本發明專利技術公開了一種基于DSA?CTCM網絡的避雷器溫度補償方法，包括：獲取避雷器的歷史環境數據；對避雷器的歷史環境數據進行數據預處理；基于雙階段自注意力結合MambaNet的時序卷積網絡，通過數據預處理后的歷史環境數據，構建并訓練得到溫度補償模型；將避雷器的實時環境數據輸入到溫度補償模型，以獲取預測溫度數據，并計算實時溫度數據和預測溫度數據間的溫度偏差值；建立動態反饋機制，根據溫度偏差值動態生成溫度補償模型的補償系數，將所述補償系數反饋到溫度補償模型，以調整溫度補償模型參數，并對溫度補償模型進行性能評估；本發明專利技術通過構建DSA?CTCM網絡的避雷器溫度補償方法，能夠準確地識別和加權不同時間步的環境數據，提高了溫度補償的準確度。
【技術實現步驟摘要】
本專利技術涉及避雷器檢測，尤其是指一種基于dsa-ctcm網絡的避雷器溫度補償方法及系統。
技術介紹
1、在電力系統的運行與維護中，變電設備的健康狀況至關重要。隨著電力負荷的增加，對變電設備的監測需求日益增長。紅外測溫技術因其非接觸、快速測量的特點，成為監測變電設備熱狀態的常用方法。該技術通過分析設備表面的紅外輻射來檢測溫度分布，從而評估設備是否存在故障。然而，紅外測溫技術主要依賴于人工巡檢，通過手持紅外成像儀拍攝二維紅外圖片進行故障診斷，存在漏檢、主觀判斷性強、時間滯后等問題，特別是在復雜環境下，如變電站結構復雜、設備相互遮擋，導致紅外檢測效果不理想。此外，環境因素如氣候和光輻射也會影響紅外測溫的準確性，因此需要采取有效的實時補償措施，以確保溫度檢測的精度。
2、避雷器作為電力系統的關鍵保護裝置，其性能受溫度變化的影響尤為顯著；在長期運行和惡劣環境下，溫度變化可能導致避雷器漏電流增加，長期高溫還可能加速氧化鋅材料的劣化，影響避雷器的電氣特性和使用壽命。盡管避雷器的內部溫度與其電氣性能密切相關，但現有技術中的溫度監測方法多依賴于局部的接觸式溫度傳感器，無法全面反映避雷器內部的溫度分布。同時，這些傳感器的安裝可能影響避雷器的結構完整性，增加維護難度。而且現有溫度補償方法也較為簡單，通常基于溫度反饋調節系統，缺乏對復雜溫度場的全面響應，難以適應環境溫度的快速變化；特別是在復雜氣象條件和強電磁環境下，現有溫度補償方法的局限性更為突出，嚴重影響了變電設備紅外測溫的準確度，進而影響了避雷器的可靠性和使用壽命。
技術實現思路
1、針對上述現有技術中的問題，本專利技術的目的在于提供一種基于dsa-ctcm網絡的避雷器溫度補償方法及系統，通過構建基于dsa-ctcm網絡的避雷器溫度補償模型，獲取溫度補償后避雷器溫度的準確值，并通過動態校正與實時反饋機制，在外部環境快速變化的情況下，確保溫度補償模型能夠提供高精度的溫度補償結果。
2、為了實現上述目的，本專利技術采用如下技術方案，
3、第一方面，本專利技術實施例提供一種基于dsa-ctcm網絡的避雷器溫度補償方法，包括：
4、s1：獲取避雷器的歷史環境數據；
5、所述環境數據包括避雷器的溫度數據和避雷器所處環境的氣候數據；
6、s2：對避雷器的歷史環境數據進行數據預處理；
7、s3：基于雙階段自注意力結合mambanet的時序卷積網絡，通過數據預處理后的歷史環境數據，構建并訓練得到溫度補償模型；
8、s4：獲取避雷器的實時環境數據，將所述實時環境數據輸入到溫度補償模型，以獲取預測溫度數據，并計算實時溫度數據和預測溫度數據間的溫度偏差值；
9、s5：建立動態反饋機制，根據溫度偏差值動態生成溫度補償模型的補償系數，將所述補償系數反饋到溫度補償模型，以調整溫度補償模型參數，并對溫度補償模型進行性能評估。
10、可選的，所述s2包括以下具體步驟：
11、s201：獲取避雷器的歷史環境數據，對歷史環境數據進行數據同步；
12、所述數據同步是為每條歷史環境數據記錄添加時間戳，并將不同時刻的歷史環境數據進行時間對齊；
13、s202：將所述歷史環境數據進行數據清洗處理；
14、s203：基于卡爾曼濾波算法，對所述歷史環境數據進行平滑處理；
15、s204：提取所述歷史環境數據的均值和標準差，對所述歷史環境數據進行歸一化處理；
16、s205：對所述歷史環境數據進行z-score標準化處理。
17、可選的，所述s203中卡爾曼濾波算法包括預測過程和更新過程；
18、所述預測過程的函數表達式為：
19、
20、
21、式中，為k時刻?的系統狀態向量，為k-1時刻的系統狀態向量；為狀態轉移矩陣；為控制矩陣；為控制輸入；為的轉置矩陣，和分別為狀態向量和的不確定性協方差矩陣，為噪聲協方差矩陣；
22、所述更新過程的函數表達式為：
23、
