一种可用于变电站电气设备温度预测的BP神经网络算法和测温系统的制作方法

本发明涉及一种用于变电站智能监控领域的可用于变电站电气设备温度预测的bp神经网络算法。

背景技术：

1、在变电站发展早期，其采用的检修策略是事后检修，也称为故障检修。这种检修方式以设备出现功能性故障为判据，在设备发生故障无法继续运转时才对其进行维修。随着系统日益庞大和复杂，这种检修策略难以满足客观需求，故障一旦发生将严重威胁设备和人身安全。随着社会的发展，工业和电力设备本身技术水平有了提高，设备故障事故对生产和生活的影响显著增加，出现了定期预防性维修。这种检修方式以时间为依据，预先设定检修内容与周期，按期停机检修，尽可能早地发现设备的隐患，保证设备的正常运行。虽然定期预防性检修提高了设备可靠性，但是这种检修体制容易出现不必要的停机与过度维修，造成人力、物力、财力的浪费。

2、随着电力设备朝着集成化、大型化、精密化、自动化、综合化、技术密集方向发展，设备检测技术得到了有效利用,电力系统故障检测策略从预防性维修向预知性维修过渡。预知性维修即根据设备运行时的信息进行故障诊断：判断其工作状态是正常工作状态、不正常状态或故障状态，判断故障原因和部位，并对设备运行状态进行预测。预知性检修策略是当今耗费最低、技术最先进的维修制度，它为设备安全稳定优质的运行提供了可靠的技术保障和管理保障。

3、预知性检修策略需要依靠故障诊断。随着现代控制系统的日益复杂，基于人工智能的技术通过模拟人类处理问题的过程，对人的经验进行总结，并具备一定的学习能力，所以它在故障诊断领域有着广泛的应用前景。其中神经网络在故障诊断中具备应用潜力。神经网络是一门模仿人类神经系统对信息进行传递和处理的人工智能技术。神经网络在模式识别，曲线拟合，函数逼近等方面具有很好的应用前景；在此基础上，提出了一系列的算法，如群分类，最优计算，联想记忆等。同时，该方法也被广泛地应用于电力设备的故障诊断。华中科技大学研究分析了概率径向基神经网络以及归一化径向基神经网络在输电线短路故障分类和定位中的应用。通过资料检索，尚未出现一种可用于变电站电气设备温度预测的自适应bp神经网络算法的相关类论文及产品。

技术实现思路

1、本发明的目的是为了克服现有技术的不足，提供一种可用于变电站电气设备温度预测的bp神经网络算法和测温系统，能够对变电站各重要区域和设备的温度进行监测和预测。

2、实现上述目的的一种技术方案是：一种可用于变电站电气设备温度预测的bp神经网络算法，具体为采用多输入的单输出的三层bp神经网络，包括输入变量x、隐含层节点y、变量x与隐含层y节点的权值w以及隐含层节点y与输出z节点的权值v，包括前向传播和反向传播。

3、进一步的，向前传播具体为：输入变量x经隐含层处理后，得到输出结果，隐含层y与输出节点z可以表示为：

4、

5、

6、进一步的，反向传播具体为：依据误差函数调节权值和阈值，可表示为：

7、

8、其中h表示样本的数量，从h到h的期望输出为thc，实际输出为zhl。

9、进一步的，根据式(3)求出的误差函数来修改阈值，如式(4)所示

10、

11、其中δw表示阈值变化量，η表示学习速度，取0-1之间的数。

12、进一步的，，当式(4)计算出存在误差δw后通过式(5)进行修正：

13、

14、其中δwj(t+1)表示经过修正后的阈值变化量，z为实际的输出量，为修正系数取0.8。

15、进一步的，当学习速率η过小时调整的公式为：

16、η(t+1)＝1.05*η(t)，e(t+1)<e(t) (6)。

17、进一步的，当学习速率η过大时调整公式为：

18、η(t+1)＝0.7*η(t),e(t+1)＞1.04e(t) (7)

19、采用上述神经网络算法的测温系统，包括rfid温度传感器、阅读器和后台数据处理中心，rfid温度传感器设置于变电站重点测温位置，通过阅读器读取温度信息，向后台数据处理中心输入，后台数据处理中心应用神经网络算法得到目标设备的预测温度。

