(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211150771.X (22)申请日 2022.09.21 (71)申请人 国网江西省电力有限公司电力科 学 研究院 地址 330096 江西省南昌市青山湖区民营 科技园民强路8 8号 申请人 国家电网有限公司 (72)发明人 童涛　冯清璇　王鹏　万华　 李唐兵　徐碧川　蔡智超　童超　 (74)专利代理 机构 南昌丰择知识产权代理事务 所(普通合伙) 36137 专利代理师 吴称生 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种基于多元感知的电力变压器短期运行 温度预测方法 (57)摘要 本发明属于电力变压器监测技术领域， 涉及 一种基于多元感知 的电力变压器短期运行温度 预测方法， 获取电力变压器的历史状态感知数 据， 使用小波变换对状态感知数据进行预处理， 去除状态感知数据中的噪声信号； 基于状态感知 数据进行特征筛选， 构造用于热点温度暂态曲线 预测的原始特征数据集； 构建针对 未来短期负荷 电流的多元线性回归预测模型， 并综合多元线性 回归预测模 型和电力调度系统的预测值， 确定负 荷电流的最终预测值； 根据原始特征数据集， 构 造基于多特征尺度融合的时间卷积网络预测模 型， 对空间油温、 绕组温度进行预测。 本发明可以 对多维度的电力变压器状态数据进行有效利用 和分析， 对电力变压器异常状态时的运行温度进 行有效预测。 权利要求书3页 说明书6页 附图3页 CN 115238754 A 2022.10.25 CN 115238754 A 1.一种基于多元感知的电力变压器短期运行温度预测方法， 其特 征是， 步骤如下： 步骤一、 获取电力变压器的历史状态感知数据， 使用小波变换对状态感知数据进行预 处理， 去除状态感知数据中的噪声信号； 步骤二、 基于状态感知数据进行特征筛选； 首先人工选出影响变压器油面和热点温度 的特征因素； 然后使用决策树进一步筛选出特征 因素， 去除冗余数据， 构 造用于热点温度暂 态曲线预测的原 始特征数据集； 步骤三、 构建针对未来短期负荷电流的多元线性 回归预测模型， 基于历史负荷电流、 节 假日变量、 气温变量对未来短期负荷电流进行预测； 同时调用电力调度系统的短期负荷预 测曲线， 综合多元线性回归预测模型和电力调度系统的预测值， 确定负荷电流的最终预测 值； 步骤四、 根据原始特征数据集， 考虑变压器运行温度变化的空间分布和时延特性， 构造 基于多特 征尺度融合的时间卷积网络预测模型， 对空间油温、 绕组温度进行 预测。 2.根据权利要求1所述的基于多元感知的电力变压器短期运行温度预测方法， 其特征 是， 步骤一中， 电力变压器的状态感知数据包括油面 温度、 三相绕组温度、 负荷电流、 偏 磁电 流、 三相电流不平衡度、 环境温度、 环境风力、 散热器温差偏移、 冷却功率、 振动、 油色谱数 据。 3.根据权利要求1所述的基于多元感知的电力变压器短期运行温度预测方法， 其特征 是， 步骤一中， 根据小波多分辨率分析， 选取Symlet小波作为小波基底， 对每一维历史数据 进行5层小波分解， 将得到的小波分解系 数进行阈值量化， 阈值选择采取极值阈值估计法， 并利用软阈值去 噪法处理小波分解系 数， 最后结合第5层低频系 数和经过阈值量化处理的 各层高频系数， 进行小 波逆变换重构， 得到去噪后的状态感知数据。 4.根据权利要求1所述的基于多元感知的电力变压器短期运行温度预测方法， 其特征 是， 步骤二中， 利用CART决策树进行最优特征因素选择： 步骤S1： 状态感知数据样本集中每 一个样本包括预先人工选出的每个特征量的数据以及对应的实测温度值； 根据样本数据计 算每个特征的基尼系数， 选择基尼系数最小的特征及其对应的取值作为最优特征和最优切 分点， 将样本集划分为两个子集； 步骤S2： 重复步骤S1， 递归构建二叉决策树， 步骤S3： 根据 最终生成的决策树计算每个特征的重要性指标， 剔除相关性低的特征， 完成特征 因素筛选， 构造不同结构件的热点温度暂态曲线预测原 始特征数据集。 5.根据权利要求1所述的基于多元感知的电力变压器短期运行温度预测方法， 其特征 是， 步骤三中， 确定负荷电流的最终预测值的过程如下： 其中， t为时间，if(t)、ifa(t)、ifb(t)分别为负荷电流的最终预测值、 多 元线性回归模型 的预测值、 电力调 度系统的预测值， p为多元线性回归模型的精度惩罚系数， q为电力调度系 统的精度惩罚系数， 且有：权　利　要　求　书 1/3 页 2 CN 115238754 A 2其中， ip(c)、ipa(c)、ipb(c)分别为负荷电流的历史真实值、 多元线性回归模型的历史预 测值、 电力调度系统的历史预测值， c为时间变量， n为预测时间内采样点数量。 6.根据权利要求5所述的基于多元感知的电力变压器短期运行温度预测方法， 其特征 是， 步骤三中， 选取历史负荷电流、 节假日变量、 气温变量、 时间变量为特征量 x， 针对未来短 期负荷电流的多元线性回归预测模型如下： 其中β为回归系数向量， ξ是为随机误差项， 二者是学习得到的模型参数， x1为历史负荷 电流，x2∈{0,1}为节假日变 量， x3为气温变 量，x4为时间变 量，β0表示特征量的回归系数， β1 表示历史负荷电流的回归系数， β2表示节假日变量的回归系数， β3表示气温变量的回归系 数，β4表示时间变量的回归系数， 令平方误差作为模型误差， 表示 为： 其中，J( β )为模型误差， m为训练时输入的样本个数， i为样本序号， hβ(x(i))为预测负荷 电流，x(i)表示样本集中序号为 i的特征量， y(i)表示样本集中序号为 i的实测电流值， 利用梯 度下降法训练缩小模型误差， 模型参数 更新表达式为： 其中， 为第j个更新回归系数， βj为第j个回归系数， α为更新步长。 7.根据权利要求1所述的基于多元感知的电力变压器短期运行温度预测方法， 其特征 是， 所述基于多 特征尺度融合的时间卷积网络预测模型包括依次设置的特征数据集重构模 块、 特征提取模块、 特 征融合模块、 多层感知机 MLP预测模块。 8.根据权利要求7所述的基于多元感知的电力变压器短期运行温度预测方法， 其特征 是， 所述特征提取模块采用残差膨胀 因果卷积单元， 残差膨胀 因果卷积单元 由两个前向传 播模块通过残差连接组成， 每个前向传播模块依次由膨胀因果卷积层、 权值归一化层、 校正权　利　要　求　书 2/3 页 3 CN 115238754 A 3