基于神经网络算法的电力变压器温升推进预测

发布时间：2020-08-12 10:24

【摘要】：变压器在电能输送与分配的过程中起着枢纽作用,变压器的服役期限一般取决于绝缘材料的寿命,高温是促成绝缘材料老化的主要原因。我们可以通过监测变压器绕组热点温度来预测变压器的使用期限,而通过对变压器绕组热点温度的研究亦可从理论上指导变压器的设计。因此,研究变压器的热特性有很高的理论价值和实用价值。本文从研究变压器绕组热点温度的温升着眼,运用神经网络的方法,探究变压器绕组热点温升变化规律,主要工作如下:(1)调研国内外关于变压器温升研究现状,分析变压器内部热量产生原理,依据实际测量的实验数据,确定影响变压器温升的影响因子,并在单因子的条件下,分别探究P、Q、Vthd、Ithd、Ti、Tiron-1对变压器温升T的影响度。(2)介绍神经网络的基本理论,包括生物神经网络的模型,神经网络的数学模型,神经网络的拓扑结构,BP网络的原理,以及具体的训练方法Traincgp的逻辑过程。(3)以变压器温升的六个影响因子有功功率(P)、无功功率(Q)、总电压谐波失真率(Vthd)、总电流谐波失真率(Ithd)、室温(Ti)、前半小时电力配电变压器之温度(Tiron-1)作为神经网络的输入变量,输出端为预测的电力变压器的温度,根据负载的变化,将变压器温升的预测分为工作日平均一天,周六,周日三个部分,分时分段预测变压器的温升,并结合实际的应用场景,对误差的变化进行分析。(4)为了探究谐波因素对变压器温升预测的影响,在六个影响因子的基础上,增加了前半小时电压谐波影响因子,前半小时电流谐波影响因子,前半小时的室温这三个变量总共九个变量预测变压器的温升,同时就六因子与九因子预测结果进行比较。由实验结果可以得出,除了工作日的低负荷区和负荷平稳区,基于六个影响因子的平均预测误差比基于九个影响因子的平均预测误差稍小外,其余的情况,基于九个影响因子的平均预测误差均小于基于六个影响因子的平均预测误差。由此可见,在本文选定的影响因子的条件下,基于九个影响因子的温升预测优于基于六个影响因子的温升预测效果。
【学位授予单位】：福建工程学院
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM41
【图文】：

关系图,红外线测温,实测数据,关系图

122.2 温度与影响因子的关系图2-1是红外线测量温度和负载有功功率在一天中随时间变化的实测数据关系曲线图。从图 2-1 中我们可以看到早上 0:00-7:30，负载为零或者很小时，平均温度变化不大；8:00-8:30,随着负荷的增加，温度呈现急剧上升的趋势；9:00-17:30，负载稳定后，平均温度基本无波动或者波动极小，表现平稳；18:00-19:00，随着负载量减少时，平均温度呈急剧下降趋势；19:30-23:30 负载量降为零或者很小时，平均温度逐渐降低直至基本不变。图 2-2 是取样一天的无功功率与温度的实测数据关系图

关系图,实测数据,无功功率,关系图

无功功率Q与温度的实测数据关系图

关系图,实测数据,关系图,谐波失真

总电压谐波失真率Vthd与温度的实测数据关系图

【参考文献】