基于卷积神经网络的油浸式变压器绕组温度快速计算方法与流程

本发明涉及一种基于卷积神经网络的油浸式变压器绕组温度快速计算方法，属于变压器绕组温度控制。

背景技术：

1、在能源与数字革命融合发展的关键时期，电力系统的数字化转型十分重要。其中，输变电设备的安全可靠运行是维持电网稳定运行的重要条件，而电力变压器又作为输变电设备的关键设备之一，更需要保证其持续稳定地运行。在油浸式变压器运行过程中，绕组产生的热量主要通过变压器油进行循环降温冷却，若出现降温冷却回路堵塞等问题，导致绕组的温度分布不均则会出现局部过热的现象，从而影响变压器的运行寿命；若绕组温度超过允许值，则会严重影响变压器的绝缘寿命。因此，变压器绕组温度的计算和分析，对变压器的设计、维护和安全、可靠运行具有至关重要的意义。

2、国内外针对变压器绕组温度均开展了大量的研究工作，目前获取变压器绕组温度信息的方法主要有：试验测量法、热路模型法和数值计算法等。试验测量法需要在变压器相应位置安装测量热电偶或分布式光纤传感器等；热路模型法主要通过变压器内部热过程分析，建立变压器绕组热点的热路模型，从而对变压器绕组热点特性进行计算；数值计算法一般是先对变压器实体模型进行建模和剖分，然后施加相应的边界条件，最后进行求解和后处理。

3、上述传统的变压器绕组温度计算方法，虽然可以考虑油浸式变压器运行时的各种不同的边界条件和参数，但在获得较高精度数据的同时也耗费了大量的时间成本，对于复杂结构的油浸式变压器流-热耦合模型可能会花费数个小时甚至几天时间，并且每次只能基于某一特定的工况和参数进行计算，因此若要计算出多种工况下的油浸式变压器绕组的流-热耦合情况，则需要对大量的模型数据进行计算，工作量过大、效率过低，不能实时监控或快速预测评估油浸式变压器内部温度变化情况，无法满足数字孪生技术对油浸式变压器进行实时监控的要求。

技术实现思路

1、为了解决上述技术问题，本发明提供了一种基于卷积神经网络的油浸式变压器绕组温度快速计算方法，本发明所采用的技术方案如下：

2、基于卷积神经网络的油浸式变压器绕组温度快速计算方法，包括以下步骤：

3、将油浸式变压器的热源密度、油流速度和环境温度作为输入特征量，将油浸式变压器绕组温度作为输出特征量，构建用于卷积神经网络回归训练的数据集；

4、将所述用于卷积神经网络回归训练的数据集分为训练集与测试集，构建基于卷积神经网络的油浸式变压器绕组温度快速计算模型；将用于卷积神经网络训练的数据集输入到所述油浸式变压器绕组温度快速计算模型中进行训练与测试，最终输出计算结果误差最小的油浸式变压器绕组温度快速计算模型；

5、通过实际测量的油浸式变压器绕组电流值计算得出负载损耗，将油浸式变压器负载损耗除以绕组体积得到热源密度，通过仪器监测获得油浸式变压器的油流速度和环境温度，将热源密度、油流速度和环境温度输入到所述计算结果误差最小的油浸式变压器绕组温度快速计算模型中，计算得出油浸式变压器绕组不同工况下的温度分布。

6、优选的，构建油浸式变压器绕组温度快速计算模型时，进行油浸式变压器绕组温度快速计算模型中卷积神经网络的参数设置，卷积层数分别设置为1层、3层、5层、8层与10层，激活函数设置为swish和relu函数，迭代轮数分别设置为5轮、8轮和10轮，学习率分别设置为0.01、0.03和0.05，优化函数设置为adam和nadam。

7、本发明的有益效果：

8、本发明与有限元方法计算变压器绕组温度相比，绕组温度快速计算模型的绕组温度计算速度提升了约180倍左右。相较于单点测温，本发明的油浸式变压器绕组温度快速计算模型能够得到油浸式变压器绕组温度的整体分布状态。与分布式测温相比，本发明的油浸式变压器绕组温度快速计算模型经济性更好。本发明可以满足油浸式变压器绕组温度计算在数字孪生应用中的实时性要求，为数字孪生应用中油浸式变压器运行状态的评估提供了强有力的技术支撑。

技术特征：

1.基于卷积神经网络的油浸式变压器绕组温度快速计算方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于卷积神经网络的油浸式变压器绕组温度快速计算方法，其特征在于，构建油浸式变压器绕组温度快速计算模型时，进行油浸式变压器绕组温度快速计算模型中卷积神经网络的参数设置，卷积层数分别设置为1层、3层、5层、8层与10层，激活函数设置为swish和relu函数，迭代轮数分别设置为5轮、8轮和10轮，学习率分别设置为0.01、0.03和0.05，优化函数设置为adam和nadam。

3.根据权利要求2所述的基于卷积神经网络的油浸式变压器绕组温度快速计算方法，其特征在于，利用creo软件建立包括铁芯、高压绕组、低压绕组和变压器油箱的油浸式变压器三维仿真模型，将所述油浸式变压器三维仿真模型导入comsol软件，通过有限元分析方法对所述油浸式变压器三维仿真模型进行热-流耦合计算。

4.根据权利要求2所述的基于卷积神经网络的油浸式变压器绕组温度快速计算方法，其特征在于，所述用于卷积神经网络回归训练的数据集为：

5.根据权利要求2所述的基于卷积神经网络的油浸式变压器绕组温度快速计算方法，其特征在于，所述油流速度通过液体涡轮流量计测得，所述环境温度通过温度数据记录仪测得。

6.根据权利要求2所述的基于卷积神经网络的油浸式变压器绕组温度快速计算方法，其特征在于，针对训练集类型设置迭代轮数和每轮迭代次数，根据每次油浸式变压器绕组温度快速计算模型的计算结果，不断调整卷积神经网络参数使油浸式变压器绕组温度快速计算模型的计算结果误差变小。

技术总结本发明涉及一种基于卷积神经网络的油浸式变压器绕组温度快速计算方法，属于变压器绕组温度控制技术领域，将变压器的热源密度、油流速度和环境温度作为输入特征量，将绕组温度作为输出特征量，构建用于卷积神经网络回归训练的数据集；将数据集分为训练集与测试集，进行绕组温度快速计算模型的构建；将数据集输入到绕组温度快速计算模型中进行训练与测试，最终输出计算结果误差最小的绕组温度快速计算模型；将热源密度、油流速度和环境温度输入到计算结果误差最小的绕组温度快速计算模型中，计算得出油浸式变压器绕组不同工况下的温度分布。本发明可以满足油浸式变压器绕组温度计算在数字孪生应用中的实时性要求。技术研发人员：孔德靖,张光昊,徐莲环受保护的技术使用者：山东电力设备有限公司技术研发日：技术公布日：2025/1/6