一種配網電壓互感器狀態評估方法及裝置與流程

本發明涉及電力計量在線監測，具體涉及一種配網電壓互感器狀態評估方法及裝置。

背景技術：

1、配網中電壓互感器是用來隔離高電壓，并把高電壓轉換為低電壓，供繼電保護、自動裝和計量儀表獲取一次側電壓信號的設備。配網電壓互感器能夠監測配電網中的電壓，在出現電壓過高或過低時觸發保護裝置，以防止設備損壞或故障；同時能夠準確測量配電網中的電壓，從而計算消耗的電能。通過監測配電網中的電壓變化，電壓互感器還能夠幫助識別并定位電網中的故障，從而加快故障恢復速度，并減少停電時間。

2、但配網中電壓互感器在實際的運行過程中，其誤差受采集原理與惡劣環境等影響會在其工作壽命內發生故障，因此需要對電壓互感器的運行狀態進行評估，以便在其發生異常時進行快速識別，有助于相關運行維護人員進行檢修維護，保障電網的穩定運行。

3、但是現有技術中對電壓互感器的狀態評估不準確或者斷電監測，會導致運行維護人員進行無效的檢修維護或者增加電力停運時間。

技術實現思路

1、針對現有技術中存在的缺陷，本發明的目的在于提供一種配網電壓互感器狀態評估方法及裝置，能夠解決現有技術中對電壓互感器的狀態評估不準確或者斷電監測，會導致運行維護人員進行無效的檢修維護或者增加電力停運時間的問題。

2、為達到以上目的，本發明采取的技術方案是：

3、一方面，本發明提供一種配網電壓互感器狀態評估方法，包括以下步驟：

4、將內源數據進行切分后再進行變量嵌入，并使用聯合自注意力機制且與其自身融合輸入線性網絡層得到內源中間特征，對外源數據使用線性網絡層進行變量嵌入分別得到外源中間特征，其中，內源數據包括變壓器低壓側電壓數據，外源數據包括低壓側負荷數據、溫度數據和濕度數據；

5、對內源中間特征和外源中間特征施加交叉注意力機制進行處理，得到內外源相關性特征，并輸入至mlp網絡中進行處理，得到輸出特征并作為變壓器實際變比預測值；

6、對變壓器實際變比預測值同時進行回歸任務和分類任務的多任務學習，得到變壓器實際變比；

7、根據變壓器實際變比計算得到互感器高壓側電壓，結合互感器高壓側額定電壓計算互感器當前的實際誤差，以判斷電壓互感器當前誤差狀態是否異常。

8、在一些可選的方案中，所述的將內源數據進行切分后再進行變量嵌入，并使用聯合自注意力機制且與其自身融合輸入線性網絡層得到內源中間特征，對外源數據使用線性網絡層進行變量嵌入分別得到外源中間特征，包括：

9、對變壓器低壓側電壓數據，進行均勻切分得到低壓側電壓切分數據；

10、對低壓側電壓切分數據使用聯合自注意力機制且與其自身融合輸入線性網絡層得到低壓側電壓中間特征；

11、對低壓側負荷數據、溫度數據和濕度數據使用線性網絡層進行變量嵌入分別得到低壓側負荷中間特征、溫度中間特征和濕度中間特征。

12、在一些可選的方案中，所述的對內源中間特征和外源中間特征施加交叉注意力機制進行處理，得到內外源相關性特征，并輸入至mlp網絡中進行處理，得到輸出特征并作為變壓器實際變比預測值，包括：

13、對低壓側電壓中間特征與低壓側負荷中間特征、溫度中間特征和濕度中間特征，施加交叉注意力機制進行處理，得到負荷電壓相關性特征、溫度電壓相關性特征和濕度電壓相關性特征；

14、將負荷電壓相關性特征、溫度電壓相關性特征和濕度電壓相關性特征輸入至mlp網絡中進行處理，得到輸出特征并作為變壓器實際變比預測值。

15、在一些可選的方案中，所述的對變壓器實際變比預測值同時進行回歸任務和分類任務的多任務學習，得到變壓器實際變比，包括：

16、對變壓器實際變比預測值使用激活函數得到預測概率值，并預測概率值使用交叉熵損失函數進行分類任務學習；

17、對壓器實際變比預測值使用均方誤差損失函數進行回歸任務學習；

18、對分類任務的交叉熵損失和回歸任務的均方誤差損失進行加權求和得到模型總損失；

19、以使模型總損失變小的方向調整模型參數進行迭代，得到變壓器實際變比。

20、在一些可選的方案中，使用動態權重平均算法來調整回歸任務和分類任務的權重系數。

21、在一些可選的方案中，根據和調整回歸任務和分類任務的權重系數，表示單任務的數量，當前模型中；為模型的迭代次數；表示任務在次迭代時的損失值；表示任務在次迭代時的訓練速度；為設定常數。

