一种负载特征值和权重求解方法与流程

1.本发明属于电气设备故障诊断技术领域，尤其涉及一种负载特征值和权重求解方法。

背景技术：

2.变压器负载随着季节、昼夜、温度等时刻在发生极大的变化，由于这种时变性使得负载功率发生变化，工业流程领域设备种类繁多且运行状况十分复杂，在采矿、热能发电、冶金、石化和污水处理以及水泵等众多典型工业流程领域使用更为广泛，并且负载功率会发生变化，而这些因素将会导致变压器的负载具有多样性和时变性的特点，如果在负载变化的周期范围内进行分时段周期分析，出每个分时段周期内的负载特性，就能在负载变化的多工况情形下使得周期内损耗减小。而负载的分析，由于时变性的复杂，目前国内外没有很好的解决方法，存在准确性低、方法复杂、主要依靠决策人的主观判断力等缺点。负载的分析主要在于特征值和权重的分析，本发明方法从这两部分着手分析。

技术实现要素：

3.为了解决或者改善上述问题，本发明提供了一种负载特征值和权重求解方法，具体技术方案如下：
4.本发明提供一种负载特征值和权重求解方法，其特征在于，包括以下步骤：
5.步骤一：进行变压器负载数据的处理；
6.步骤二：对处理过后的负载数据进行负载分析，得到拟合函数曲线；
7.步骤三：验证拟合曲线的相关性与正确性；
8.步骤四：提取特征值；
9.步骤五：权重的求解。
10.优选的，负载分析包括拟合函数代数多项式，根据功率数据的变化情况，研究功率数据的变化规律，剔除掉极少数异常数据，从处理后的数据中筛选出数据区间范围，将划分的数据区间平均划分为四个典型周期分区间，并用特征值代表该范围内的工业流程负载特性。
11.优选的，特征值用每个典型分区间内的平均值代替，在每一个分区间内都求出平均值以用来表示该分区间所对应的输出功率，这个功率更适合代表该分区间内平均功率，也为该范围内的工业流程负载特性数值。
12.优选的，分析出来的数据以周期分布为横坐标，负载功率数据为纵坐标，使用软件描绘散点图，利用最小二乘法原理进行拟合，求出曲线函数表达式，这条曲线即为这些散点的拟合函数曲线。
13.优选的，验证拟合曲线的相关性与正确性采用残差图以及f和r检验进行，从而便于下一步工作的进行；残差是因变量的观测值与根据估计的回归方程求出的预测之差，为了判断拟合曲线数据是否存在异常；f和r检验是验证拟合曲线的拟合程度，r检验主要检验
拟合的相关性，f检验是对回归方程的显著性检验，辅助验证拟合效果。
14.优选的，提取特征值具体方法为：验证完拟合曲线的相关性后，根据等面积法求解特征值功率，消耗的电能等于在一段时间内瞬时功率与时间的乘积之和，根据等面积法消耗的电能不变求出等效功率，即特征值功率。
15.优选的，权重指的是某一数据或者某一范围内代表值对所有数据或整体的影响程度，本方法在权重的选取上采用了第三类赋权法，即主客观综合赋权法，指每个典型分区间内的特征值在整体区间内所占的比重，求出占比系数，即权重值，权重值突出了特征值的主要贡献率，反映其对整体的影响率。
16.优选的，权重的确定主要依据各个分区间内时间在总时间的占比，权重公式如下：
[0017][0018]
其中αi为第i(i＝1,2,3)个分区间的权重，ti为第i(i＝1,2,3)个分区间内时间长，通过上式可以求出每个分区间内的特征值的权重。
[0019]
本发明的有益效果为：
[0020]
一、采用残差图分析，残差是因变量的观测值与根据估计的回归方程求出的预测之差，为了判断拟合曲线数据是否存在异常，在回归分析中，测定值与回归方程预测的值之差，本发明方法采用残差图辅助验证拟合函数代数多项式的准确性。
[0021]
二、采用f和r检验，间接反映拟合曲线的回归程度，剩余标准差越小，回归程度越好。相关系数接近于1，r值极大，相关程度高，f值极小，说明回归显著，可认为负载功率和周期存在着关系，所求的线性回归方程有意义。
[0022]
三、特征值代表负载特性在这一附近取值范围的输出功率，能够表现出该区间范围内负载分析数据中的主要贡献值，对该区间内整体数据的影响与重要程度，所提取的特征值在该分区间最能代表该典型分区间中输出功率的稳定值，为负载数据平均值。
[0023]
