基于符号动力学和ls-svm的变压器维护优化方法
【专利摘要】本发明涉及基于符号动力学和LS-SVM的变压器维护优化方法。项目基于符号动力学方法，将基础数据抽象分割得到变压器缺陷分布变化、故障分布变化、环境变化、负荷变化、以及维护计划变化五个变化量进行符号描述。并结合历年缺陷数据及维护方案对缺陷的影响，采用LS-SVM算法计算维护方案调整前后的效益增益及停电损失，得到最优的运维方案。本发明的优点有：1、利用符号动力学描述变压器风险中不同类型、时变、相互关系复杂的因素；2、提高LS-SVM学习能力、拟合效果；3、利用LS-SVM进行建模分析和预测，得到变压器风险变化规律，解决现有维护优化方法存在预测效率较低、在小样本下效果不理想，容易陷入局部极值等问题。
【专利说明】基于符号动力学和LS-SVM的变压器维护优化方法
【技术领域】
[0001]本发明涉及一种变压器维护优化方法，是基于符号动力学和最小二乘支持向量机LS-SVM预测变压器风险变化规律，在兼顾成本和效益条件下优化变压器维护方法，具体涉及一种基于符号动力学和LS-SVM的变压器维护优化方法。
【背景技术】
[0002]变压器作为电力系统的关键设备，它的运行状态直接影响电网安全和稳定运行，因此变压器维护显得尤其关键。目前变压器维护主要依照国家规定的定期检修执行，存在维护不足降低可靠性，以及不必要维护增加成本的问题。
[0003]变压器风险既与其品质、结构有关，又与设备环境、维护水平等相关，以上数据类型不同、随时间变化且相互关系复杂，目前尚无较好的方法能描述上述关系；目前变压器维护主要研究方法是模糊综合评判、粗糙集、人工神经网络等，存在预测效率较低、在小样本下效果不理想，容易陷入局部极值等问题。
【发明内容】
[0004]本发明的上述技术问题主要是通过下述技术方案得以解决的:
[0005]一种基于符号动力学和LS-SVM的变压器维护优化方法，其特征在于，包括以下步骤:
[0006]步骤1:利用符号动力学，基于式一将基础数据抽象分割得到变压器缺陷分布变化、故障分布变化、环境变化、负荷变化、以及维护计划变化五个变化符号的时间序列，前者时间尺度比后者大两级以上；
【权利要求】
1.一种基于符号动力学和LS-SVM的变压器维护优化方法，其特征在于，包括以下步骤: 步骤1:利用符号动力学，基于式一将基础数据抽象分割得到变压器缺陷分布变化、故障分布变化、环境变化、负荷变化、以及维护计划变化五个变化符号的时间序列，前者时间尺度比后者大两级以上；
式一中，η为分割不同符号序列的个数；{S(l), S (2),…}为总符号序列；L为子符号序列的长度为沿着总符号序列分割子序列的起始序号；q是从I到L的数字； 分别将上述五个变化符号的时间序列的风险等级定为5级，具体分为大，较大，中等，较小，小，为确保时间尺度比后者大两级以上，则符号序列的符号集至少为5的2倍以上；则变压器每个指标最小的风险定义为符号序列{A, B, C},最大的风险定义为符号序列{M, N,0}； 步骤2:根据步骤一的结果，按照变压器缺陷分布变化、故障分布变化、环境变化、负荷变化及维护计划变化五类分类分别统计缺陷数；根据式二对缺陷分布变化子时间序列进行预处理，确定设备总体的缺陷水平；
式二中，Dav(i)为变压器第i月的平均缺陷数；Φ为黄金比例分割系数0.618 ；DAV(i)为制造厂家同类别变压器在i月中的平均缺陷数；D—⑴为变压器最近一年的i月缺陷数； 步骤3:确定LS-SVM目标函数和Karush-Kuhn-Tucker约束条件的参数；其中，LS-SVM目标函数基于式三:
其中，y(i)为预测的故障数，a]以及b为进行LS-SVM模型预测的参数，K(x，xp为预测用的核函数；
然后根据LS-SVM目标函数和Karush-Kuhn-Tucker条件，确定式三中的参数a^，b，基于式九得到:
式中m为月份数12 ；C为正规化参数，控制对超出误差样本的惩罚程度，即惩罚参数； 采用自适应法寻找惩罚系数C和式四中的宽度参数oa，oa是式四中最终优化后的核函数的σ参数； 以根据原始缺陷数据代入式三得到预测结果方差最小的(Ca，oa)参数对为中心，构建10X10 二维网格平面；以0.1倍为扩展长度构建更细的网格，并通过计算
的均方差，以最小值作为最优的(Ca，σ a)参数对； 步骤4:在步骤3计算出所有参数后，利用LS-SVM的式三直接对更改维护计划前后的缺陷子时间序列进行分析和预测，得到变压器风险分布；其中，更改前的缺陷子时间序列为原始的缺陷数据，更改维护计划后，对应缺陷即按照公式: 缺陷数X缺陷消除系数 来获取，得到另外一个时间序列，其中缺陷消除系数为:上年度整体的维护项目数/上年度的缺陷数； 步骤5:根据式六计算步骤4得到的不同维护计划下变压器风险分布的停电损失；
式六中，Loutage(i)为第i类缺陷对应停电损失；Drferts(i)为第i类缺陷数;Weight(i)为第i类缺陷的缺陷权重，见式八
其中，DPresent(i)为变压器第i月的总体的缺陷水平；ι^_α)为第i类缺陷对应停电损失；1为缺陷类别总数；τ—为总停电时间；VeDP/VWat_是用某区域生产总值与用电量的比值表征单位停电时间导致的损失； 步骤6:根据式七计算维护计划修改产生的效益增量；
TsaveQ) = Δ D [Loutage (i)+LfixDefectsmaintain⑴ 式七 式七中，AD为减少的缺陷数；L—(i)为第i类缺陷对应停电损失如式六；LfixD_tJi)为第i类缺陷修复成本，ALmaintain(i)为增加的维护项目成本，Lfixnefects(i)和ALmaintain(i)按照检修标准计算； 步骤7:通过缺陷数量X权重即能够量化变压器可能的故障停电时间，该故障停电损失与更改维护计划的成本增益相比；判断维护计划相关变量是否满足式五，满足则进行下一步，否则返回上次维修计划并修改维护计划，增加一次该项目的维护，返回步骤4 ;其中，缺陷数量根据步骤4计算得到，权重基于式八得到，而成本增益根据步骤5及步骤6计算结果得到，成本增益计算方法为:效益增益一停电损失；
(i)分别为原计划第i类缺陷修复成本、对应停电损失、维护项目成本；TSaTC(i)为式七得到的维护计划修改产生的效益增量； 步骤8:根据式五判断满足要求则继续变更维护计划进行尝试，如果不满足式五则结束本 类维护项目的计划更改。
【文档编号】G06F11/36GK104077231SQ201410339317
【公开日】2014年10月1日 申请日期:2014年7月16日 优先权日:2014年7月16日
【发明者】李智敏, 刘剑, 郑琰, 石峰, 苏迪, 程生安, 王旭, 杜鹏, 蔡裕 申请人:国家电网公司, 国网河南省电力公司郑州供电公司, 武汉众兴盛科技有限公司