阅读说明：本技术 一种油浸式变压器油温预测的概念漂移检测方法 (Conceptual drift detection method for oil temperature prediction of oil-immersed transformer ) 是由 徐健锋 郑智茗 刘斓 胡然 赵志宾 于 2021-05-20 设计创作，主要内容包括：本发明提供了一种油浸式变压器油温预测的概念漂移检测方法,包括3个模块：前置模块,误差检测模块,漂移判定模块；前置模块中将油浸式变压器的工况数据序列输入至油温预测器中预测相应时间的变压器油温；之后将预测到的结果集和对应真实油温序列传入误差检测模块求得相对误差率集合,接着将该集合送入漂移判定模块中；在漂移判定模块中为了检测出变压器油温预测模型是否发生了概念漂移,以γ为警戒值统计集合中预测异常的元素个数以及它们在整个预测结果集中的占比,并设定阈值对占比进行分析,最后得到判定结果。本发明针对油温预测器的概念漂移检测方法能够及时有效的发现油温预测器中概念漂移现象的产生。(The invention provides a conceptual drift detection method for oil temperature prediction of an oil-immersed transformer, which comprises 3 modules: the device comprises a front-end module, an error detection module and a drift judgment module; the working condition data sequence of the oil-immersed transformer is input into an oil temperature predictor in the preposed module to predict the oil temperature of the transformer at the corresponding time; then, the predicted result set and the corresponding real oil temperature sequence are transmitted into an error detection module to obtain a relative error rate set, and then the set is transmitted into a drift judgment module; in order to detect whether the transformer oil temperature prediction model generates conceptual drift or not in the drift determination module, gamma is used as the number of elements which are predicted to be abnormal in the warning value statistical set and the proportion of the elements in the whole prediction result set, a threshold value is set to analyze the proportion, and finally a determination result is obtained. The concept drift detection method for the oil temperature predictor can timely and effectively find the generation of the concept drift phenomenon in the oil temperature predictor.)

一种油浸式变压器油温预测的概念漂移检测方法

技术领域

本发明属于电网设备状态监测与风险预警

技术领域

，具体为一种油浸式变压器油温预测的概念漂移检测方法。

背景技术

油浸式变压器是电力系统中核心设备之一。但在现实生活中，若油浸式变压器长时间处于过负载状态会导致其油温异常，从而性能衰减，出现配电不稳等各种故障问题。因此，通过油浸式变压器的工况数据对未来变压器油温进行预测，以便提前发现油浸式变压器的异常，对保障油浸式变压器的正常运行具有重要的意义。近几年随着对人工智能研究的不断深入，有关油浸式变压器的异常诊断技术有了很大的提升。很多人尝试使用机器学习的技术对变压器历史油温工况数据进行分析，从而对变压器进行异常诊断。尽管基于机器学习的方法虽然比传统的变压器异常诊断技术更便捷且易于推广，但是这类故障诊断方法的准确率普遍不高。通过研究我们发现，这类故障诊断准确率不高的主要原因往往是因为变压器内部元器件不间断氧化、变压器外部负载不规律的变化，这可能导致变压器油温工况与油温数据极易随着时间的推移发生了不可预见的变化，而概念漂移现象指的是目标变量的统计特性随着时间的推移以不可预见的方式变化，因此这是一种典型的概念漂移现象，这种现象对已有的变压器油温预测模型产生了极大的影响。

发明内容

在使用机器学习方法对变压器油温进行预测的过程中，为了解决传统方法没有考虑变压器油温预测器可能存在概念漂移的问题，提出了一种油浸式变压器油温预测的概念漂移检测方法。

为实现上述目的，本发明提供如下技术方案：一种油浸式变压器油温预测的概念漂移检测方法，包括3个模块：前置模块，误差检测模块，漂移判定模块；前置模块中将油浸式变压器的工况数据序列输入至油温预测器中预测相应时间的变压器油温，其中，油浸式变压器的工况数据序列由油温数据采集时间、主变高中低压侧有功遥测、主变高中低压侧无功遥测、主变高中低压侧功率因数遥测、主变高中低压侧电流值遥测、主变A/B/C相绕组温度、主变A/B/C相油温以及外部气象环境属性构成；之后将预测到的结果集和对应真实油温序列传入误差检测模块求得相对误差率集合，接着将该集合送入漂移判定模块中；在漂移判定模块中为了检测出变压器油温预测模型是否发生了概念漂移，以γ为警戒值统计集合中预测异常的元素个数以及它们在整个预测结果集中的占比，并设定阈值对占比进行分析，最后得到判定结果。

进一步的，所述前置模块将一连续时间段t₁～t_n的n组工况数据序列V_x输入至油温预测器中，得到t₁～t_n的油温预测结果集V_y，后将V_y和对应的真实油温序列V_y传送至误差检测模块，其中：

进一步的，所述误差检测模块利用V_y和V_y求得油温预测的相对误差率，并记相对误差率集合为δ，其中：相对误差率的求取方法为：其中：

进一步的，所述漂移判定模块选取相对误差率集合δ中大于警戒值γ的元素，并将它们组成为异常集δ′，之后对油温预测器是否发生概念漂移进行判断：|δ′|为异常集δ′中的元素个数，|δ|为相对误差率集合δ中的元素个数，如果小于等于阈值α，则没有发生概念漂移；如果大于阈值β，则发生了概念漂移；否则将延迟决策计数变量θ加一，再同阈值λ比较：如果θ小于阈值λ，则发生了概念漂移；否则将原来数据更换成另一段连续时间内的n组工况数据序列和对应时间段内的油温序列，后返回至前置模块，再次进行上述操作，其中：0＜α＜β＜1，λ为延迟判定次数阈值。