22、在一些可選的方案中，根據公式計算變壓器高壓側電壓，其中，為變壓器高壓側電壓，為變壓器實際變比。

23、在一些可選的方案中，根據公式計算互感器高壓側額定電壓，其中，為低壓側電壓數據，為額定變比。

24、在一些可選的方案中，根據公式，計算互感器當前的實際誤差。

25、另一方面，本發明還提供一種配網電壓互感器狀態評估裝置，包括：

26、數據處理模塊，其用于將內源數據進行切分后再進行變量嵌入，并使用聯合自注意力機制且與其自身融合輸入線性網絡層得到內源中間特征，對外源數據使用線性網絡層進行變量嵌入分別得到外源中間特征，其中，內源數據包括變壓器低壓側電壓數據，外源數據包括低壓側負荷數據、溫度數據和濕度數據；

27、預測值輸出模塊，其用于對內源中間特征和外源中間特征施加交叉注意力機制進行處理，得到內外源相關性特征，并輸入至mlp網絡中進行處理，得到輸出特征并作為變壓器實際變比預測值；

28、學習模塊，其用于對變壓器實際變比預測值同時進行回歸任務和分類任務的多任務學習，得到變壓器實際變比；

29、判斷模塊，其用于根據變壓器實際變比計算得到互感器高壓側電壓，結合互感器高壓側額定電壓計算互感器當前的實際誤差，以判斷電壓互感器當前誤差狀態是否異常。

30、與現有技術相比，本發明的優點在于：本方案將變壓器數據劃分為內源數據和外源數據，提取內源數據內部的依賴關系，并從整體上計算外源數據與內源數據之間的耦合關系，內源數據與外源數據相結合提高模型的準確率。通過對內源數據進行切分并施加聯合自注意力機制學習內源數據內部的關聯，減小了計算量，提升模型的計算效率。

技術特征：

1.一種配網電壓互感器狀態評估方法，其特征在于，包括以下步驟：

2.如權利要求1所述的配網電壓互感器狀態評估方法，其特征在于：所述的將內源數據進行切分后再進行變量嵌入，并使用聯合自注意力機制且與其自身融合輸入線性網絡層得到內源中間特征，對外源數據使用線性網絡層進行變量嵌入分別得到外源中間特征，包括：

3.如權利要求2所述的配網電壓互感器狀態評估方法，其特征在于，所述的對內源中間特征和外源中間特征施加交叉注意力機制進行處理，得到內外源相關性特征，并輸入至mlp網絡中進行處理，得到輸出特征并作為變壓器實際變比預測值，包括：

4.如權利要求1所述的配網電壓互感器狀態評估方法，其特征在于，所述的對變壓器實際變比預測值同時進行回歸任務和分類任務的多任務學習，得到變壓器實際變比，包括：

5.如權利要求4所述的配網電壓互感器狀態評估方法，其特征在于，使用動態權重平均算法來調整回歸任務和分類任務的權重系數。

6.如權利要求5所述的配網電壓互感器狀態評估方法，其特征在于，根據和調整回歸任務和分類任務的權重系數，表示單任務的數量，當前模型中；為模型的迭代次數；表示任務在次迭代時的損失值；表示任務在次迭代時的訓練速度；為設定常數。

7.如權利要求1所述的配網電壓互感器狀態評估方法，其特征在于，根據公式計算變壓器高壓側電壓，其中，為變壓器高壓側電壓，為變壓器實際變比。

8.如權利要求7所述的配網電壓互感器狀態評估方法，其特征在于，根據公式計算互感器高壓側額定電壓，其中，為低壓側電壓數據，為額定變比。

9.如權利要求8所述的配網電壓互感器狀態評估方法，其特征在于，根據公式，計算互感器當前的實際誤差e。

10.一種配網電壓互感器狀態評估裝置，其特征在于，包括：

技術總結
本發明涉及電力計量在線監測技術領域，具體涉及一種配網電壓互感器狀態評估方法及裝置，該方法包括以下步驟：將內源數據進行切分后再進行變量嵌入，并使用聯合自注意力機制且與其自身融合輸入線性網絡層得到內源中間特征，對外源數據使用線性網絡層進行變量嵌入分別得到外源中間特征；對內源和外源中間特征施加交叉注意力機制進行處理，將結果輸入至MLP網絡中得到變壓器實際變比預測值；對變壓器實際變比預測值進行多任務學習，得到變壓器實際變比；根據變壓器實際變比結合互感器高壓側額定電壓計算互感器當前的實際誤差，以判斷電壓互感器當前誤差狀態是否異常。能夠解決現有技術中需斷電監測，會導致無效檢修維護或者增加電力停運時間的問題。

技術研發人員：肖繼紅,王大江,夏湛然,余波,宋若昕,李忐,鄒亮,吳昊,潘鄖昊,周鵬,周麗
受保護的技術使用者：湖北既濟電力集團有限公司
技術研發日：
技術公布日：2024/10/21