20、进一步的，目标设备的预测温度划分为正常、轻度故障、重度故障和危险性故障四级状态。

21、进一步的，后台数据处理中心根据不同的状态级别预测向变成站管控系统发出对应的设备监测、巡检、维护或停机指令。

22、本发明主要有以下效果：

23、1.温度检测：rfid温度传感器可以实时测量电气设备的温度变化。通过温度传感器采集设备的温度并利用bp神经网络进行分类和分析，可以确定电气设备的温度变化趋势，进而实现对设备的温度预测。

24、2.温度预警等级分类：利用bp神经网络，可以根据传感器采集的数据将电气设备的温度异常程度进行分类，如温度正常、温度轻度异常、温度中度异常、温度严重异常。这样可以帮助维护人员了解电气设备的温度情况，并根据温度异常的情况决定是否暂停设备的使用并进行维护。

25、3.故障预警：根据bp神经网络，对变电站电气设备进行实时的监测和预警。当电气设备的温度超过一定的阈值或者超过安全限制时，系统可以发出警报，提醒工作人员对设备进行维护或切除，避免事故的发生。

26、4.数据分析和温度预测：通过对变电站电气设备历史数据的分析和建模，基于bp神经网络算法预测电气设备的温度发展趋势。可以采取事前检修的措施，减少事故的发生率，提高变电站电气设备工作的可靠性。

技术特征：

1.一种可用于变电站电气设备温度预测的bp神经网络算法，其特征在于，具体为采用多输入的单输出的三层bp神经网络，包括输入变量x、隐含层节点y、变量x与隐含层y节点的权值w以及隐含层节点y与输出z节点的权值v，包括前向传播和反向传播。

2.根据权利要求1所述的一种可用于变电站电气设备温度预测的bp神经网络算法，其特征在于，向前传播具体为：输入变量x经隐含层处理后，得到输出结果，隐含层y与输出节点z可以表示为：

3.根据权利要求1所述的一种可用于变电站电气设备温度预测的bp神经网络算法，其特征在于，反向传播具体为：依据误差函数调节权值和阈值，可表示为：

4.根据权利要求3所述的一种可用于变电站电气设备温度预测的bp神经网络算法，其特征在于，根据式(3)求出的误差函数来修改阈值，如式(4)所示

5.根据权利要求4所述的一种可用于变电站电气设备温度预测的bp神经网络算法，其特征在于，当式(4)计算出存在误差δw后通过式(5)进行修正：

6.根据权利要求4所述的一种可用于变电站电气设备温度预测的bp神经网络算法，其特征在于，当学习速率η过小时调整的公式为：

7.根据权利要求4所述的一种可用于变电站电气设备温度预测的bp神经网络算法，其特征在于，当学习速率η过大时调整公式为：

8.采用权利要求1至7中任意一项神经网络算法的测温系统，其特征在于，包括rfid温度传感器、阅读器和后台数据处理中心，rfid温度传感器设置于变电站重点测温位置，通过阅读器读取温度信息，向后台数据处理中心输入，后台数据处理中心应用神经网络算法得到目标设备的预测温度。

9.根据权利要求8所述的测温系统，其特征在于，目标设备的预测温度划分为正常、轻度故障、重度故障和危险性故障四级状态。

10.根据权利要求9所述的测温系统，其特征在于，后台数据处理中心根据不同的状态级别预测向变成站管控系统发出对应的设备监测、巡检、维护或停机指令。

技术总结
本发明公开了一种可用于变电站电气设备温度预测的BP神经网络算法，具体为采用多输入的单输出的三层BP神经网络，包括输入变量X、隐含层节点Y、变量X与隐含层Y节点的权值W以及隐含层节点Y与输出Z节点的权值V，包括前向传播和反向传播。本发明还公开了一种测温系统，结合BP神经网络算法能够对变电站各重要区域和设备的温度进行监测和预测。

技术研发人员：朱凯,刘方蕾,沈晓峰,吴继健,郑真,黄晨宏,胡振华,孙进,梁晟,冯若愚,黄冠,杨冰芳,董玥,刘一童,姚远
受保护的技术使用者：国网上海市电力公司
技术研发日：
技术公布日：2024/2/29