四、采用主客观综合赋权法，既考虑到决策人的主观判断力，辅之于实际经验，结合实际情况，又可以考虑到客观性，依据于数学模型理论的牢固基础，使主观与客观相结合，确保权重的可靠性与实际性本发明方法中的权重是指每个典型分区间内的特征值在整体区间内所占的比重，求出占比系数，即权重值，突出了特征值的主要贡献率，反映其对整体的影响率。
附图说明
[0024]
图1是本发明的具体流程图；
[0025]
图2是水泵电机负载功率-周期散点图；
[0026]
图3是功率-周期拟合曲线图；
[0027]
图4是残差分析图；
[0028]
图5是特征提取中的等面积图；
[0029]
图6是权重系数图。
具体实施方式
[0030]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0031]
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0032]
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0033]
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0034]
为了解决负载的时变性问题，提出一种负载特征值和权重求解方法，包括以下步骤：
[0035]
步骤一：进行变压器负载数据的处理；
[0036]
步骤二：对处理过后的负载数据进行负载分析，得到拟合函数曲线；
[0037]
步骤三：验证拟合曲线的相关性与正确性；
[0038]
步骤四：提取特征值；
[0039]
步骤五：权重的求解：
[0040]
负载分析包括拟合函数代数多项式，根据功率数据的变化情况，研究功率数据的变化规律，剔除掉极少数异常数据，从处理后的数据中筛选出数据区间范围，将划分的数据区间平均划分为四个典型周期分区间，并用特征值代表该范围内的工业流程负载特性。
[0041]
从处理后的数据中筛选出数值最大值tmax和数值最小值tmin，根据数值最大值tmax和数值最小值tmin划分数据区间范围，数值最大值tmax和数值最小值tmin将代表负载功率区间周期范围的最值，下一步可根据该数据区间范围平均划分为其他四个典型分区间，数据区间范围如下：
[0042]
d＝[tmin，tmax]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0043]
将式子(1)的数据区间平均划分为4个典型周期分区间，划分四个典型周期分区间可以使相近的数据相对集中，也使得负载在某一个输出功率相对集中，方便使用某个数据数值，即特征值，使其代表该范围内的工业流程负载特性。
[0044]
特征值用每个典型分区间内的平均值代替，在每一个分区间内都求出平均值以用来表示该分区间所对应的输出功率，这个功率更适合代表该分区间内平均功率，也为该范围内的工业流程负载特性数值。四个典型分区间的间隔如下：
[0045][0046]
其中d为典型分区间间隔，每个典型分区间间隔都为d，从而可以根据此确定每个典型分区间范围，即：
[0047]
d1＝tmin+d
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0048]
d2＝tmin+2d
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0049]
d3＝tmin+3d
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0050]
则四个典型分区间分别为[tmin，d1],[d1，d2],[d2，d3],[d3，tmax]，在每个典型分区间内分别确定特征值，可以用每个区间内的数据平均值代替，这特征值代表负载特性在这一附近取值范围的输出功率，能够表现出该区间范围内负载分析数据中的主要贡献值，对该区间内整体数据的影响与重要程度，所提取的特征值在该分区间最能代表该典型分区间中输出功率的稳定值，为负载数据平均值，确定特征值的方法如下：
[0051][0052]
