本发明涉及一种电压互感器运行性能预测方法、系统、设备和介质,属于互感器性能预测。
背景技术:
1、电力系统往往采用交流电压、大电流回路把电能传输给用户,因此无法用仪表对电能进行直接测量,电压互感器用于将交流电压和大电流按比例降低到可以用仪表直接测量的数值,以便于仪表的直接测量,同时为继电保护和自动装置提供电源。互感器性能的好坏直接影响电力系统测量、计量的准确性和继电器保护装置动作的可靠性,因此需要采用互感器校准装置对互感器进行定期校准,以保证互感器工作的准确性。
2、现有的电压互感器性能变化预测系统在进行使用时,都是通过标准电压互感器与待测电压互感器进行对比,得出待测电压互感器的误差状态是否超差,这样通常是出现问题才去解决,并不能去预测电压互感器的误差状态。
技术实现思路
1、为了解决上述现有技术中存在的问题,本发明提出了一种电压互感器运行性能预测方法、系统、设备和介质。
2、本发明的技术方案如下:
3、一方面,本发明提供一种电压互感器运行性能预测方法,包括以下步骤:
4、预存储目标电压互感器在标准工作状态下工作时的标准性能数据;
5、采集目标电压互感器的实时运行性能数据并存储;
6、对存储的实时运行性能数据进行随机选择处理;
7、对随机选择出的实时运行性能数据进行预处理,包括数据筛选、数据恢复、丢弃、填充、替换以及去重操作;
8、基于预处理后的实时运行性能数据以及标准性能数据,采用预测算法预测目标电压互感器在下一时刻的预测性能数据;
9、对预测性能数据和实时运行性能数据进行比对,判断预测性能数据的准确性;
10、基于预测性能数据的准确性采用机器学习算法不断对预测算法的参数进行调整,优化预测性能。
11、作为优选实施方式,在所述对随机选择出的实时运行性能数据进行预处理步骤中,所述数据筛选步骤包括初步筛选、阈值筛选和质量控制筛选三个步骤;其中:
12、所述初步筛选用于筛选误差大于预设范围的数据;
13、阀值筛选的方法具体为:
14、设定临界阈值计算公式为:
15、xmax=x0+3f(t);
16、其中xmax为电压互感器性能参数的临界阈值,x0为电压互感器性能参数的基本限值,t为数据的采样间隔,f()为电压互感器性能参数流参数均方根误差与采样间隔t的拟合函数;
17、将小于临界阈值的实时运行性能数据筛除;
18、质量控制筛选的方法具体为:
19、构造多元质量控制的指标公式为:
20、
21、其中,i为多元数据质量控制的指标,mqn、mνn、mon分别为n个采样间隔电网的额定电压q、二次侧额定电压ν和电压互感器误差o的均值,sqn、sνn、son分别为电网的额定电压q、二次侧额定电压ν和电压互感器误差o的标准差;
22、当一随机选择出的实时运行性能数据中的性能参数q、ν和o计算出的指标i大于1时,认为该实时运行性能数据是异常的,予以剔除;否则认为该实时运行性能数据则是正常的,进行保留。
23、作为优选实施方式,在所述对随机选择出的实时运行性能数据进行预处理步骤中,对在数据筛除步骤中认为是异常数据的实时运行性能数据进行基于时间序列的数据恢复,具体公式如下:
24、
25、其中为异常数据的恢复值,xi-k为前k个采样间隔的实时运行性能数据,βi-k为相应的权重系数,且σβ=1;k为平滑恢复采用的采样间隔宽度。
26、作为优选实施方式,在所述对随机选择出的实时运行性能数据进行预处理步骤中,对在数据筛除步骤中认为是异常数据的实时运行性能数据进行基于时空相关性的数据恢复,具体公式如下:
27、
28、
29、其中,为与位置j相关的检测器m和n对位置j异常数据的数据恢复值;γ1、γ2和γ3为回归方程系数,xi(m)和xi(n)为检测器m和检测器n所在位置的实时运行性能数据,为最终数据恢复值,最终数据恢复值为通过建立多个预测模型得到的多个回归方程的数据恢复值的中值。
30、作为优选实施方式,所述基于预处理后的实时运行性能数据以及标准性能数据,采用预测算法预测目标电压互感器在下一时刻的预测性能数据的方法具体为:
31、基于标准性能数据得到标准数据向量i=[i1,i2,……,in],基于预处理后的实时运行性能数据得到测量数据向量j=[j1,j2,……,jl],标准数据向量i的实际数值为d=[d1、d2、……、dm];
