基于离散灰色模型的电力变压器特征状态量预测方法

摘要

本发明公开了一种基于离散灰色模型的电力变压器特征状态量预测方法，通过将非等间隔序列进行等间隔化预处理后变换成等间隔序列、将强随机性序列进行平滑处理来对变压器状态特征参量进行预测，在确认电力变压器状态特征参量灰色预测的适应性基础上，将离散灰色模型引入到电力变压器状态特征参量的参数预测中而解决传统灰色预测可能出现的不稳定问题，并根据电力变压器特征参量数据预处理以及预测数据连续化的改进优化，以适用于电力变压器特征参数原始数据的预测，提高变压器状态特征参量的预测精度，扫清了通过状态特征参量数据预测对变压器未来的设备状态进行预测从理论分析工程实际应用中的所有障碍，实现了对电力变压器状态或故障的准确预测。

主权项

一种基于离散灰色模型的电力变压器特征状态量预测方法，建立在变压器状态评估基础上，通过对表征变压器状态的状态特征参量的原始参数进行预测而实现对其状态的预测，其特征在于：A、将非等间隔序列进行等间隔化预处理后，变换成等间隔序列:设某状态特征参量的非等间隔原始序列为：X⁽⁰⁾ =(x⁽⁰⁾(t₁),x⁽⁰⁾(t₂),L,x⁽⁰⁾(t_n)),其中：t_1< t_2< L_< t_n，且各时段间隔△t_i=t_i‑t_i‑1≠const,i∈{2,3,4L，n},则非等间隔序列转化处理步骤如下：令平均时间间隔△t₀，则△t₀=^n‑1∑_i=1­△t_i=(t_n‑t₁)，记ψ=x⁽⁰⁾(t_i)‑ x⁽⁰⁾(t_i‑1)/t_i‑t_i‑1·（t₁+(i‑1)△t₀‑t_i‑1）,则： x₁⁽⁰⁾(i)=x⁽⁰⁾(t_i)       i=1.n；x₁⁽⁰⁾(i)=x⁽⁰⁾(t_i‑1)+ψ   i=2,3,L，n‑1于是得到该状态参量的等间隔序列：X^（0）=（x₁⁽⁰⁾(2),…,x₁⁽⁰⁾(n)）；B、将强随机性序列进行平滑处理：采用时间序列一次指数加上平滑公式对强随机性序列的原始数据进行平滑处理：Y⁽⁰⁾(k)=∝x⁽⁰⁾(k)+(1‑∝)y⁽⁰⁾(k‑1)·k=2,3,L,n对于任意随机序列{x⁽⁰⁾(k),k为正整数}，新序列y⁽⁰⁾(k)的方差不大于原始序列的方差，即新序列的随机性弱于原始序列的随机性；设拟合值与实测值差的绝对值的平均残差为α，对等间隔化处理过的原始序列进行灰色预测后，预测值可还原为:x⁽⁰⁾(k)=[y⁽⁰⁾(k)‑(1‑α)y⁽⁰⁾(k‑1)]/ α；C、变压器状态特征参量预测：根据灰色预测的建模原理，假定两点之间的累加拟合值序列为X⁽⁰⁾={x⁽¹⁾(1),x^（1）（2），…，x⁽¹⁾(n)}以及离散预测值为x⁽¹⁾(n+1)，在p时刻的特征参量的预测值为x^（0）(p),其中n<p<n+1，则：x^（0）(p)=x⁽¹⁾（p）‑ x⁽¹⁾(n)+(n+1‑p)·x⁽⁰⁾(n)=(β1^p‑β1ⁿ)(x⁽⁰⁾(1)+ β3)+ β1ⁿ‑β1^p/1‑β1·β2 +（n+1‑p）·x⁽⁰⁾(n)根据状态评估或故障诊断方法对特征参量预测值进行评估，从而可以实现对变压器的状态预测或故障预测。