其中，t为周期，fi为第i个分区间内的拟合曲线，该式即表示第i个典型分区间输出功率的代表值，即特征值，该特征值可用来描述典型分区间范围内的负载贡献率，分析其在该分区间的影响程度，为下一步工业流程负载的建立做好准备。
[0053]
作为本发明的具体实施方式，分析出来的数据以周期分布为横坐标，负载功率数据为纵坐标，使用软件描绘散点图，利用最小二乘法原理进行拟合，求出曲线函数表达式，这条曲线即为这些散点的拟合函数曲线。
[0054]
具体方法如下，本发明方法以变压器负载为水泵电机负载为例，参考附图2，根据数据分析绘制出的散点图，观察点之间的位置关系，可发现这些点集中在某条曲线附件，利用最小二乘法原理进行拟合，最小二乘法原理是研究两个变量之间的关系，如果这些点在一条曲线附近，假设共有k组数据，求出曲线函数表达式，则这条曲线即为这些散点的拟合函数曲线，拟合函数ψ(x)在数据点(xi，yi)处的偏差δi为
[0055]
δi＝ψ(xi)-y
i (i＝1,2,3
······
,k)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0056]
在公式(8)中，i为第i个数据，ψ(xi)为拟合函数在xi处的函数值， yi为实际数据在xi处的函数值，k为数据个数，不能要求偏差δi严格为零，但为了使拟合曲线尽可能反映所收集数据点的变化趋势，拟合曲线应该与实际数据的偏差平方和最小，偏差平方和的公式(9)如下所示
[0057][0058]
根据偏差平方和的公式(9)所得的偏差平方和越小，说明拟合函数曲线与实际数据越符合，相关程度越高，a0、a1、...an为方程系数，设近似方程y*：
[0059]y*
＝a0ψ(x0)+a1ψ(x1)+a2ψ(x2)+
······
+anψ(xn)
ꢀꢀꢀꢀꢀꢀ
(10)
[0060][0061]
对函数φ求偏导并令偏导为零，即
[0062][0063][0064][0065]
若引入符号：
[0066][0067][0068]
则有：
[0069][0070]
得到矩阵：
[0071][0072]
可知当ψ0(x)，ψ1(x)，...ψn(x)线性无关时存在唯一解ai(i＝0,1,...n) 作为曲线拟合的常见情况，拟合函数多为代数多项式，即拟合函数为：
[0073]
ψ(x)＝a0+a1x+a2x2+
···
+anxnꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0074]
通过matlab工具箱拟合得出附图3中的曲线图，可以得到以下拟合函数代数多项式
[0075]
ψ(x)＝-0.0001x7+0.0027x
6-0.0579x5+0.6867x
4-4.4815x3+15.6803x
2-28.1028x+45.8065(20)
[0076]
本发明方法为了验证拟合曲线的相关性与正确性，从残差图以及f和r检验进行验证，从而便于下一步工作的进行，残差是因变量的观测值与根据估计的回归方程求出的预测之差，为了判断拟合曲线数据是否存在异常；在回归分析中，测定值与回归方程预测的值之差，以δ表示。残差δ遵从正态分布n(0，σ 2)。(δ-残差的均值)/残差的标准差，称为标准化残差，以δ*表示。δ*遵从标准正态分布n(0，1)。本文通过matlab进行残差分析，以回归方程的自变量为横坐标，以残差为纵坐标可得附图4中的残差图，根据附图4可发现无异常点，残差近似服从正态分布，从残差图可以直观地看出残差的绝对数值无异常，所描绘的点都在
以0为横轴的直线上下随机散布，残差数值较小，距离数值0 比较近，残差数值波动变化很小，拟合数值接近实际情况，回归直线对各个观测值的拟合情况是良好的，说明曲线拟合效果好，该拟合方程能近似反映出实际数据的变化趋势。
[0077]
f和r检验是验证拟合曲线的拟合程度，r检验主要检验拟合的相关性，f检验是对回归方程的显著性检验，辅助验证拟合效果。归结为对假设 h0:β1＝0；h1:β1≠0进行检验.假设h0:β1＝0被拒绝，则回归显著，认为y与x存在关系，所求的线性回归方程有意义；否则回归不显著，y与x的关系不能用回归模型来描述，所得的回归方程也无意义，f和r检验也因此被通常作为辅助验证拟合方程的检验方法。