32、通过下式进行预测性能数据预测:
33、
34、
35、其中,vij为从标准数据向量i到测量数据向量j的权值,wjk为测量数据向量j到预测数据向量k的权值;λ和μ分别表示测量数据向量j和预测数据向量k的偏置;f(*)为激励函数,hj和yk的取值范围为(0,1);
36、得到预测数据向量k=[k1,k2,……,km]。
37、作为优选实施方式,所述基于预测性能数据的准确性采用机器学习算法不断对预测算法的参数进行调整的方法具体为:
38、选定数据,随机选取若干个样本放入训练集,每一样本包含一对相应的标准数据向量i和标准数据向量i的实际数值;
39、将机器学习算法中的各权值和偏置初始化为随机值,同时设定调整参数、精度需求参数和调整率;
40、对样本数据组中的每个样本(i,d),计算预测数据向量k;
41、将预测数据向量k中的元素yk与标准数据向量i的实际数值d中的元素kd进行比较,计算误差;
42、基于误差计算结果计算各权值和偏置的增量;
43、根据各权值和偏置的增量更新机器学习算法中的各权值和偏置;
44、判断误差计算结果是否满足精度控制参数,如不满足则返回重新迭代,若满足则保存当前的权值和偏置。
45、作为优选实施方式,所述对预测性能数据和实时运行性能数据进行比对,判断预测性能数据的准确性的方法具体为:
46、将预测性能数据和实时运行性能数据的误差结果转换为混淆矩阵:
47、
48、其中,aa表示预测性能数据和实时运行性能数据均有误差的结果数量,ba表示预测性能数据有误差和实时运行性能数据无误差的结果数量,ab表示预测性能数据无误差和实时运行性能数据有误差的结果数量,bb表示预测性能数据和实时运行性能数据均无误差的结果数量;
49、基于上述混淆矩阵构建以下准确性判断公式,包括:
50、预测准确率公式:
51、
52、预测精确率公式:
53、
54、预测灵敏度公式:
55、
56、预测特异度公式:
57、
58、通过上述公式和混淆矩阵计算出相应的预测准确率、预测精确率、预测灵敏度和预测特异度,根据计算结果衡量预测性能数据的准确性。
59、另一方面,本发明还提供一种电压互感器运行性能变化趋势预测系统,包括:
60、存储模块,用于预存储目标电压互感器在标准工作状态下工作时的标准性能数据;
61、采集模块,用于采集目标电压互感器的实时运行性能数据并存储;
62、数据选择模块,用于对存储的实时运行性能数据进行随机选择处理;
63、预处理模块,用于对随机选择出的实时运行性能数据进行预处理,包括数据筛选、数据恢复、丢弃、填充、替换以及去重操作;
64、预测模块,用于基于预处理后的实时运行性能数据以及标准性能数据,采用预测算法预测目标电压互感器在下一时刻的预测性能数据;
65、判断模块,用于对预测性能数据和实时运行性能数据进行比对,判断预测性能数据的准确性;
66、优化模块,用于基于预测性能数据的准确性采用机器学习算法不断对预测算法的参数进行调整,优化预测性能。
67、再一方面,本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明任一实施例所述的电压互感器运行性能预测方法。
68、再一方面,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所述的电压互感器运行性能预测方法。
69、本发明具有如下有益效果:
70、本发明一种电压互感器运行性能预测方法,通过采集电压互感器的实时运行性能数据并存储,对存储的数据进行随机选取,并进行预处理操作,电压互感器下一工作状态下的性能数据进行预测,同时将预测性能数据与标准数据进行对比从而判断电压互感器的工作性能,将预测性能数据和实时性能数据进行判断,从而判断预测准确性,同时输出预测数据、实时数据、标准数据以及判断结果,工作人员可以根据预测结果的准确性去判断是否需要进行数据调整,通过机器学习算法不断学习调整可以实现对预测性能数据准确性的不断调整,从而实现预测结果更加靠近准确数据,可以提高预测结果准确性,从而实现对电压互感器性能的预测