基于数据的反演与预测方法，用于检测油浸式变压器热点温度

《IEEE Transactions on Power Delivery》：Data-Driven Inversion and Prediction Method for Hot-Spot Temperature of Oil-Immersed Transformer

　　高温浸油变压器运行时绕组热点温度是关键指标，直接测量存在困难。本研究提出基于结构参数与监测数据的热点温度反演模型，结合RNN与CNN构建多维时间序列预测模型，实测误差低于0.3℃且计算耗时<0.02s，预测误差<0.8℃，验证了方法在实时监测与预测方面的有效性。

　　

摘要：

变压器热点温度的控制是确保其安全运行的关键。因此，操作人员特别关注热点温度及其在不同运行条件下的变化。大型油浸式变压器的热点温度难以直接测量。本研究提出了一种数据驱动的方法来反演和预测油浸式变压器的热点温度。通过结合油浸式变压器的结构参数和监测数据，可以开发出用于实时计算热点温度的反演模型。基于多维时间序列数据，利用循环神经网络和卷积神经网络的优势来完成变压器热点温度的预测。以一台运行中的油浸式变压器为例，所提出的热点温度反演模型在测试数据集上的评估结果显示，热点温度反演的绝对误差小于0.3°C，计算时间小于0.02秒；在测试数据集上的热点温度预测中，该模型的绝对误差也小于0.8°C。这表明该方法在实时计算和预测大型油浸式变压器的热点温度方面是有效的。

引言

绕组的热点温度是油浸式变压器运行状态的重要指标[1]。为便于理解，本研究中的“热点温度”指的是绕组热点的温度。监测变压器的热点温度对于降低故障率、延长使用寿命以及确保经济高效的运行至关重要[2]。准确测量大型油浸式变压器的热点温度并了解其未来随负载变化的情况，对于确保这些变压器的安全稳定运行非常重要。