[0078]
f检验原理如下：
[0079]
当h0成立时
[0080][0081]
上式中，f为方差分析值，u为回归平方和，qe为残差平方和，n为样本自由度。
[0082]
其中，回归平方和u由下式可得：
[0083][0084]
上式中，为第i因变量和因变量平均值。
[0085]
故f》f
1-α
(1,n-2)，拒绝h0，否则就接受h0，其中，f
1-α
(1,n-2)为临界值。
[0086]
当h0成立时
[0087][0088]
上式中，t为正态性数值，l
xx
为方差，为样本方差的比率，t(n-2)为正态自由度，偏回归系数分量；
[0089]
故拒绝h0，否则就接受h0，其中
[0090][0091]
上式中，xi、为第i自变量和自变量平均值。
[0092]
r检验原理如下：
[0093][0094]
上式中，r为复相关系数；
[0095]r1-α
为复相关系数临界值，当|r|》r
1-α
时，拒绝h0；否则就接受h0，其中：
[0096][0097]
通过matlab工具箱可得出下表1
[0098]
表1负载功率-周期检验系数表
[0099][0100]
在表格1中，剩余平方和指的是拟合曲线与实际值之差的平方，该系数越小，反映拟合曲线回归程度越好，与实际值差值越小。相关系数指的是拟合曲线与实际值的相关程度，相关系数越接近于1，说明相关程度越高，当相关程度》0.95时，则认为拟合曲线与实际值存在着相关性。调整相关系数是指排除异常数据之后的相关系数，若不存在异常数据，则调整相关系数与相关系数的数值相等。剩余标准差为剩余平方和的开平方，间接反映拟合曲线的回归程度，剩余标准差越小，回归程度越好。
[0101]
相关系数r2值等于0.9982，且接近于1，r值极大，相关程度高，且剩余平方和p《0.05，f值极小，说明回归显著，可认为功率和周期存在着关系，所求的线性回归方程有意义。
[0102]
作为本发明的具体实施方式，提取特征值具体方法为：验证完拟合曲线的相关性后，根据等面积法求解特征值功率，消耗的电能等于在一段时间内瞬时功率与时间的乘积之和，根据等面积法消耗的电能不变求出等效功率，即特征值功率。等面积图附图5所示，在附图5中，将一个周期24h分为4个区间，区间分别为[0，6]、[0，12]、[12，18]和[18，24]，根据等面积法，每个区间内阴影面积等于该区间内拟合曲线与坐标轴形成的面积，使用matlab编程，将数据与公式(4.7)联合求解，求出四个典型分区间内的特征功率，如附图5 所示，为p1、p2、p3和p4，具体数值如下表2所示
[0103]
表2特征功率表
[0104][0105]
因p3和p4工况负载接近，为简化分析，求p3和p4平均值将其合并，如下表3所示
[0106]
表3改进特征功率表
[0107]
[0108]
作为本发明的具体实施方式，权重指的是某一数据或者某一范围内代表值对所有数据或整体的影响程度，本方法在权重的选取上采用了第三类赋权法，即主客观综合赋权法，指每个典型分区间内的特征值在整体区间内所占的比重，求出占比系数，即权重值，权重值突出了特征值的主要贡献率，反映其对整体的影响率。权重的确定主要依据各个分区间内时间在总时间的占比，权重公式如下：
[0109][0110]
其中αi为第i(i＝1,2,3)个分区间的权重，ti为第i(i＝1,2,3)个分区间内时间长，通过公式(27)可以求出每个分区间内的特征值的权重。
[0111]
为下一步匹配负载的确定做好准备。权重系数图如附图6所示，根据附图6，求得αi值如下表4所示。
[0112]
表4权重表
[0113][0114]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0115]
在本技术所提供的实施例中，应该理解到，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元可结合为一个单元，一个单元可拆分为多个单元，或一些特征可以忽略等。
[0116]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

