技术特征：
1.一种变压器油温预测方法，其特征在于，所述方法包括以下步骤：获取目标变压器历史测量的顶层油温、负荷率以及环境温度；对所述目标变压器历史测量的顶层油温、负荷率以及环境温度进行预处理，得到目标变压器的历史数据集；对所述目标变压器的历史数据集进行时序预测，得到油温预测模型；获取当前变压器的顶层油温、负荷率以及环境温度；将所述当前变压器的顶层油温、负荷率以及环境温度，作为时序起点标签输入至所述油温预测模型，通过所述油温预测模型预测目标变压器油温。2.根据权利要求1所述的方法，其特征在于，所述对所述目标变压器的历史数据集进行时序预测，得到油温预测模型，包括：对所述历史数据集进行数据规律性和趋势性分析；根据时间先后顺序，将所述历史数据集中同一统计指标的数据排列成时间序列；将所述时间序列按照线性关系，分为线性时间序列和非线性时间序列；根据线性时间序列和非线性时间序列分别建立线性预测模型和非线性预测模型；将所述线性预测模型和非线性预测模型结合成为油温预测模型。3.根据权利要求2所述的方法，其特征在于，所述根据线性时间序列和非线性时间序列分别建立线性预测模型和非线性预测模型，包括：根据所述线性时间序列，通过低阶向高阶逐步试探方式，识别模型参数集；对所述模型参数集，通过贝利叶信息以及赤池信息度量结合方式得到最佳初始参数根据线性时间序列和最佳初始参数，建立线性预测模型；根据所述非线性时间序列，通过支持向量机，得到序列残差；根据所述序列残差以及非线性时间序列，建立非线性预测模型。4.根据权利要求1所述的方法，其特征在于，所述对所述目标变压器历史测量的顶层油温、负荷率以及环境温度进行预处理，包括：对所述历史测量的顶层油温、负荷率以及环境温度的缺失值进行填充；识别并剔除所述历史测量的顶层油温、负荷率以及环境温度中的异常值，并对所述历史测量的顶层油温、负荷率以及环境温度进行平滑去噪；判断处理后的历史测量的顶层油温、负荷率以及环境温度，是否满足周期性，若不满足周期性，则重复执行上述操作，直至处理后的历史测量的顶层油温、负荷率以及环境温度满足周期性。5.根据权利要求4所述的方法，其特征在于，所述对所述历史测量的顶层油温、负荷率以及环境温度的缺失值进行填充之前，还包括：将所述目标变压器历史测量的顶层油温、负荷率以及环境温度分解为适应所述油温预测模型的长期趋势数据以及季节趋势数据；对所述长期趋势数据以及季节趋势数据分别进行平稳性检验和白噪音检验；在所述平稳性检验和白噪音检验通过时，执行对所述历史测量的顶层油温、负荷率以及环境温度的缺失值进行填充的步骤。6.根据权利要求5所述的方法，其特征在于，所述对所述长期趋势数据以及季节趋势数据分别进行平稳性检验和白噪音检验，包括：
对所述长期趋势数据以及季节趋势数据分别进行平稳性检验，若检验不通过，则对检验不通过的数据进行差分运算；重复上述操作，直到长期趋势数据以及季节趋势数据通过平稳性检验，则对所述平稳性检验数据进行白噪音检验；若白噪音检验不通过，则剔除掉所述长期趋势数据以及季节趋势数据。7.根据权利要求1至6中任一项所述方法，其特征在于，所述将所述当前变压器的顶层油温、负荷率以及环境温度，作为时序起点标签输入至所述油温预测模型，通过所述油温预测模型预测目标变压器油温之后，还包括：根据预测时间周期，持续获取变压器的顶层油温、负荷率以及环境温度；将获取到的变压器的顶层油温、负荷率以及环境温度输入所述历史数据集，得到新的历史数据集；根据所述新的历史数据集，对所述油温预测模型进行校正。8.一种变压器油温预测装置，其特征在于，所述变压器油温预测装置包括：获取模块，用于获取目标变压器历史测量的顶层油温、负荷率以及环境温度；处理模块，用于对所述目标变压器历史测量的顶层油温、负荷率以及环境温度进行预处理，得到目标变压器的历史数据集；建模模块，用于对所述目标变压器的历史数据集进行时序预测，得到油温预测模型；所述获取模块，还用于获取当前变压器的顶层油温、负荷率以及环境温度；预测模块，用于将所述当前变压器的顶层油温、负荷率以及环境温度，作为时序起点标签输入至所述油温预测模型，通过所述油温预测模型预测目标变压器油温。9.一种变压器油温预测设备，其特征在于，所述变压器油温预测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的变压器油温预测程序，所述变压器油温预测程序被所述处理器执行时实现如权利要求1至7中任一项所述的变压器油温预测方法。10.一种存储介质，其特征在于，所述存储介质上存储有变压器油温预测程序，所述变压器油温预测程序被处理器执行时实现如权利要求1至7中任一项所述的变压器油温预测方法。
技术总结
本发明公开了一种变压器油温预测方法、装置、设备及存储介质，该方法包括：获取目标变压器历史测量的顶层油温、负荷率以及环境温度；对所述目标变压器历史测量的顶层油温、负荷率以及环境温度进行预处理，得到目标变压器的历史数据集；对所述目标变压器的历史数据集进行时序预测，得到油温预测模型；获取当前变压器的顶层油温、负荷率以及环境温度；将所述当前变压器的顶层油温、负荷率以及环境温度，作为时序起点标签输入至所述油温预测模型，通过所述油温预测模型预测目标变压器油温。从而根据变压器工作数据，建立时序预测模型，预测出未来的变压器油温，避免出现过热，造成变压器损坏。坏。坏。
技术研发人员：龙玉江 李洵 朱州 卫薇 许逵 孙骏 王杰峰 方继宇 吴建蓉
受保护的技术使用者：贵州电网有限责任公司
技术研发日：2022.11.18
技术公布日：2023/3/31