【技術實現步驟摘要】
本專利技術涉及變壓器狀態監測，尤其涉及一種基于深度學習的變壓器負載監測方法、系統、介質及設備。
技術介紹
1、變壓器是利用電磁感應原理來改變交流電壓的裝置，由初級線圈、次級線圈和鐵芯構成。主要功能有：電壓變換、電流變換、阻抗變換、電氣隔離、穩壓等。變壓器相當于電力系統的保險開關，一旦變壓器出現過載現象，電力系統很容易出現問題，進而導致人員或財產的損失，變壓器負載狀態的檢測能力就成為了檢測變壓器安全性能的重要指標。變壓器負載狀態的檢測速度越快，電力調度人員的響應時間就越短，電力系統的調度就會更快、更準確。因此，需要快速在線監測變壓器負載狀態。
2、傳統的變壓器負載狀態檢測過程需要技術人員測量的參數較多，過程較為復雜，花費的時間較多，不利于電網運行的經濟性。
技術實現思路
1、基于此，有必要針對上述問題，提出了一種基于深度學習的變壓器負載監測方法、系統、介質及設備。
2、一種基于深度學習的變壓器負載監測方法，所述方法包括：
3、實時采集變壓器負載電流波形和變壓器負載數據。
4、根據所述變壓器負載電流波形和變壓器負載數據定義目標函數。
5、通過所述目標函數的一階導數和二階導數確定增益函數。
6、基于所述增益函數，以所述變壓器負載數據作為監測目標，以所述變壓器負載電流波形作為特征輸入進行建模，通過逐步添加最新樹的方式來構建最終變壓器負載監測模型。
7、在變壓器掛網運行時，將電流傳感器所測變壓器負載電流波形輸
8、其中，所述實時采集變壓器負載電流波形和變壓器負載數據，具體包括：
9、對變壓器的不同負載狀態進行仿真，獲取變壓器負載電流波形；
10、通過電流傳感器獲取所述變壓器負載電流波形中的變壓器電流數據；
11、根據所述變壓器電流數據獲取變壓器負載數據，并對所述變壓器負載數據進行預處理。
12、其中，所述根據所述變壓器負載電流波形和變壓器負載數據定義目標函數，具體包括：
13、根據定義目標函數，其中，obj為目標函數，yi為真實值，為第i個變壓器負載電流波形對應的變壓器負載數據的監測值，l為損失函數，ω(fk)為正則化項，k為樹的個數。
14、其中，所述通過所述目標函數的一階導數和二階導數確定增益函數，通過所述增益函數自適應更新模型參數，具體包括：
15、根據確定增益函數，其中，g為增益函數，l為左子節點，r為右子節點，gl為左子節點的一階導數，gr為右子節點的一階導數，hl為左子節點的二階導數，hr為右子節點的二階導數，γ為葉子數正則化參數，λ為葉子權重正則化參數。
16、其中，所述基于所述增益函數，以所述變壓器負載數據作為監測目標，以所述變壓器負載電流波形作為特征輸入進行建模，通過逐步添加最新樹的方式來構建最終變壓器負載監測模型，具體包括：
17、以所述變壓器負載數據作為監測目標，以所述變壓器負載電流波形作為特征輸入進行建模，確定初始變壓器負載監測模型。
18、基于所述增益函數，根據所述目標函數最小時的一階導數和二階導數選擇最優分裂點，根據所述最優分裂點確定左子節點和右子節點。
19、通過所述左子節點和右子節點生成最新樹。
20、將所述最新樹擬合至所述初始變壓器負載監測模型中，通過逐步添加所述最新樹的方式確定當前輪次的變壓器負載監測模型。
21、通過所述當前輪次的變壓器負載監測模型進行監測，獲取當前輪次的監測值，并更新殘差和梯度。
22、重復上述步驟直到達到預設樹數，確定最終變壓器負載監測模型。
23、其中，所述以變壓器負載作為監測目標，以所述變壓器負載電流波形作為特征輸入進行建模，確定初始變壓器負載監測模型，具體包括：
24、根據確定初始變壓器負載監測模型，其中，為第i個輸入特征對應的監測值，x為輸入特征，即變壓器負載電流波形，fk為第k棵樹。
25、其中，所述重復上述步驟直到達到預設樹數，確定最終變壓器負載監測模型，具體包括：
26、根據確定最終變壓器負載監測模型，其中，為最終變壓器負載監測模型的最終監測值，xnew為待預測的輸入特征，n為預設樹數，fk為第k棵樹。
27、其中，所述基于所述增益函數，以變壓器負載作為監測目標，以所述變壓器負載電流波形作為特征輸入進行建模，通過逐步添加最新樹的方式來構建最終變壓器負載監測模型之后，還具體包括：
28、采用自適應學習率的方法更新所述最終變壓器負載監測模型的模型參數。
29、一種基于深度學習的變壓器負載監測系統，所述系統包括：
30、采集模塊，用于實時采集變壓器負載電流波形和變壓器負載數據。
31、目標函數定義模塊，用于根據變壓器負載電流波形和變壓器負載數據定義目標函數。
32、增益函數確定模塊，用于通過所述目標函數的一階導數和二階導數確定增益函數。
