專利名稱：基于混合模型的變壓器熱點(diǎn)溫度在線監(jiān)測(cè)方法
基于混合模型的變壓器熱點(diǎn)溫度在線監(jiān)測(cè)方法
背景技術(shù)：
電力變壓器是電力系統(tǒng)中傳輸電能的高壓電設(shè)備一其性能好壞直接影響電力系統(tǒng)的安全、穩(wěn)定運(yùn)行。眾多研究發(fā)現(xiàn)，變壓器繞組溫度，尤其是繞組熱點(diǎn)，已經(jīng)成為變壓器安全、經(jīng)濟(jì)運(yùn)行以及使用壽命決定性因素。大部分變壓器的壽命終結(jié)是因其喪失了應(yīng)有的絕緣能力，而影響絕緣能力的最主要因素是變壓器運(yùn)行時(shí)的繞組溫度。使用繞組溫度計(jì)來(lái)監(jiān)測(cè)運(yùn)行時(shí)的繞組溫度有助于變壓器達(dá)到預(yù)期的設(shè)計(jì)壽命。所以變壓器繞組低溫過(guò)熱的問(wèn)題，是運(yùn)行和制造部門函待研究解決的重要問(wèn)題之一。電力變壓器在運(yùn)行過(guò)程中絕緣系統(tǒng)一直承受著化學(xué)性質(zhì)的老化，該過(guò)程是積累性的且能導(dǎo)致絕緣系統(tǒng)失去絕緣性能危害。對(duì)于A級(jí)絕緣的變壓器，溫度每增加6°C，絕緣老化速度增加一倍。隨著電力事業(yè)的發(fā)展，大容量超高壓變壓器得到了迅速的發(fā)展和應(yīng)用。為了保障變壓器運(yùn)行安全可靠，延長(zhǎng)變壓器的使用壽命，測(cè)量變壓器繞組的溫度已顯得分重要。目前國(guó)內(nèi)有的是以變壓器頂層油溫作為保障變壓器安全運(yùn)行的投切信號(hào)，把層油溫作為變壓器監(jiān)控裝置的判斷依據(jù)，通過(guò)監(jiān)控頂層油溫來(lái)保障變壓器的安全運(yùn)行然而這種方法有許多不足之處。這是因?yàn)榇笕萘孔儔浩黜攲佑蜏孛黠@滯后于繞組油溫。當(dāng)變壓器負(fù)荷快速增加時(shí)，由于熱傳遞響應(yīng)速度的原因，變壓器頂層油溫需經(jīng)數(shù)小時(shí)能反映出繞組的工況變化。顯然，以變壓器頂層油溫作為保障變壓器安全運(yùn)行的投切號(hào)不能及時(shí)有效地保護(hù)變壓器的安全可靠運(yùn)行。為直接測(cè)量運(yùn)行中變壓器的內(nèi)部溫度，需要把傳感器放置在變壓器內(nèi)部。一般采用光纖傳感器，但直接測(cè)量法所用的光纖檢測(cè)設(shè)備價(jià)格十分昂貴。當(dāng)繞組熱點(diǎn)位置不確定時(shí)，盲目埋置光纖測(cè)點(diǎn)會(huì)帶來(lái)相當(dāng)大的測(cè)量誤差。變壓器繞組熱點(diǎn)溫升估算間接計(jì)算法是變壓器繞組熱點(diǎn)溫升估算的經(jīng)典方法，具有一定的精度。但該方法假設(shè)變壓器內(nèi)油的溫升從底部到頂部按線性增加，繞組的導(dǎo)線平均溫升從底部到頂部按線性增加，這些假設(shè)使得計(jì)算結(jié)果與實(shí)際情況存在一定誤差。因此提出了基于機(jī)理模型和神經(jīng)網(wǎng)絡(luò)模型混合建模的軟測(cè)量方法。對(duì)于任何實(shí)際系統(tǒng)都可以分解成可描述和未知兩部分，其中僅可描述部分能用數(shù)學(xué)、物理模型描述，這就是前面所說(shuō)的機(jī)理模型。由于在實(shí)際中，人們對(duì)實(shí)際系統(tǒng)的了解是不完備的，所做的簡(jiǎn)化處理，都使機(jī)理模型與實(shí)際系統(tǒng)之間存在著建模誤差。它是系統(tǒng)知部分，可以看成是外界擾動(dòng)、內(nèi)部擾動(dòng)共同作用的結(jié)果。因此只要能估計(jì)出模誤差，并將其加到機(jī)理模型上，將使模型的精度大為提高。神經(jīng)網(wǎng)絡(luò)辨識(shí)所有的特征，使其適于作建模誤差的估計(jì)器?；谶@一思想可得到神經(jīng)網(wǎng)絡(luò)和機(jī)理模型的混合建模法。在這里神經(jīng)網(wǎng)絡(luò)可以采用多層前向網(wǎng)絡(luò)以反映機(jī)理模型沒(méi)能描述的動(dòng)態(tài)信息，它起補(bǔ)償機(jī)理模型作用，這種模型稱作機(jī)理為主神經(jīng)網(wǎng)絡(luò)補(bǔ)償模型。機(jī)理——神經(jīng)網(wǎng)絡(luò)混合建模法的優(yōu)點(diǎn)是既反映了實(shí)際系統(tǒng)的主要規(guī)律(利用了先驗(yàn)信息)，又體現(xiàn)了未知擾動(dòng)或不確定性對(duì)實(shí)際系統(tǒng)的影響，有比單純使用機(jī)理模型更高的精度，比單純神經(jīng)網(wǎng)絡(luò)建模可靠性更高。

