一种基于预测模型的变压器时序数据智能监管系统及方法

本发明涉及时序数据预测，具体为一种基于预测模型的变压器时序数据智能监管系统及方法。

背景技术：

1、时序预测模型是一种用于预测时间序列数据未来趋势或数值的模型。在时间序列数据中，数据点按照时间顺序排列。时序预测模型的主要目的是根据过去的数据模式和规律，来预测未来时间点的数值或趋势。

2、变压器在使用过程中变压器的参数会随着时间变化而变化，为了保护变压器，需要在变压器里加入变压器油，变压器油的作用是绝缘性能，散热性能；但随着变压器的参数发生变化，变压器油会发生反应，产生溶解气体，当溶解气体浓度达到一定程度时，变压器就会发生危险，因此需要溶解气体的时序预测模型对变压器的安全进行监控，但对时序预测模型建立时，需要找到最优的抽取检测间隔时间对溶解气体浓度进行采集，首先保证精确的预测，其次避免数据采集过多，造成资源浪费。

技术实现思路

1、本发明的目的在于提供一种基于预测模型的变压器时序数据智能监管系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于预测模型的变压器时序数据智能监管方法，该方法包括以下步骤：

3、步骤s100：通过检测装置对变压器工作时的运行参数进行采集，通过对所述运行参数的数值集进行分析，得到所述运行参数的变化周期；

4、步骤s200：对变压器油按照变压器工作时的运行参数的变化周期为时间间隔进行抽取检测，得到变压器油中溶解气体的气体浓度集；

5、步骤s300：对以各种运行参数的变化周期为时间间隔进行抽取检测得到溶解气体的气体浓度集，进行emd经验模态分解，将分解结果输入到rnn循环网络模型，建立以各种运行参数的变化周期为时间间隔进行抽取检测得到的溶解气体的气体浓度的时序预测模型，对所述时序预测模型进行测试，得到所述时序预测模型的平均绝对百分比误差；

6、步骤s400：将平均绝对百分比误差进行排序，分析得到最优的抽取检测间隔时间，将变压器油按照最优的抽取检测间隔时间进行抽取检测，对各种溶解气体的气体浓度建立时序预测模型，预测值超出阈值发出警报。

7、进一步的，步骤s100，包括以下步骤：

8、步骤s101：通过放置检测装置，对变压器工作时的运行参数，按照随机时间间隔进行采集，得到各种运行参数数值集；

9、步骤s102：将第i种运行参数数值集绘制成曲线图，根据变压器的第i种运行参数的曲线图进行分析，记录从曲线图原点开始，斜率值的正负每变化两次的时间段为t，根据公式其中ai表示为变压器工作时第i种运行参数的变化周期，t1，t2，...tn表示为第1,2，...，n个时间段。

10、上述步骤相当于是变压器在工作中，变压器的运行参数会发生变化，对变压器的运行参数进行采集，绘制曲线图，根据曲线图的变化规律，得到变压器的运行参数的变化周期，为后续分析起到了支持。

11、进一步的，步骤s200，包括以下步骤：

12、步骤s201：通过在变压器工作过程中，对变压器油按照以ai为时间间隔进行抽取检测，对变压器油中第r种溶解气体的气体浓度进行记录，得到以ai为时间间隔的第r种溶解气体的气体浓度集为wir；

13、步骤s202：根据公式其中a表示为参考变化周期，a1，a2，...，ai分别表示为变压器工作时第1,2，...，i种运行参数的变化周期，对变压器油按照以参考变化周期为时间间隔进行抽取检测，对变压器油中第r种溶解气体的气体浓度进行记录，得到以参考变化周期为时间间隔的第r种溶解气体的气体浓度集为wr。

14、上述步骤相当于是变压器通过在内部加入变压器油，避免变压器发生危险，但是在变压器的使用过程中，变压器油会产生溶解气体，通过对变压器油按照运行参数的变化周期进行抽取检测，得到溶解气体的气体浓度集，根据各种运行参数的变化周期再设立一个参考变化周期，对变压器油按照参考变化周期进行抽取检测，得到溶解气体浓度的参考集，为后续分析起到了支持。

15、进一步的，步骤s300，包括以下步骤：

16、步骤s301：将wir、wr分别进行emd经验模态分解，通过输入wir、wr到emd算法中，将wir、wr分解为imf分量，得到各个imf分量的时间序列，根据各个imf分量的pearson系数确定出pearson系数最大的imf分量的时间序列为关键序列；

17、步骤s302：将关键序列数据融合到原始时间序列数据中作为特征，融合后的序列数据集输入rnn循环网络模型，建立wir、wr的时序预测模型为mir、mr；

18、步骤s303：通过对mir、mr进行测试，得到mir、mr的平均绝对百分比误差bir、br，其中bir、br分别表示为时序预测模型为mir、mr的平均绝对百分比误差。

19、上述步骤相当于是根据不同变化周期采集得到的溶解气体浓度集，建立不同时序预测模型，对不同时序预测模型进行测试，得到不同的平均绝对百分比误差，为后续分析起到了支持。

