基于经验小波变换和梯度提升径向基的变压器油中溶解气体预测方法

摘要：

电力变压器是电力系统的关键设备,其运行状态与电网稳定性密切相关.变压器油中溶解气体分析(dissolve gas analysis,DGA)是判断其运行状态的重要方法,预测变压器未来时刻的油中溶解气体含量,可以辅助运维人员判断变压器未来的运行趋势,提前掌握运行状态确保稳定运行.然而,由于油中溶解气体的产生机制复杂且受到变压器特殊运行工况、严苛运行环境、复杂电磁环境等因素的影响,油中溶解气体时间序列将呈现非线性和非平稳性的特征,传统的基于回归拟合模型的预测方法很难挖掘时间序列的这些特征,从而导致预测准确性较低,无法用于对变压器运行状态和故障的预测和诊断.为了解决上述问题,该文利用经验小波变换将具有非线性和非平稳的油中溶解气体时间序列分解为多个复杂度较低的分量,使得预测模型更易挖掘其变化特征,随后,以径向基函数神经网络作为基学习器构建了梯度提升径向基,将径向基函数神经网络的最佳逼近、避免局部最小等优点与梯度提升机强大的监督学习能力相结合,实现对油中溶解气体分解分量潜在规律的深度挖掘,并最终实现对油中溶解气体数据的精准预测.基于现场在运变压器对所提方法进行验证,结果表明:对于单台变压器预测准确率可达98.30％,对于某区域电网内的全体变压器准确率可提升9.01％,且可以实现对变压器故障的准确预测.

关键词：电力变压器;油中溶解气体分析;时间序列预测;经验小波变换;梯度提升机;径向基函数神经网络

所属期刊栏目：45

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金联合基金项目;中央高校基本科研业务费专项资金

在线出版日期：2021-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：3745-3754