一種變壓器缺陷率預(yù)測(cè)的方法和系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及變壓器檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種變壓器缺陷率預(yù)測(cè)的方法和系 統(tǒng)。
【背景技術(shù)】
[0002] 變壓器的可靠運(yùn)行關(guān)系到整個(gè)電網(wǎng)的安全，由于變壓器結(jié)構(gòu)復(fù)雜，經(jīng)長(zhǎng)時(shí)間帶負(fù) 荷運(yùn)行后，不可避免地會(huì)有各種缺陷的發(fā)生，一旦上述缺陷發(fā)展為故障時(shí)，將會(huì)導(dǎo)致巨大的 經(jīng)濟(jì)損失和社會(huì)影響，因此需對(duì)上述缺陷進(jìn)行深度挖掘，科學(xué)有效地預(yù)測(cè)缺陷發(fā)生概率，及 時(shí)制定有針對(duì)性的措施，合理安排運(yùn)維力量，對(duì)保障設(shè)備安全有著重要意義。
[0003] 由于變壓器缺陷的發(fā)生與設(shè)備質(zhì)量、監(jiān)造水平、安裝工藝、運(yùn)維措施、環(huán)境因素、氣 候影響等有關(guān)，使得缺陷數(shù)據(jù)具有較強(qiáng)隨機(jī)性，同時(shí)包含著豐富的特征信息。
[0004] 現(xiàn)有技術(shù)中，變壓器缺陷率預(yù)測(cè)方法主要分為三類:傳統(tǒng)數(shù)學(xué)模型法(如回歸分析 法）、非線性模型法(如人工神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò))和以結(jié)構(gòu)為主的模型法(如小波分析 法)。
[0005] 發(fā)明人發(fā)現(xiàn)，上述三類預(yù)測(cè)方法均存在不足之處:在第一類方法中，適合規(guī)則變化 數(shù)列的預(yù)測(cè)，對(duì)非常規(guī)變化數(shù)列的數(shù)據(jù)無法預(yù)測(cè);在第二類方法中，雖然適合非常規(guī)變化數(shù) 列的預(yù)測(cè)，但建模難度較高，算法復(fù)雜;在第三類方法中，雖然適合多尺度但數(shù)列關(guān)系簡(jiǎn)單 的預(yù)測(cè)，但是模型中各特征信息的相關(guān)度較弱，預(yù)測(cè)精度需進(jìn)一步提高。
[0006] 因此，亟需一種變壓器缺陷率預(yù)測(cè)的方法，能夠?qū)⒉煌卣餍畔⒎蛛x開來，可降低 建模難度及提高變壓器缺陷率的預(yù)測(cè)精度。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明實(shí)施例所要解決的技術(shù)問題在于，提供一種變壓器缺陷率預(yù)測(cè)的方法和系 統(tǒng)，能夠?qū)⒉煌卣餍畔⒎蛛x開來，可降低建模難度，并提高變壓器缺陷率的預(yù)測(cè)精度。
[0008] 為了解決上述技術(shù)問題，本發(fā)明實(shí)施例提供了一種變壓器缺陷率預(yù)測(cè)的方法，所 述方法包括：
[0009] a、確定待測(cè)月份，并在變壓器歷史數(shù)據(jù)中，以所述待測(cè)月份的上一月份為起點(diǎn)按 照時(shí)間反序的方式選取連續(xù)多個(gè)月份分別對(duì)應(yīng)的實(shí)測(cè)缺陷率，且將所述獲取到的多個(gè)實(shí)測(cè) 缺陷率均作為樣本形成原始缺陷率序列；