与现有技术相比，本发明的有益效果是：

本发明提出一种油浸式变压器油温预测的概念漂移检测方法可以对油温预测器是否发生概念漂移进行判断，从而进行提前预警并实施相应解决方案。通过实例验证了针对油温预测器的概念漂移检测方法能够及时有效的发现油温预测器中概念漂移现象的产生。

附图说明

图1是本发明的基本流程图；

图2是前置模块流程图；

图3是误差检测模块流程图；

图4是漂移判定模块流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。此处所描述的具体实施例仅用于解释本发明技术方案，并不限于本发明。

本发明提供一种技术方案：如图1所示，一种油浸式变压器油温预测的概念漂移检测方法，分别依次执行前置模块、误差检测模块和漂移判定模块，其中各个模块的具体步骤如下：

如图2所示，前置模块流程：

步骤1：获取t₁～t_n的n组工况数据序列V_x以及t₁～t_n真实油温序列V_y。转入步骤2。

步骤2：将V_x输入至基于机器学习的油温预测器中，并对相应时间段的对应油温进行预测，之后将得到的预测结果集记为V′_y。转入步骤3。

步骤3：将V_y以及V′_y一同输入到误差检测模块中。转入步骤4。

如图3所示，误差检测模块流程：

步骤4：对油温预测器所预测出的每一个结果都采取求相对误差率的形式来表示所预测变压器油温的准确性，并将所得的结果集记为δ，其中：相对误差率的求取方法为：其中：转入步骤5。

步骤5：将相对误差率集合δ传送至漂移判定模块中。转入步骤6。

如图4所示，漂移判定模块流程：

步骤6：以相对误差率警戒值γ为标准，筛选出δ中超出警戒值γ的元素，并将它们组成的集合记为异常集δ′。转入步骤7。

步骤7：统计异常集δ′和相对误差率集合δ中的元素个数并求它们的比值。转入步骤8。

步骤8：如果比值小于等于阈值α，说明油温预测器没有发生概念漂移，转入步骤12；否则转入步骤9。

步骤9：如果比值大于阈值β，说明油温预测器发生概念漂移，转入步骤12；否则转入步骤10。

步骤10：延迟决策计数变量θ加一，并将θ与延迟判定次数阈值λ进行比较。如果θ＜λ，说明油温预测器发生了概念漂移，转入步骤12；否则转入步骤11。

步骤11：更换成其他连续时间段，并将对应的工况数据和真实油温数据一同更换，转入步骤1。

步骤12：输出漂移判定结果。

实施例

一种油浸式变压器油温预测的概念漂移检测方法，按以下步骤：

步骤1：获取四台110kv油浸式变压器2018年1-12月变压器真实油温数据以及经预处理好的工况数据，该数据主要由变压器油温工况数据和对应的气象数据合并而成，其主要属性有：油温数据采集时间、主变高中低压侧有功遥测、主变高中低压侧无功遥测、主变高中低压侧功率因数遥测、主变高中低压侧电流值遥测、主变A/B/C相绕组温度、主变A/B/C相油温等以及对应气象属性。

步骤2：选取2018年1月至2018年12月的历史工况油温数据，并按每半个月为划分，可得到真实油温数据序列(Y₁，Y₂，...，Y₂₄)以及工况数据序列(X₁，X₂，...，X₂₄)。

步骤3：将工况数据序列(X₁，X₂，...，X₂₄)输入至已有的变压器油温预测模型中进行预测，可得到油温预测结果集(Y₁，Y₂，...，Y₂₄)。

步骤4：利用油温预测结果集和真实油温数据序列求得相对误差率集合δ＝(δ₁，δ₂，...，δ₂₄)，其中：

步骤5：筛选出相对误差率集合δ中大于警戒值0.3的元素，并将它们组成异常集δ′，其中：

步骤6：计算异常集δ′中的元素个数与相对误差率集合δ中元素个数的比值。

步骤7：如果比值小于等于阈值0.4，则油温预测器没有发生概念漂移，进入步骤9；如果比值大于阈值0.6，则油温预测器发生了概念漂移，进入步骤9；否则认为需要延迟决策，进入步骤8。

步骤8：将延迟决策计数变量θ加一，如果此时θ超过了阈值4，则更换工况数据序列和对应油温数据序列，进入步骤3；否则油温预测器发生了概念漂移，进入步骤9。

步骤9：输出对于油温预测器是否发生概念漂移的检测结果。

步骤10：如此往复，每需要进行概念漂移检测时，转入步骤3。

该实例在设定参数γ＝0.3、α＝0.4、β＝0.6、λ＝4的情况下，最后检测出油温预测器在2018年1月至2018年12月内发生了8次概念漂移。通过人工核实，其真正发生概念漂移的次数为9次，查全率为88.9％。

以上所述仅表达了本发明的优选实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形、改进及替代，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。