24、
25、
26、式中，為卡爾曼增益，為預測誤差協方差，為先驗估計值列向量，為的轉置矩陣，為傳感器噪聲協方差矩陣；為本次預測更新的最優估計值，為系統傳感器觀測值；為本次預測更新后的最優協方差矩陣；
27、所述s204中歸一化處理的函數表達式為：
28、
29、式中，x'為歸一化后的歷史環境數據；x為歷史環境數據；min(x)為歷史環境數據的最小值，max(x)為歷史環境數據的最大值；
30、所述s205中的z-score標準化的函數表達式為：
31、
32、式中，x為標準化歷史環境數據；μ為歷史環境數據的均值，σ為歷史環境數據的標準差。
33、可選的，所述s3包括以下具體步驟：
34、s301：基于數據預處理后的歷史環境數據，建立環境數據集；所述環境數據集包括訓練集和測試集；
35、s302：基于雙階段自注意力結合mambanet的時序卷積網絡，構建避雷器溫度補償模型；所述溫度補償模型包括編碼器、mamba模塊和解碼器；
36、s303：將訓練集中數據輸入到編碼器，基于編碼器提取輸入數據的特征序列，計算特征序列的重要性權重，以生成加權的隱藏狀態，并將隱藏狀態編碼后發送到mamba模塊；
37、s304：基于mamba模塊整合編碼器輸出，變換維度并動態選擇關鍵時序信息，以增強模型的時間序列建模能力，并生成合適的特征序列發送至解碼器；
38、s305：解碼器通過分類信息對所述隱藏狀態進行解碼，并自適應選擇的所述隱藏狀態重要性權重，以生成新的隱藏狀態，將其與mamba模塊輸出的特征序列結合，計算出溫度補償后的預測溫度數據；
39、s306：根據歷史溫度數據及其對應的預測溫度數據，計算兩者間的溫度差值，并基于溫度差值對所述溫度補償模型的參數進行調整，持續迭代訓練；
40、s307：當溫度補償模型的訓練迭代次數達到預設測試次數時，基于測試集對所述溫度補償模型進行性能測試；若模型性能合格，則完成所述溫度補償模型的訓練；若模型性能不合格，則執行步驟s308；
41、s308：判斷迭代次數是否達到預設迭代次數，若是，則完成所述溫度補償模型的訓練；否則，返回執行步驟s303。
42、可選的，所述s4包括以下具體步驟：
43、s401：獲取避雷器的實時環境數據；
44、s402：將所述實時環境數據輸入到訓練后的溫度補償模型，以獲取預測溫度數據；
45、所述預測溫度數據的計算公式為：
46、
47、式中，為預測溫度數據，為實時氣候數據，為歷史溫度數據；
48、s403：計算實時溫度數據和預測溫度數據間的溫度偏差值；
49、所本文檔來自技高網
...
【技術保護點】
1.一種基于DSA-CTCM網絡的避雷器溫度補償方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述S2包括以下具體步驟：
3.根據權利要求書2所述的方法，其特征在于，所述S203中卡爾曼濾波算法包括預測過程和更新過程；
4.根據權利要求1所述的方法，其特征在于，所述S3包括以下具體步驟：
5.根據權利要求1所述的方法，其特征在于，所述S4包括以下具體步驟：
6.根據權利要求1所述的方法，其特征在于，所述S5包括以下具體步驟：
7.根據權利要求書6所述的方法，其特征在于，所述S503中的動態校正算法的函數表達式為：
8.根據權利要求4所述的方法，其特征在于，所述編碼器包括依次連接的卷積神經網絡層、輸入多頭自注意力層和時序卷積網絡層；
9.根據權利要求2所述的方法，其特征在于，所述步驟S202中的將所述歷史環境數據進行數據清洗處理的過程包括如下中的一種或多種：
10.一種基于DSA-CTCM網絡的避雷器溫度補償方法，其特征在于，包括：
【技術特征摘要】
1.一種基于dsa-ctcm網絡的避雷器溫度補償方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述s2包括以下具體步驟：
3.根據權利要求書2所述的方法，其特征在于，所述s203中卡爾曼濾波算法包括預測過程和更新過程；
4.根據權利要求1所述的方法，其特征在于，所述s3包括以下具體步驟：
5.根據權利要求1所述的方法，其特征在于，所述s4包括以下具體步驟：
6.根據權利要求1所述的方法，其特征在于，所...
【專利技術屬性】
技術研發人員：丁玉柱，康文，張小剛，鄧維，劉衛東，尹駿剛，張寒，王鼎湘，符勁松，朱娟，唐江琦，鐘昱銘，魏紹東，劉歡，吳靜，姚達，
申請(專利權)人：國網湖南省電力有限公司，
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。