基于人工智能的油浸式电力变压器生产参数优化方法及系统与流程

本发明属于人工智能，具体的说是基于人工智能的油浸式电力变压器生产参数优化方法及系统。

背景技术：

1、随着能源资源的日益紧缺和环境保护意识的增强，对电力设备的能效要求不断提高，优化油浸式电力变压器的生产参数可以提高其能效，减少能源消耗，符合节能减排的要求，同时随着科技的不断进步，新材料、新工艺和新技术的涌现为油浸式电力变压器的生产参数优化提供了更多可能性，通过引入先进技术，可以提高变压器的性能和可靠性；

2、例如公开号为cn117556618a的中国专利中公开了一种干式电力变压器风机散热效率的评估方法，包括以下步骤：得到风机参数，对干式电力变压器进行关闭风机和打开风机情况下不同功率稳定运行试验，测量得到干式电力变压器关闭风机和打开风机情况下不同功率稳定运行后三相低压绕组电流与表面温度，从而计算温升因子和过负荷因子，确定风机散热效率评估因子，最终评估干式电力变压器风机散热效率。本发明的有益效果在于提出了一种干式电力变压器风机散热效率的评估方法，能为干式电力变压器风机生产优化设计和服役性能测评提供方法。

3、以上专利存在本背景技术提出的问题：油浸式电力变压器生产参数优化在现有技术中仍然存在一些问题和挑战，需要企业在材料选择、生产工艺、设计参数优化、智能化生产、故障诊断与维护以及系统性优化等方面持续改进和创新，以提升产品质量和竞争力，现有技术中均存在上述问题，为了解决这些问题，本技术设计了基于人工智能的油浸式电力变压器生产参数优化方法及系统。

技术实现思路

1、针对现有技术的不足，本发明提出了基于人工智能的油浸式电力变压器生产参数优化方法及系统。

2、为实现上述目的，本发明提供如下技术方案：

3、基于人工智能的油浸式电力变压器生产参数优化方法，其包括以下具体步骤：

4、s1、获取电力变压器的生产环境参数数据，同时获取在生产环境下生产的电力变压器的运行数据；

5、s2、将在生产环境下生产的电力变压器的运行数据导入生产异常评估策略中进行生产异常评估；

6、s 3、通过生产异常评估结果和电力变压器的生产环境参数数据构建生产参数优化模型；

7、s4、将生产环境参数数据进行生产环境变化数据和生产环境恒定数据的分类；

8、s5、将生产环境变化数据、生产环境恒定数据和需要的电力变压器评估结果导入参数优化模型中进行生产参数优化输出。

9、本发明进一步的改进在于，所述s1包括以下具体步骤：

10、s11、通过生产环境采集模组采集电力变压器的生产环境参数数据，其中，生产环境参数包括原材料数据、生产环境温度数据、生产环境湿度数据和设定的生产设备运行参数数据，储存在第一储存模组中；

11、s12、通过运行数据采集模组采集生产环境下生产的电力变压器的运行数据，其中，电力变压器的运行数据包括运行电压、运行电流、运行温度、运行振动幅度和振动频率数据，储存在第二储存模组中；

12、在此需要说明的是，这里的原材料数据为生产过程中加入的原材料电阻率和磁导率数据，这里的生产设备运行参数数据为设备的转速、温度和湿度；

13、本发明进一步的改进在于，所述s2中生产异常评估策略的具体内容如下：

14、s21、设定测试周期，获取测试周期内生产环境下生产的电力变压器的运行数据；

15、s22、将获取得到的测试周期内生产环境下生产的所有电力变压器的运行数据导入生产异常评估系数计算公式中计算对应生产环境下的生产异常评估系数，其中，第i个生产环境下的生产异常评估系数pi计算公式为：其中，m为第i个生产环境中测试周期内生产电力变压器的个数，n为电力变压器的运行数据种类个数，ac为第c个电力变压器的运行数据种类的占比系数，t为测试周期时长，dt为时间积分，xjct为第i个生产环境中测试周期内第j个生产电力变压器第c个运行数据种类的第t时刻的数据，xjcm为生产电力变压器第c个运行数据种类的安全范围的中值，xjcmax为生产电力变压器第c个运行数据种类的安全范围最大值，xjcmin为生产电力变压器第c个运行数据种类的安全范围最小值，

16、s23、计算得到所有生产环境下的生产异常评估系数。

17、本发明进一步的改进在于，所述通过生产异常评估结果和电力变压器的生产环境参数数据构建生产参数优化模型的具体内容为：

18、s 31、获取所有生产环境下的生产异常评估系数，同时获取历史环境下对应的生产环境参数包括原材料数据、生产环境温度数据、生产环境湿度数据和设定的生产设备运行参数数据，构建输入为环境下对应原材料数据、生产环境温度数据、生产环境湿度数据和设定的生产设备运行参数数据，输出为生产环境下的生产异常评估系数的深度学习神经网络模型，即生产参数优化模型；

