一种变压器油中溶解气体浓度预测方法和系统

    公开(公告)号:CN108663501A

    公开(公告)日:2018-10-16

    申请号:CN201711229306.4

    申请日:2017-11-29

    IPC分类号: G01N33/28

    摘要: 本发明提供了一种变压器油中溶解气体浓度预测方法和系统,包括:获取变压器的各特征气体浓度、油温和负荷数据的历史数据;对各特征气体浓度之间以及特征气体浓度与油温、负荷之间进行相关性分析,并建立变压器油中溶解气体浓度预测模型;以当前时刻与预测目标特征气体的相关性大于预设阈值的相关特征气体浓度、油温和负荷数据作为输入变量,输入所述变压器油中溶解气体浓度预测模型,得到目标特征气体未来时刻的浓度预测值。该方法和系统能挖掘出与待预测选定气体相关性较大的因素作为输入变量,建立变压器油中溶解气体浓度预测模型,能够准确预测变压器各特征气体浓度,提升对变压器的掌控能力。

    一种面向电力在线采集数据的分类方法

    公开(公告)号:CN104809473B

    公开(公告)日:2018-11-16

    申请号:CN201510218676.2

    申请日:2015-04-30

    IPC分类号: G06F17/30

    摘要: 本发明提供一种面向电力在线采集数据的分类方法,所述方法包括以下步骤:(1)收集数据并构建数据库;(2)从原始数据库中选取数据和样本;(3)利用已整理好的数据训练线性SVM,并将训练结果保存;(4)通过训练好的模型判断事件是否为变压器故障事件;(5)解释分类结果,并调整电能质量。本发明将基于随机梯度下降算法的SVM分类器应用到变压器故障事件的分类识别中,可以有效解决电力系统实测数据的在线采分类问题。本发明采用随机梯度下降算法,通过每个样本来迭代更新一次,即使在样本量很大的情况,也可能只用其中几万条或者几千条的样本,就可以迭代到最优解。因此更适用于如今日益增长的电力在线采集数据处理的要求。