20、进一步的，步骤s400，包括以下步骤：

21、步骤s401：通过对各种运行参数的变化周期为时间间隔的第r种溶解气体的气体浓度的时序预测模型进行测试得到的平均绝对百分比误差进行集合得到{b1r，b2r，...，bir}，其中b1r，b2r，...，bir分别表示为按照以第1，2，...i种运行参数的变化周期为时间间隔的第r种溶解气体的气体浓度的时序预测模型进行测试得到的平均绝对百分比误差，当所述集合中的值小于br时，则将所述集合按照从小到大排序，集合最小值的运行参数的变化周期为变压器油的最优的抽取检测间隔时间，当所述集合中的值大于等于br时，将变压器工作时的各种运行参数的变化周期，按照从小到大进行排列，运行参数的变化周期的最小值为amin，运行参数的变化周期的最大值为amax，根据公式其中c1、c2分别表示为运行参数的变化周期的最小值与参考变化周期、运行参数的变化周期的最大值与参考变化周期的平均变化周期，通过对变压器油按照以c1、c2为时间间隔进行抽取检测，对变压器油中第r种溶解气体的气体浓度进行记录，得到以c1、c2为时间间隔的第r种溶解气体的气体浓度集wc1r，wc2r，建立wc1r，wc2r的时序预测模型为mc1r、mc2r，通过测试得到平均绝对百分比误差为bc1r、bc2r；

22、步骤s402：将br、bc1r、bc2r按照从小到大进行排序，最小值的变化周期为变压器油的最优的抽取检测间隔时间；

23、步骤s403：将变压器油按照最优的抽取检测间隔时间进行抽取检测，对变压器油中各种溶解气体的气体浓度进行记录，得到各种溶解气体的气体浓度集，建立各种溶解气体的气体浓度时序预测模型，通过输入预测的未来时间步长，对各种溶解气体的气体浓度进行预测，当有一种溶解气体的气体浓度预测值超过阈值，发出预警对变压器进行维护。

24、上述步骤相当于是对平均绝对百分比误差进行排序比较，根据比较结果分析得到最优的抽取检测间隔时间，对变压器油按照最优的抽取检测间隔时间进行抽取检测，得到各种溶解气体的气体浓度集，建立各种溶解气体的时序预测模型，当预测结果为异常时，对变压器进行维护。

25、为了更好实现上述方法还提出了一种基于预测模型的变压器时序数据智能监管系统，其特征在于，系统包括采集变压器参数模块、采集气体浓度模块、时序预测模型模块、分析预警模块：

26、变压器参数模块：通过检测装置对变压器工作时的运行参数进行采集，通过对所述运行参数的数值集进行分析，得到所述运行参数的变化周期；

27、采集气体浓度模块：对变压器油按照变压器工作时的运行参数的变化周期为时间间隔进行抽取检测，得到变压器油中溶解气体的气体浓度集；

28、时序预测模型模块：对以各种运行参数的变化周期为时间间隔进行抽取检测得到溶解气体的气体浓度集，进行emd经验模态分解，将分解结果输入到rnn循环网络模型，建立以各种运行参数的变化周期为时间间隔进行抽取检测得到的溶解气体的气体浓度的时序预测模型，对所述时序预测模型进行测试，得到所述时序预测模型的平均绝对百分比误差；

29、分析预警模块：将平均绝对百分比误差进行排序，分析得到最优的抽取检测间隔时间，将变压器油按照最优的抽取检测间隔时间进行抽取检测，对各种溶解气体的气体浓度建立时序预测模型，预测值超出阈值发出警报。

30、进一步的，变压器参数模块包括采集变压器参数单元和分析变压器参数的变化周期单元；

31、采集变压器参数单元：通过检测装置对变压器工作时的运行参数进行采集；

32、分析变压器参数的变化周期单元：对采集的数据建立曲线图，分析得到变压器工作时的运行参数的变化周期。

33、进一步的，采集气体浓度模块包括采集标准气体浓度单元和采集参考气体浓度单元；

34、采集标准气体浓度单元：对变压器油中的溶解气体按照不同变压器运行参数的变化周期进行抽取检测，得到变压器油中溶解气体的气体浓度；

35、采集参考气体浓度单元：对变压器各种运行参数的变化周期进行分析得到参考周期，对变压器油中的溶解气体按照参考周期进行抽取检测，得到变压器油中溶解气体的气体浓度。

36、进一步的，时序预测模型模块包括建立时序预测模型单元和测试时序预测模型单元；

37、建立时序预测模型单元：根据各种运行参数变化周期抽取检测到的溶解气体的气体浓度集建立时序预测模型；

38、测试时序预测模型单元：对各种运行参数变化周期抽取检测到的溶解气体的气体浓度集建立时序预测模型进行测试，得到时序预测模型的平均绝对百分比误差。

39、进一步的，分析预警模块包括分析采集时间间隔单元和建立预警单元；

40、分析采集时间间隔单元：对时序预测模型的平均绝对百分比误差进行分析，得到最优采集时间间隔；

41、建立预警单元：将变压器油按照最优的抽取检测间隔时间进行抽取检测，建立各种溶解气体的气体浓度的时序预测模型，预测结果出现异常，发出警报。

42、与现有技术相比，本发明所达到的有益效果是：本发明通过采集变压器工作时的运行参数，得到运行参数的变化周期，对变压器油按照变化周期为时间间隔进行抽取检测，对变压器油中溶解气体的气体浓度建立时序预测模型，对时序预测模型进行测试，得到平均绝对百分比误差，根据平均绝对百分比误差分析，得到最优的抽取检测间隔时间，将变压器油按照最优的抽取检测间隔时间进行抽取检测，建立各种溶解气体浓度时序预测模型，对变压器进行预测监管。找到最优的抽取检测间隔时间，首先保证精确的预测，其次避免数据采集过多，造成资源浪费。