19、s32、将提取的所有历史生产环境下的生产异常评估系数、历史环境下对应原材料数据、生产环境温度数据、生产环境湿度数据和设定的生产设备运行参数数据分为80％的参数训练集和20％的参数测试集；将80％的参数训练集输入深度学习神经网络模型进行训练，以得到初始深度学习神经网络模型；利用20％的参数测试集对初始深度学习神经网络模型进行测试，输出满足历史环境下对应的生产异常评估系数判断准确度的初始深度学习神经网络模型作为深度学习神经网络模型，其中，深度学习神经网络模型中的神经元的输出策略公式为：其中为n+1层s项神经元的输出，为第n层神经元j与n+1层s项神经元的连接权重，代表第n层神经元j的输出，代表第n层神经元j与n+1层s项神经元的线性关系的偏置，δ()代表sigmoid激活函数，m为第n层神经元数量；

20、本发明进一步的改进在于，所述将生产环境参数数据进行生产环境变化数据和生产环境恒定数据的分类包括以下具体内容：

21、s41、获取生产环境参数数据中的原材料数据、生产环境温度数据、生产环境湿度数据和设定的生产设备运行参数数据；

22、s42、获取生产环境参数数据中在下一次生产过程中能够改变的数据种类，设为生产环境变化数据，获取生产环境参数数据中在下一次生产过程中不能改变的数据种类，设为生产环境恒定数据。

23、本发明进一步的改进在于，所述s5包括以下具体内容：

24、获取生产环境变化数据、生产环境恒定数据和需要的电力变压器评估结果，将生产环境变化数据、生产环境恒定数据和需要的电力变压器评估结果导入生产参数优化模型中进行输出需要的电力变压器评估结果的生产环境变化数据的变化结果，将输出的生产环境变化数据的变化结果作为生产参数优化数据，将对应的生产参数调节为生产参数优化数据。

25、在此需要说明的是，这里的第c个电力变压器的运行数据种类的占比系数的取值方式为：获取若干组电力变压器的运行数据，同时聘请专家判断电力变压器的运行是否异常，将获取的电力变压器的运行数据代入生产异常评估系数计算公式中计算生产异常评估系数，将计算得到的生产异常评估系数和运行是否异常判断结果导入拟合软件中输出符合最高判断准确率的第c个电力变压器的运行数据种类的占比系数的取值。

26、基于人工智能的油浸式电力变压器生产参数优化系统，其基于上述基于人工智能的油浸式电力变压器生产参数优化方法实现，其具体包括：

27、数据采集模块，用于获取电力变压器的生产环境参数数据，同时获取在生产环境下生产的电力变压器的运行数据；

28、生产异常评估模块，用于将在生产环境下生产的电力变压器的运行数据导入生产异常评估策略中进行生产异常评估；

29、生产参数优化模型构建模块，用于通过生产异常评估结果和电力变压器的生产环境参数数据构建生产参数优化模型；

30、数据分类模块，用于将生产环境参数数据进行生产环境变化数据和生产环境恒定数据的分类；

31、生产参数优化输出模块，用于将生产环境变化数据、生产环境恒定数据和需要的电力变压器评估结果导入参数优化模型中进行生产参数优化输出；

32、控制模块，用于控制数据采集模块、生产异常评估模块、生产参数优化模型构建模块、数据分类模块和生产参数优化输出模块的运行。

33、一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；

34、所述处理器通过调用所述存储器中存储的计算机程序，执行上述的基于人工智能的油浸式电力变压器生产参数优化方法。

35、一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如上述的基于人工智能的油浸式电力变压器生产参数优化方法。

36、与现有技术相比，本发明的有益效果是：

37、本发明获取电力变压器的生产环境参数数据，同时获取在生产环境下生产的电力变压器的运行数据，将在生产环境下生产的电力变压器的运行数据导入生产异常评估策略中进行生产异常评估，通过生产异常评估结果和电力变压器的生产环境参数数据构建生产参数优化模型，将生产环境参数数据进行生产环境变化数据和生产环境恒定数据的分类，将生产环境变化数据、生产环境恒定数据和需要的电力变压器评估结果导入参数优化模型中进行生产参数优化输出，通过优化生产参数，可以使得生产过程更加高效，减少生产时间和成本，优化后的生产参数能够保证产品的一致性和质量，减少不良品的产生，通过智能优化，可以使得变压器的设计更加节能，降低运行过程中的能源消耗。