技术摘要：
本发明公开了一种变压器状态预测方法，首先建立神经网络分类器，以经过归一化处理后的变压器的状态量作为神经网络输入元，以预警级别为输出元，利用历史监测数据对神经网络进行学习训练；然后，采用二元一次线性回归分析法计算出历史检测数据的预测状态量；最后，把各  全部
背景技术：
变压器是电网输变电中的核心设备，随着电网的高速发展，输配电设备市场需求 总体呈上升趋势，变压器数量急速上升。变压器一旦出现故障，不仅对城市的供电造成影 响，更有可能引起爆炸事故等，后果不堪设想。而过热缺陷是变压器最为主要的故障。 近年来，电力设备的在线监测技术已经发展成熟，通过在变压器中安装多种传感 器，可以准确全面地对变压器的各种参数进行实时监测。目前在电力行业中，通常是将单一 或少数状态量的历史监测数据与设备运维的标准报警阈值进行比较，以诊断变压器是否出 现故障，从而判断是否需要预警。该预警方法仅基于历史监测数据，而未结合变压器的状态 趋势进行预测。如何利用变压器的各种实时监测数据对变压器的状态进行有效的预测并根 据预测结果及时采取防护措施还处于探索研究阶段。
技术实现要素：
发明目的：本发明的目的是提供一种利用变压器历史监测数据训练神经网络，再 通过回归分析法预测短期数据，将其输入训练好的神经网络得到预警级别的变压器状态预 测方法。本发明的目的还在于提供基于上述方法的变压器状态预测装置、计算机存储介质。 技术方案：本发明公开了一种变压器状态预测方法，该方法包括步骤： (1)获取变压器的多个维度的状态量的历史监测数据，进行归一化处理，每一个维 度的数据样本归一到0～1之间的数值，并作为神经网络分类器的学习样本库； (2)构造神经网络分类器，将对应同一监测时间的归一化后的多个维度的状态量 作为输入样本，输出变压器预警级别，对神经网络分类器进行训练学习； (3)采用二元一次线性回归分析法分别对变压器的多个维度的归一化的监测数据 进行预测，得到未来某一时刻对应的预测值； (4)把未来某一时刻对应的预测值输入步骤(2)中训练好的神经网络分类器，输出 未来某一时刻变压器设备的预警级别； (5)重复步骤(4)获得未来一定时段内变压器设备预警级别变化的趋势； (6)依据电力系统设备维护规程，对变化的趋势做对应的处置。 优选地，所述神经网络分类器为RBF网络分类器。 进一步地，所述神经网络分类器的输入元个数对应所述变压器的多个维度状态量 的维数，输出元的个数对应所述变压器预警级别的个数。 进一步地，步骤(1)中，所述变压器的多个维度状态量包括：环境温度值、负荷电流 值、漏油值、油温值、局部放电值、乙炔气值、氢气值、总烃浓度值。 进一步地，步骤(2)中，所述训练学习包括步骤： 3 CN 111610466 A 说　明　书 2/4 页 (21)采用K-均值算法构造径向基函数的中心ti，i＝1,2,...,I，其中，I为初始化 的聚类中心数量； (22)选用Grauss函数确定径向基函数的方差； (23)采用LMS方法计算学习权值矩阵。 进一步地，步骤(4)中，所述预警级别包括：第一预警、第二预警和第三预警、无预 警，预警级别依次递减。 进一步地，所述RBF网络分类器包含一层隐含层，隐含层节点数为12。 进一步地，所述RBF网络分类器初始化包括如下基本参数：隐含层和输出层的传递 函数，训练步数和训练目标误差精度。 本发明所述的变压器状态预测装置，包括：存储器、处理器及在所述存储器上存储 并可运行的变压器状态预测的程序，所述变压器状态预测的程序被处理器执行时实现上述 变压器状态预测方法的步骤。 本发明所述的计算机可读存储介质，其上存储有变压器状态预测的程序，所述变 压器状态预测的程序被处理器执行时实现上述变压器状态预测方法的步骤。 有益效果：本发明采用回归分析法分别对变压器的各项监测指标(包括环境温度、 负荷电流、漏油、油温、局部放电、乙炔、氢气、总烃浓度)进行预测,再把预测的参数作为神 经网络分类器的输入，神经网络分类器的输出为变压器未来一段时间内的预警状态。本发 明可以在变压器设备故障出现之前对设备进行针对性、预防性的维护，提高了设备运行安 全性，降低了设备运行风险并节约了运维成本。 附图说明 图1为本发明变压器状态预测方法流程框图； 图2为RBF神经网络分类器结构框图。