基于GA-BP神经网络的变压器绕组热点温度预测研究
2021-04-08王兴桐喻彩云
东北电力技术 2021年2期
王兴桐,邹 宇,喻彩云
(1.三峡大学电气与新能源学院,湖北 宜昌 443002;2.广西电网钦州供电局,广西 钦州 535000)
随着国民经济的高速发展,保障电网的安全可靠运行显得越来越重要,变压器是电力系统核心设备之一,其使用寿命受绝缘性能的影响很大。变压器绕组热点温度是电力变压器绕组绝缘关键影响因素,同时也是衡量变压器负载能力的重要指标[1],因此,研究一种变压器绕组热点预测方法,及时准确地获取变压器绕组热点温度,对保证变压器高效、安全、可靠运行具有重要意义。
目前,变压器绕组热点温度获取的方法有直接测量、模型计算和预测拟合3种[2]。直接测量法是由变压器内部温度传感器测量其内部温度,受传感器安装位置的影响较大。模型计算法是根据绕组热点温度通用规范来计算变压器内部温度,一般采用IEEEC57.91和IEC354导则[3-4],但没有考虑环境温度的影响。随着智能算法的兴起,神经网络、支持向量机和卡尔曼滤波等预测算法被应用到绕组热点温度预测领域[5-7]。文献[8]利用油浸式变压器的油流动状态建立流体网络模型,计算得到变压器内部的温度分布,该方法虽然大大减少了计算量,但忽略了环境温度影响。文献[9]为了实现电力变压器绕组热点温度的实时预测,把负载电流、顶层油温、环境温度等3个因素作为特征向量,采用改进后的网格搜索算法对支持向量的参数进行优化,提出了一种变压器热点温度预测方法,但该方法的预测精度有待进一步提高。……
登录APP查看全文
