程。从而使得构建得到的目标变压器各热点对应的温度微分方程的准确性。
[0128]
在本技术实施例中，上述步骤104中的“利用预设的算法求解各温度微分方程，得到目标变压器的各热点对应的温度”，可以包括以下内容：
[0129]
计算机设备利用自适应步长的四阶runge
‑
kutta算法，对各温度微分方程进行迭代计算，得到各热点对应的温度。
[0130]
具体地，计算机设备利用自适应步长的四阶龙格
‑
库塔(runge
‑
kutta)算法，对各温度微分方程进行迭代计算，得到各热点对应的温度。其中，龙格
‑
库塔(runge
‑
kutta)方法
是一种在工程上应用广泛的高精度单步算法。由于此算法精度高，采取措施对误差进行抑制，所以其实现原理也较复杂。该算法是构建在数学支持的基础之上的。龙格
‑
库塔法具有精度高，收敛，稳定(在一定条件下)，计算过程中可以改变步长，不需要计算高阶导数等优点。
[0131]
因此，在本技术实施例中，计算机设备利用自适应步长的四阶runge
‑
kutta算法，通过在计算过程中改变步长，计算得到各热点对应的温度。
[0132]
在本技术实施例中，利用自适应步长的四阶runge
‑
kutta算法，对各温度微分方程进行迭代计算，得到各热点对应的温度。保证了计算得到的各热点温度的准确性。
[0133]
在本技术一个实施例中，如图7所示，上述“利用自适应步长的四阶runge
‑
kutta算法，对各温度微分方程进行迭代计算，得到各热点对应的温度”可以包括以下步骤：
[0134]
步骤701，针对各温度微分方程，计算机设备设定温度微分方程的初始化步长，并根据初始化步长进行多次迭代计算，得到各温度微分方程的初始结果。
[0135]
具体地，针对各温度微分方程，计算机设备可以根据实际需求设定温度微分方程的初始化步长，其中，初始化步长可以是0.5，也可是是0.2，本技术实施例对初始化步长不做具体限定。
[0136]
计算机设备在设定了初始步长之后，可以根据设定的初始步长，利用四阶runge
‑
kutta算法进行预设次数迭代计算，得到各温度微分方程的初始结果。其中，预设次数可以根据实际需求设定，预设次数可以是几十次、也可以是几百次，本技术实施对预设次数不做具体限定。
[0137]
示例性的，计算机设备设定初始迭代步长h＝0.2，通过四阶runge
‑
kutta方法对微分方程迭代计算m＝25步，得到迭代前25步的计算结果：y(1),y(2),
…
,y(25)。
[0138]
步骤702，计算机设备根据各初始结果，调整初始化步长，直至预设迭代预设次数之后。
[0139]
具体地，计算机设备对各初始结果进行微分计算，确定各初始结果的变化率，然后计算机设备根据各初始结果的变化率调整初始化步长。
[0140]
示例性的，预设次数为25次，计算机设备计算前25步迭代结果微分的变化率，即二阶导数：
[0141][0142]
分别定义函数微分变化率的阈值ε3、ε4，其中0<ε3<ε4，则初始迭代步长h进行自适应调整：
[0143][0144]
更新迭代步长h’后，继续计算25步，计算得到迭代第26至50步的结果，并计算第26至50步迭代结果的微分变化率。以此类推每计算25步，求解本次计算结果微分变化率，并不断更新迭代计算的步长，满足迭代步长h随函数线性度能自适应变化，不断寻取迭代计算最优步长。
[0145]
其中，变化率的阈值ε3、ε4可以根据实际情况确定，本技术实施例对变化率的阈值ε3、ε4不做具体限定。
[0146]
步骤703，计算机设备根据调整后的初始化步长，计算得到温度微分方程对应的热点的温度。
[0147]
具体地，在完成对初始化步长的调整之后，根据调整后的初始化步长计算得到温度微分方程对应的热点的温度。计算机设备对比各节点暂态温度变化趋势，获取目标变压器的热点所在位置。
[0148]
示例性的，计算机设备可以对比各节点暂态温度变化趋势，获取目标变压器的热点所在位置为目标变压器低压绕组中心处第4组铜箔，距离低压绕组底部高度87％处。
[0149]
如图8所示，为目标变压器热点温度响应曲线，如图8可知，此处当前热点温度为91.7℃，若保持当前运行条件不变，可估计得到目标变压器热点温度将上升至122.3℃。
[0150]
在本技术实施例中，针对各温度微分方程，计算机设备设定温度微分方程的初始化步长，并根据初始化步长进行多次迭代计算，得到各温度微分方程的初始结果；根据各初始结果，调整初始化步长，直至预设迭代预设次数之后；根据调整后的初始化步长，计算得到温度微分方程对应的热点的温度。从而可以精确计算得到目标变压器各热点的温度，并根据各热点的温度，可预先发现目标变压器内部发热缺陷，更好地实现变压器状态检修，提升目标变压器工作性能。
[0151]
为了更好地说明本技术提供的热点温度计算方法，本技术实施例提供了一种热点温度计算方法的整体流程图，具体如下：
[0152]
步骤901，计算机设备获取目标变压器的外壳对应的红外热图像。
[0153]
步骤902，计算机设备利用加权平均法对红外热图像进行灰度处理，得到灰度处理后的灰度图像。
[0154]
步骤903，计算机设备利用邻域内灰度梯度去除灰度图像中的噪声点。
[0155]
步骤904，计算机设备对去除噪声点之后的灰度图像进行边缘检测，检测灰度图像中的目标变压器的外壳。
[0156]
步骤905，计算机设备根据目标变压器的外壳对应的灰度图像中各像素点对应的灰度值，计算各像素点对应的温度值。
[0157]