發(fā)明內(nèi)容
針對(duì)現(xiàn)有的方法的上述缺陷和不足，本發(fā)明將軟測(cè)量方法引入到變壓器的在線監(jiān)測(cè)。該方法可以快速的、實(shí)時(shí)的、準(zhǔn)確的對(duì)變壓器的熱點(diǎn)進(jìn)行監(jiān)測(cè)。本發(fā)明提出一種變壓器熱點(diǎn)溫度的在線監(jiān)測(cè)的方法，其內(nèi)容包括(1)采用軟測(cè)量方法實(shí)現(xiàn)變壓器的在線監(jiān)測(cè)。(2)軟測(cè)量方法是基于機(jī)理模型和神經(jīng)網(wǎng)絡(luò)模型混合建模的軟測(cè)量方法。(3)其機(jī)理模型可以依據(jù)變壓器的實(shí)際工作環(huán)境，具體參數(shù)和性能不同而進(jìn)行調(diào)整、修改和改進(jìn)。其神經(jīng)網(wǎng)絡(luò)模型可以根據(jù)具體情況采用合適的神經(jīng)網(wǎng)絡(luò)模型。(4)任意負(fù)載下熱點(diǎn)溫度機(jī)理模型為
1 , ]ζ2+ AOliiir -AffhrW+H^
1 + R其中，θ h是熱點(diǎn)溫度；θ a是環(huán)境溫度；Δ θ br額定條件下冷卻器出口油溫升；Δ θ 繞組油平均溫升；y繞組系數(shù)；K 負(fù)載系數(shù)(K = I/IH)；χ油的指數(shù)；R損耗比；Hg為熱點(diǎn)對(duì)繞組頂部的溫差。(5)神經(jīng)網(wǎng)絡(luò)模型采用RBF神經(jīng)網(wǎng)絡(luò)模型。也可以采用其他前向神經(jīng)網(wǎng)絡(luò)模型。 本文以RBF神經(jīng)網(wǎng)絡(luò)模型為例。(6)根據(jù)權(quán)利要求1，2，3，4所述，其特征在于用RBF神經(jīng)網(wǎng)絡(luò)作機(jī)理建模誤差的估計(jì)器，反映機(jī)理模型沒(méi)能描述的動(dòng)態(tài)信息，估計(jì)出機(jī)理建模誤差，并將其加到機(jī)理模型上，補(bǔ)償機(jī)理模型，使模型的精度大為提高。其框圖結(jié)構(gòu)如下(7)權(quán)利5所述，以機(jī)理模型為主，RBF神經(jīng)網(wǎng)絡(luò)模型為補(bǔ)償混合模型的結(jié)構(gòu)，其流程圖特征為(8)根據(jù)權(quán)利6所述，其選擇的基本變量是負(fù)載電流I ； θ 3環(huán)境溫度；Δ θ to額定條件下冷卻器出口油溫升；Δ θ 繞組油平均溫升；y繞組系數(shù)；K負(fù)載系數(shù)(K = I/IH) ；X 油的指數(shù)；R損耗比；Hg為熱點(diǎn)對(duì)繞組頂部的溫差。(9)根據(jù)權(quán)利6所述，其特點(diǎn)在于RBF網(wǎng)絡(luò)的基函數(shù)采用高斯函數(shù)；基函數(shù)的學(xué)習(xí)中心用K-均值聚類算法獲得；權(quán)值的學(xué)習(xí)采用LMS算法。K-均值聚類算法具體步驟如下第一步，初始化聚類中心，即根據(jù)經(jīng)驗(yàn)從訓(xùn)練樣本集中隨機(jī)的選取I個(gè)樣本作為初始中心t“0) (i = 1,2,…，I)，設(shè)置迭代步數(shù)η = 0。第二步，隨機(jī)輸入訓(xùn)練樣本心&。第三步，尋找訓(xùn)練樣本&離哪個(gè)中心最近，即找到iOQ使其滿足iOQ = argmin | Xfti (η) | |，i = 1，2，…，I式中(η)，是第η次迭代時(shí)基函數(shù)的第i個(gè)中心。第四步，調(diào)整中心公式
權(quán)利要求