33、最終變壓器負載監測模型確定模塊，用于基于所述增益函數，以變壓器負載數據作為監測目標，以所述變壓器負載電流波形作為特征輸入進行建模，通過逐步添加最新樹的方式來構建最終變壓器負載監測模型。
34、變壓器負載監測模塊，用于在變壓器掛網運行時，將電流傳感器所測變壓器負載電流波形輸入到所述最終變壓器負載監測模型中，獲取變壓器負載結果。
35、一種計算機可讀存儲介質，存儲有計算機程序，所述計算機程序被處理器執行時，使得所述處理器執行如上所述方法的步驟。
36、一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執行時，使得所述處理器執行如上所述方法的步驟。
37、采用本專利技術實施例，具有如下有益效果：
38、本專利技術根據變壓器負載電流波形和變壓器負載數據定義目標函數，通過目標函數的一階導數和二階導數確定增益函數，通過增益函數能夠指導模型參數的更新方向，確保模型在訓練過程中逐步逼近最優解。進一步地，基于增益函數，以負載數據為監測目標，以負載電流波形為特征輸入，通過逐步添加最新樹的方式逐步增強最終變壓器負載監測模型的復雜度，提高模型的穩定性和可靠性。根據最終變壓器負載監測模型準確預測變壓器未來的負載趨勢獲取變壓器負載結果，及時發現潛在的負載異常，從而提高電網運行的安全性和效率。
本文檔來自技高網...【技術保護點】
1.一種基于深度學習的變壓器負載監測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種基于深度學習的變壓器負載監測方法，其特征在于，所述實時采集變壓器負載電流波形和變壓器負載數據，具體包括：
3.根據權利要求2所述的一種基于深度學習的變壓器負載監測方法，其特征在于，所述根據所述變壓器負載電流波形和變壓器負載數據定義目標函數，具體包括：
4.根據權利要求3所述的一種基于深度學習的變壓器負載監測方法，其特征在于，所述通過所述目標函數的一階導數和二階導數確定增益函數，具體包括：
5.根據權利要求2所述的一種基于深度學習的變壓器負載監測方法，其特征在于，所述基于所述增益函數，以所述變壓器負載數據作為監測目標，以所述變壓器負載電流波形作為特征輸入進行建模，通過逐步添加最新樹的方式來構建最終變壓器負載監測模型，具體包括：
6.根據權利要求5所述的一種基于深度學習的變壓器負載監測方法，其特征在于，所述以變壓器負載作為監測目標，以所述變壓器負載電流波形作為特征輸入進行建模，確定初始變壓器負載監測模型，具體包括：
8.根據權利要求1所述的一種基于深度學習的變壓器負載監測方法，其特征在于，所述基于所述增益函數，以變壓器負載作為監測目標，以所述變壓器負載電流波形作為特征輸入進行建模，通過逐步添加最新樹的方式來構建最終變壓器負載監測模型之后，還具體包括：
9.一種基于深度學習的變壓器負載監測系統，其特征在于，所述系統包括：
10.一種計算機可讀存儲介質，存儲有計算機程序，所述計算機程序被處理器執行時，使得所述處理器執行如權利要求1至8中任一項所述方法的步驟。
11.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執行時，使得所述處理器執行如權利要求1至8中任一項所述方法的步驟。
...【技術特征摘要】
1.一種基于深度學習的變壓器負載監測方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種基于深度學習的變壓器負載監測方法，其特征在于，所述實時采集變壓器負載電流波形和變壓器負載數據，具體包括：
3.根據權利要求2所述的一種基于深度學習的變壓器負載監測方法，其特征在于，所述根據所述變壓器負載電流波形和變壓器負載數據定義目標函數，具體包括：
4.根據權利要求3所述的一種基于深度學習的變壓器負載監測方法，其特征在于，所述通過所述目標函數的一階導數和二階導數確定增益函數，具體包括：
5.根據權利要求2所述的一種基于深度學習的變壓器負載監測方法，其特征在于，所述基于所述增益函數，以所述變壓器負載數據作為監測目標，以所述變壓器負載電流波形作為特征輸入進行建模，通過逐步添加最新樹的方式來構建最終變壓器負載監測模型，具體包括：
6.根據權利要求5所述的一種基于深度學習的變壓器負載監測方法，其特征在于，所述以變壓器負載作為監測目標，以所...
【專利技術屬性】
技術研發人員：彭慶軍，王山，鄒德旭，初德勝，王浩州，周仿榮，楊澤文，洪志湖，鄒閱培，
申請(專利權)人：云南電網有限責任公司電力科學研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。