步骤906，计算机设备根据各像素点对应的温度值，得到温度数据矩阵。
[0158]
步骤907，计算机设备基于目标变压器的内部结构以及传热方式，构建目标变压器对应的暂态热路模型。
[0159]
步骤908，计算机设备根据暂态热路模型的内部连接结构以及热流流动方向，计算暂态热路模型对应的热路参数。
[0160]
步骤909，计算机设备基于预设温度数据库，确定温度数据矩阵是否正常。
[0161]
步骤910，若温度数据矩阵正常，则计算机设备获取温度数据矩阵的中心列数据。
[0162]
步骤911，计算机设备根据中心列数据以及热路参数，构建目标变压器各热点对应温度微分方程。
[0163]
步骤912，针对各温度微分方程，计算机设备设定温度微分方程的初始化步长，并根据初始化步长进行多次迭代计算，得到各温度微分方程的初始结果。
[0164]
步骤913，计算机设备根据各初始结果，调整初始化步长，直至预设迭代预设次数
之后。
[0165]
步骤914，计算机设备根据调整后的初始化步长，计算得到温度微分方程对应的热点的温度。
[0166]
应该理解的是，虽然图1、图3
‑
7以及图9的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1、图3
‑
7以及图9中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0167]
在本技术一个实施例中，如图10所示，提供了一种热点温度计算装置1000，包括：获取模块1010、第一构建模块1020、第二构建模块1030和求解模块1040，其中：
[0168]
获取模块1010，用于获取目标变压器的外壳对应的温度数据矩阵。
[0169]
第一构建模块1020，用于基于目标变压器的内部结构以及传热方式，构建目标变压器对应的暂态热路模型。
[0170]
第二构建模块1030，用于基于温度数据矩阵以及暂态热路模型，构建目标变压器中的各热点对应的温度微分方程。
[0171]
求解模块1040，用于利用预设的算法求解各温度微分方程，得到目标变压器的各热点对应的温度。
[0172]
在本技术一个实施例中，如图11所示，上述获取模块1010，包括：获取单元1011和预处理单元1012，其中：
[0173]
获取单元1011，用于获取目标变压器的外壳对应的红外热图像。
[0174]
预处理单元1012，用于对红外热图像进行预处理，得到温度数据矩阵。
[0175]
在本技术一个实施例中，上述预处理单元，具体用于利用加权平均法对红外热图像进行灰度处理，得到灰度处理后的灰度图像；利用邻域内灰度梯度去除灰度图像中的噪声点；对去除噪声点之后的灰度图像进行边缘检测，检测灰度图像中的目标变压器的外壳；根据目标变压器的外壳对应的灰度图像中各像素点对应的灰度值，计算各像素点对应的温度值；根据各像素点对应的温度值，得到温度数据矩阵。
[0176]
在本技术一个实施例中，如图12所示，上述第二构建模块1030，包括：计算单元1031和构建单元1032，其中：
[0177]
计算单元1031，用于根据暂态热路模型的内部连接结构以及热流流动方向，计算暂态热路模型对应的热路参数。
[0178]
构建单元1032，用于根据热路参数以及温度数据矩阵，构建目标变压器各热点对应温度微分方程。
[0179]
在本技术一个实施例中，上述构建单元1032，具体用于基于预设温度数据库，确定温度数据矩阵是否正常；预设温度数据库中包括多种环境以及负载状态下，变压器在正常状态下对应的温度数据矩阵；若温度数据矩阵正常，则获取温度数据矩阵的中心列数据；根据中心列数据以及热路参数，构建目标变压器各热点对应温度微分方程。
[0180]
在本技术一个实施例中，上述求解模块1040，具体用于利用自适应步长的四阶
runge
‑
kutta算法，对各温度微分方程进行迭代计算，得到各热点对应的温度。
[0181]
在本技术一个实施例中，上述求解模块1040，具体用于针对各温度微分方程，设定温度微分方程的初始化步长，并根据初始化步长进行多次迭代计算，得到各温度微分方程的初始结果；根据各初始结果，调整初始化步长，直至预设迭代预设次数之后；根据调整后的初始化步长，计算得到温度微分方程对应的热点的温度。
[0182]
关于热点温度计算装置的具体限定可以参见上文中对于热点温度计算方法的限定，在此不再赘述。上述热点温度计算装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0183]
在本技术一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，当该计算机设备为服务器时，其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储热点温度计算数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种热点温度计算方法。
[0184]
在本技术一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，当该计算机设备为终端时，其内部结构图可以如图14所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种热点温度计算方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0185]