1.一種變壓器熱點(diǎn)溫度的在線監(jiān)測(cè)方法，其特征在于采用軟測(cè)量方法實(shí)現(xiàn)變壓器的在線監(jiān)測(cè)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，軟測(cè)量方法是基于機(jī)理模型和神經(jīng)網(wǎng)絡(luò)模型混合建模的軟測(cè)量方法。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于(1)其機(jī)理模型可以依據(jù)變壓器的實(shí)際工作環(huán)境，具體參數(shù)和性能不同而進(jìn)行調(diào)整、修改和改進(jìn)。( 其神經(jīng)網(wǎng)絡(luò)模型可以根據(jù)具體情況采用合適的神經(jīng)網(wǎng)絡(luò)模型。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于(1)多流路變壓器任意負(fù)載下熱點(diǎn)溫度機(jī)理模型為θ,=θα+ Δ 禮+ 2(Δ^,Γ - A0br)Ky + HgKy其中，θ h是熱點(diǎn)溫度； θ a是環(huán)境溫度；Δ θ br額定條件下冷卻器出口油溫升； Δ θ imr繞組油平均溫升； y繞組系數(shù)； K負(fù)載系數(shù)(K = I/IH)； χ油的指數(shù)； R損耗比；Hg為熱點(diǎn)對(duì)繞組頂部的溫差。(2)神經(jīng)網(wǎng)絡(luò)模型采用RBF神經(jīng)網(wǎng)絡(luò)模型。也可以采用其他前向神經(jīng)網(wǎng)絡(luò)模型。本文以RBF神經(jīng)網(wǎng)絡(luò)模型為例。
5.根據(jù)權(quán)利要求1，2，3，4所述，其特征在于用RBF神經(jīng)網(wǎng)絡(luò)作機(jī)理建模誤差的估計(jì)器，反映機(jī)理模型沒(méi)能描述的動(dòng)態(tài)信息，估計(jì)出機(jī)理建模誤差，并將其加到機(jī)理模型上，補(bǔ)償機(jī)理模型，使模型的精度大為提高。
6.權(quán)利5所述，以機(jī)理模型為主，RBF神經(jīng)網(wǎng)絡(luò)模型為補(bǔ)償混合模型的結(jié)構(gòu)。
7.根據(jù)權(quán)利6所述，其選擇的基本變量是負(fù)載電流I； θ a環(huán)境溫度；△ θ to額定條件下冷卻器出口油溫升；Δ θ 繞組油平均溫升；y繞組系數(shù)；K負(fù)載系數(shù)(K = I/IH) ；X油的指數(shù)；R損耗比；Hg為熱點(diǎn)對(duì)繞組頂部的溫差。
8.根據(jù)權(quán)利6所述，其特點(diǎn)在于RBF網(wǎng)絡(luò)的基函數(shù)采用高斯函數(shù)；基函數(shù)的學(xué)習(xí)中心用K-均值聚類算法獲得；權(quán)值的學(xué)習(xí)采用LMS算法。
9.根據(jù)權(quán)利6所述，算法終止條件可以根據(jù)實(shí)際需要的精度進(jìn)行設(shè)置，或設(shè)置最大迭代次數(shù)。
全文摘要
本發(fā)明涉及一種變壓器在線軟測(cè)量方法，為解決變壓器繞組低溫過(guò)熱的問(wèn)題，在線實(shí)時(shí)監(jiān)控?zé)狳c(diǎn)值，提供了一種更加經(jīng)濟(jì)、可靠的方法。本發(fā)明采用機(jī)理模型和神經(jīng)網(wǎng)絡(luò)模型混合建模的軟測(cè)量方法，用RBF神經(jīng)網(wǎng)絡(luò)作機(jī)理建模誤差的估計(jì)器，反映機(jī)理模型沒(méi)能描述的動(dòng)態(tài)信息，估計(jì)出機(jī)理建模誤差，并將其加到機(jī)理模型上，補(bǔ)償機(jī)理模型，使模型的精度大為提高，進(jìn)而提供精度更高的熱點(diǎn)溫度估計(jì)值。
文檔編號(hào)G06N3/02GK102411728SQ20111019319
公開日2012年4月11日 申請(qǐng)日期2011年7月12日 優(yōu)先權(quán)日2011年7月12日
發(fā)明者劉國(guó)海, 葉小松, 吳振飛, 廖志凌, 梅從立, 邢鳴 申請(qǐng)人:江蘇鎮(zhèn)安電力設(shè)備有限公司