[0010] b、根據(jù)預(yù)設(shè)的方法，對(duì)所述原始缺陷率序列進(jìn)行季節(jié)性分解，得到每一模式分量 分別對(duì)應(yīng)的時(shí)間序列，且將所述得到的每一模式分量分別對(duì)應(yīng)的時(shí)間序列進(jìn)行分析，在每 一模式分量中均篩選出滿足一定條件的模型，并得到每一模式分量對(duì)應(yīng)其所篩選模型的 值；
[0011] C、將所述得到的每一模式分量對(duì)應(yīng)其所篩選模型的值進(jìn)行累加，并將所述累加之 和作為所述待測(cè)月份預(yù)測(cè)的缺陷率。
[0012 ]其中，所述步驟b具體包括：
[0013] 根據(jù)預(yù)設(shè)的季節(jié)調(diào)整法，對(duì)所述原始缺陷率序列進(jìn)行季節(jié)性分解，得到多個(gè)模式 分量分別對(duì)應(yīng)的時(shí)間序列；
[0014] 對(duì)每一模式分量分別對(duì)應(yīng)的時(shí)間序列進(jìn)行分析，得到每一模式分量的差分自回歸 移動(dòng)平均AMMA(p，d，q)模型;其中，p為自回歸項(xiàng);q為移動(dòng)平均項(xiàng)數(shù)，d為時(shí)間序列成為平穩(wěn) 時(shí)所做的差分次數(shù)；
[0015]在所述得到的每一模式分量的AR頂A(p，d，q)模型中，均采用相關(guān)圖和偏相關(guān)圖進(jìn) 行處理，實(shí)現(xiàn)對(duì)p、d、q進(jìn)行參數(shù)估算，確定所述每一模式分量的ARIMA(p，d，q)模型中滿足一 定條件下P、d、q分別對(duì)應(yīng)的值，并得到所述每一模式分量中滿足一定條件的ARIMA(p，d，q) 模型對(duì)應(yīng)的值。
[0016] 其中，所述多個(gè)模式分量有三個(gè)，包括季節(jié)性因素分量、趨勢(shì)和循環(huán)分量以及隨機(jī) 波動(dòng)分量。
[0017]本發(fā)明實(shí)施例還提供了一種變壓器缺陷率預(yù)測(cè)的系統(tǒng)，所述系統(tǒng)包括：
[0018] 原始缺陷率序列獲取單元，用于確定待測(cè)月份，并在變壓器歷史數(shù)據(jù)中，以所述待 測(cè)月份的上一月份為起點(diǎn)按照時(shí)間反序的方式選取連續(xù)多個(gè)月份分別對(duì)應(yīng)的實(shí)測(cè)缺陷率， 且將所述獲取到的多個(gè)實(shí)測(cè)缺陷率均作為樣本形成原始缺陷率序列；
[0019] 序列分解及分析單元，用于根據(jù)預(yù)設(shè)的方法，對(duì)所述原始缺陷率序列進(jìn)行季節(jié)性 分解，得到每一模式分量分別對(duì)應(yīng)的時(shí)間序列，且將所述得到的每一模式分量分別對(duì)應(yīng)的 時(shí)間序列進(jìn)行分析，在每一模式分量中均篩選出滿足一定條件的模型，并得到每一模式分 量對(duì)應(yīng)其所篩選模型的值；
[0020] 缺陷率預(yù)測(cè)值獲取單元，用于將所述得到的每一模式分量對(duì)應(yīng)其所篩選模型的值 進(jìn)行累加，并將所述累加之和作為所述待測(cè)月份預(yù)測(cè)的缺陷率。
[0021 ]其中，所述序列分解及分析單元包括：
[0022] 序列分解模塊，用于根據(jù)預(yù)設(shè)的季節(jié)調(diào)整法，對(duì)所述原始缺陷率序列進(jìn)行季節(jié)性 分解，得到多個(gè)模式分量分別對(duì)應(yīng)的時(shí)間序列；
[0023] 序列分析模型構(gòu)建模塊，用于對(duì)每一模式分量分別對(duì)應(yīng)的時(shí)間序列進(jìn)行分析，得 到每一模式分量的差分自回歸移動(dòng)平均ARIMA(p，d，q)模型;其中，p為自回歸項(xiàng);q為移動(dòng)平 均項(xiàng)數(shù)，d為時(shí)間序列成為平穩(wěn)時(shí)所做的差分次數(shù)；