本领域技术人员可以理解，图13和图14中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0186]
在本技术一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：获取目标变压器的外壳对应的温度数据矩阵；基于目标变压器的内部结构以及传热方式，构建目标变压器对应的暂态热路模型；基于温度数据矩阵以及暂态热路模型，构建目标变压器中的各热点对应的温度微分方程；利用预设的算法求解各温度微分方程，得到目标变压器的各热点对应的温度。
[0187]
在本技术一个实施例中，处理器执行计算机程序时还实现以下步骤：获取目标变
压器的外壳对应的红外热图像；对红外热图像进行预处理，得到温度数据矩阵。
[0188]
在本技术一个实施例中，处理器执行计算机程序时还实现以下步骤：利用加权平均法对红外热图像进行灰度处理，得到灰度处理后的灰度图像；利用邻域内灰度梯度去除灰度图像中的噪声点；对去除噪声点之后的灰度图像进行边缘检测，检测灰度图像中的目标变压器的外壳；根据目标变压器的外壳对应的灰度图像中各像素点对应的灰度值，计算各像素点对应的温度值；根据各像素点对应的温度值，得到温度数据矩阵。
[0189]
在本技术一个实施例中，处理器执行计算机程序时还实现以下步骤：根据暂态热路模型的内部连接结构以及热流流动方向，计算暂态热路模型对应的热路参数；根据热路参数以及温度数据矩阵，构建目标变压器各热点对应温度微分方程。
[0190]
在本技术一个实施例中，处理器执行计算机程序时还实现以下步骤：基于预设温度数据库，确定温度数据矩阵是否正常；预设温度数据库中包括多种环境以及负载状态下，变压器在正常状态下对应的温度数据矩阵；若温度数据矩阵正常，则获取温度数据矩阵的中心列数据；根据中心列数据以及热路参数，构建目标变压器各热点对应温度微分方程。
[0191]
在本技术一个实施例中，处理器执行计算机程序时还实现以下步骤：利用自适应步长的四阶runge
‑
kutta算法，对各温度微分方程进行迭代计算，得到各热点对应的温度。
[0192]
在本技术一个实施例中，处理器执行计算机程序时还实现以下步骤：针对各温度微分方程，设定温度微分方程的初始化步长，并根据初始化步长进行多次迭代计算，得到各温度微分方程的初始结果；根据各初始结果，调整初始化步长，直至预设迭代预设次数之后；根据调整后的初始化步长，计算得到温度微分方程对应的热点的温度。
[0193]
在本技术一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取目标变压器的外壳对应的温度数据矩阵；基于目标变压器的内部结构以及传热方式，构建目标变压器对应的暂态热路模型；基于温度数据矩阵以及暂态热路模型，构建目标变压器中的各热点对应的温度微分方程；利用预设的算法求解各温度微分方程，得到目标变压器的各热点对应的温度。
[0194]
在本技术一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取目标变压器的外壳对应的红外热图像；对红外热图像进行预处理，得到温度数据矩阵。
[0195]
在本技术一个实施例中，计算机程序被处理器执行时还实现以下步骤：利用加权平均法对红外热图像进行灰度处理，得到灰度处理后的灰度图像；利用邻域内灰度梯度去除灰度图像中的噪声点；对去除噪声点之后的灰度图像进行边缘检测，检测灰度图像中的目标变压器的外壳；根据目标变压器的外壳对应的灰度图像中各像素点对应的灰度值，计算各像素点对应的温度值；根据各像素点对应的温度值，得到温度数据矩阵。
[0196]
在本技术一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据暂态热路模型的内部连接结构以及热流流动方向，计算暂态热路模型对应的热路参数；根据热路参数以及温度数据矩阵，构建目标变压器各热点对应温度微分方程。
[0197]
在本技术一个实施例中，计算机程序被处理器执行时还实现以下步骤：基于预设温度数据库，确定温度数据矩阵是否正常；预设温度数据库中包括多种环境以及负载状态下，变压器在正常状态下对应的温度数据矩阵；若温度数据矩阵正常，则获取温度数据矩阵的中心列数据；根据中心列数据以及热路参数，构建目标变压器各热点对应温度微分方程。
[0198]
在本技术一个实施例中，计算机程序被处理器执行时还实现以下步骤：利用自适
应步长的四阶runge
‑
kutta算法，对各温度微分方程进行迭代计算，得到各热点对应的温度。
[0199]
在本技术一个实施例中，计算机程序被处理器执行时还实现以下步骤：针对各温度微分方程，设定温度微分方程的初始化步长，并根据初始化步长进行多次迭代计算，得到各温度微分方程的初始结果；根据各初始结果，调整初始化步长，直至预设迭代预设次数之后；根据调整后的初始化步长，计算得到温度微分方程对应的热点的温度。
[0200]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read
‑
only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
[0201]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0202]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。