1.一种电力变压器顶层油温区间预测方法,其特征是:包括以下步骤:
(1)采集电力变压器的负载电流、环境温度和顶层油温,形成原始实测数据集;
(2)利用Bootstrap方法对原始实测数据集进行多次有放回地随机采样,形成多组随机数据集;
(3)对随机数据集进行归一化处理,并将每一组随机数据集作为一个核极限学习机模型的训练集,并对核极限学习机进行训练;
(4)利用每一个训练好的核极限学习机模型分别对原始实测数据集进行预测,形成多个预测输出,求解其平均值与方差;
(5)根据预测输出,形成新的核极限学习机模型,对顶层油温观测噪声方差进行逼近;
(6)获取验证核极限学习机模型的输入数据,形成验证集,对验证集进行归一化处理,以每一个训练好的核极限学习机模型对验证集进行预测,求解其平均值与方差;
(7)利用新的核极限学习机模型对验证集顶层油温观测噪声方差进行预测,计算在设定的置信水平上的预测区间,并对预测结果进行反归一化处理。
2.如权利要求1所述的一种电力变压器顶层油温区间预测方法,其特征是:所述步骤(1)中,所述原始实测数据集包括若干数据对,每个数据对包括输入数据和目标数据,输入数据为当前时刻变压器的负载电流和环境温度,以及前两个采样时刻变压器的负载电流、环境温度和顶层油温所组成的向量;目标数据为当前时刻的变压器顶层油温实测值。
3.如权利要求1所述的一种电力变压器顶层油温区间预测方法,其特征是:所述步骤(2)中,采用Bootstrap方法对原始数据集进行L次的有放回地随机采样,最终得到L组数据集。
4.如权利要求1所述的一种电力变压器顶层油温区间预测方法,其特征是:所述步骤(2)中,每次采集样本数与原始数据集样本数据对的数目相同。
5.如权利要求1所述的一种电力变压器顶层油温区间预测方法,其特征是:所述步骤(3)中,核极限学习机模型的训练方法具体如下:训练样本为D={(xn,yn),n=1,2…N},输入数据xn和目标数据yn,按照下式求出核极限学习机模型隐藏层和输出层的连接权重β:
其中,I为对角矩阵,C为惩罚系数,y输出目标向量,y=[y1,y2,...,yn]T,n=1,2...N,K(xi,xj)为核函数,设定为RBF核:
K(xi,xj)=exp(-γ||xi,xj||2)
其中,γ>0,为核参数,||xi-xj||为欧式范数。
6.如权利要求1所述的一种电力变压器顶层油温区间预测方法,其特征是:所述步骤(5)中,构造新的训练集Dnew={(xn,r2(xn)),n=1,2...N},其中残差r2(xn)如下式所示:
其中,当第n个数据点{xn,yn}在Bootstrap采样得到的第l个训练集Dl中时,qbn=0;反之,qbn=1,第L+1个核极限学习机模型的预测输出为g(x),为对顶层油温观测噪声方差σ2ε(x)的估计。
7.如权利要求1所述的一种电力变压器顶层油温区间预测方法,其特征是:所述步骤(6)中的验证集为当前时刻变压器的负载电流和环境温度,以及前两个采样时刻变压器的负载电流、环境温度和顶层油温所组成的向量。
8.如权利要求1所述的一种电力变压器顶层油温区间预测方法,其特征是:所述步骤(6)中,验证集数据,数据格式与原始实测数据集数据相同。
9.如权利要求1所述的一种电力变压器顶层油温区间预测方法,其特征是:所述步骤(7)中,计算模型在(1-α)%置信水平上的预测区间上下限值,具体方法为:
式中为自由度df的t分布函数的
分位数,自由度df取值为L。
10.一种电力变压器顶层油温区间预测系统,其特征是:包括:
原始实测数据集获取模块,采集电力变压器的负载电流、环境温度和顶层油温,形成原始实测数据集;
Bootstrap方法子训练集生成模块,利用Bootstrap方法对原始实测数据集进行多次有放回地随机采样,形成多组随机数据集,将每一组随机数据集作为一个核极限学习机模型进行训练;
顶层油温预测模块,利用每一个训练好的核极限学习机模型分别对原始实测数据集进行预测,形成多个预测输出,求解其平均值与方差;
噪声方差训练集生成模块,以每一个训练好的核极限学习机模型对验证集进行预测,根据预测结果计算得到残差值,生成新的核极限学习机模型训练集,用于对顶层油温观测噪声方差的预测;
验证集数据获取模块,获取验证核极限学习机模型的输入数据,形成验证集;
归一化模块,对原始实测数据集、验证集进行归一化处理;
预测区间计算模块,根据顶层油温核极限学习机模型的预测值,计算其平均值和方差,并采用噪声方差核极限学习机模型预测噪声方差,最终计算得到预测区间的上下限值;
反归一化模块,对所述预测区间的上下限值进行反归一化处理。