[0024]預(yù)測(cè)值獲取模塊，用于在所述得到的每一模式分量的ARMA(p，d，q)模型中，均采 用相關(guān)圖和偏相關(guān)圖進(jìn)行處理，實(shí)現(xiàn)對(duì)P、d、q進(jìn)行參數(shù)估算，確定所述每一模式分量的 ARIMA(p，d，q)模型中滿足一定條件下p、d、q分別對(duì)應(yīng)的值，并得到所述每一模式分量中滿 足一定條件的ARIMA(p，d，q)模型對(duì)應(yīng)的值。
[0025] 其中，所述多個(gè)模式分量有三個(gè)，包括季節(jié)性因素分量、趨勢(shì)和循環(huán)分量以及隨機(jī) 波動(dòng)分量。
[0026] 實(shí)施本發(fā)明實(shí)施例，具有如下有益效果：
[0027]在本發(fā)明實(shí)施例中，由于通過變壓器歷史數(shù)據(jù)形成的原始缺陷率序列進(jìn)行季節(jié)性 分解和時(shí)間序列ARIMA模型預(yù)測(cè)相結(jié)合的方式，對(duì)待測(cè)月份的缺陷率進(jìn)行預(yù)測(cè)，既簡(jiǎn)化了模 型又降低了模型中不同分量間的干涉和耦合，從而能夠?qū)⒉煌卣餍畔⒎蛛x開來，降低了 建模難度，預(yù)測(cè)結(jié)果較傳統(tǒng)時(shí)間序列方法更為準(zhǔn)確，達(dá)到提高預(yù)測(cè)精度的目的。
【附圖說明】
[0028]為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，根據(jù) 這些附圖獲得其他的附圖仍屬于本發(fā)明的范疇。
[0029]圖1為本發(fā)明實(shí)施例提供的一種變壓器缺陷率預(yù)測(cè)的方法的流程圖；
[0030]圖2為本發(fā)明實(shí)施例提供的一種變壓器缺陷率預(yù)測(cè)的方法應(yīng)用場(chǎng)景中原始缺陷率 序列形成的波形圖；
[0031]圖3為本發(fā)明實(shí)施例提供的一種變壓器缺陷率預(yù)測(cè)的方法應(yīng)用場(chǎng)景中季節(jié)性因素 序列形成的波形圖；
[0032]圖4為本發(fā)明實(shí)施例提供的一種變壓器缺陷率預(yù)測(cè)的方法應(yīng)用場(chǎng)景中趨勢(shì)和循環(huán) 序列形成的波形圖；
[0033]圖5為本發(fā)明實(shí)施例提供的一種變壓器缺陷率預(yù)測(cè)的方法應(yīng)用場(chǎng)景中隨機(jī)波動(dòng)分 量序列形成的波形圖；
[0034]圖6為本發(fā)明實(shí)施例提供的一種變壓器缺陷率預(yù)測(cè)的方法應(yīng)用場(chǎng)景中預(yù)測(cè)缺陷率 與實(shí)測(cè)缺陷率形成的波形對(duì)比圖；
[0035]圖7為本發(fā)明實(shí)施例提供的一種變壓器缺陷率預(yù)測(cè)的系統(tǒng)的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0036]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明作進(jìn)一 步地詳細(xì)描述。
[0037]如圖1所示，為本發(fā)明實(shí)施例中，提供的一種變壓器缺陷率預(yù)測(cè)的方法，所述方法 包括：
[0038]步驟S1、確定待測(cè)月份，并在變壓器歷史數(shù)據(jù)中，以所述待測(cè)月份的上一月份為起 點(diǎn)按照時(shí)間反序的方