技术特征：

1.一种负载特征值和权重求解方法，其特征在于，包括以下步骤：步骤一：进行变压器负载数据的处理；步骤二：对处理过后的负载数据进行负载分析，得到拟合函数曲线；步骤三：验证拟合曲线的相关性与正确性；步骤四：提取特征值；步骤五：权重的求解。2.根据权利要求1所述的一种负载特征值和权重求解方法，其特征在于：负载分析包括拟合函数代数多项式，根据功率数据的变化情况，研究功率数据的变化规律，剔除掉极少数异常数据，从处理后的数据中筛选出数据区间范围，将划分的数据区间平均划分为四个典型周期分区间，并用特征值代表该范围内的工业流程负载特性。3.根据权利要求2所述的一种负载特征值和权重求解方法，其特征在于：特征值用每个典型分区间内的平均值代替，在每一个分区间内都求出平均值以用来表示该分区间所对应的输出功率，这个功率更适合代表该分区间内平均功率，也为该范围内的工业流程负载特性数值。4.根据权利要求3所述的一种负载特征值和权重求解方法，其特征在于：分析出来的数据以周期分布为横坐标，负载功率数据为纵坐标，使用软件描绘散点图，利用最小二乘法原理进行拟合，求出曲线函数表达式，这条曲线即为这些散点的拟合函数曲线。5.根据权利要求1所述的一种负载特征值和权重求解方法，其特征在于：验证拟合曲线的相关性与正确性采用残差图以及f和r检验进行，从而便于下一步工作的进行；残差是因变量的观测值与根据估计的回归方程求出的预测之差，为了判断拟合曲线数据是否存在异常；f和r检验是验证拟合曲线的拟合程度，r检验主要检验拟合的相关性，f检验是对回归方程的显著性检验，辅助验证拟合效果。6.根据权利要求1所述的一种负载特征值和权重求解方法，其特征在于：提取特征值具体方法为：验证完拟合曲线的相关性后，根据等面积法求解特征值功率，消耗的电能等于在一段时间内瞬时功率与时间的乘积之和，根据等面积法消耗的电能不变求出等效功率，即特征值功率。7.根据权利要求1所述的一种负载特征值和权重求解方法，其特征在于：权重指的是某一数据或者某一范围内代表值对所有数据或整体的影响程度，本方法在权重的选取上采用了第三类赋权法，即主客观综合赋权法，指每个典型分区间内的特征值在整体区间内所占的比重，求出占比系数，即权重值，权重值突出了特征值的主要贡献率，反映其对整体的影响率。8.根据权利要求7所述的一种负载特征值和权重求解方法，其特征在于：权重的确定主要依据各个分区间内时间在总时间的占比，权重公式如下：其中αi为第i(i＝1,2,3)个分区间的权重，ti为第i(i＝1,2,3)个分区间内时间长，通过上式可以求出每个分区间内的特征值的权重。

技术总结

本发明属于电气设备故障诊断技术领域，尤其涉及一种负载特征值和权重求解方法，包括以下步骤：步骤一：进行变压器负载数据的处理；步骤二：对处理过后的负载数据进行负载分析，得到拟合函数曲线；步骤三：验证拟合曲线的相关性与正确性；步骤四：提取特征值；步骤五：权重的求解。本发明方法采用残差图辅助验证拟合函数代数多项式的准确性，采用F和R检验，间接反映拟合曲线的回归程度，采用主客观综合赋权法，既考虑到决策人的主观判断力，辅之于实际经验，结合实际情况，又可以考虑到客观性，依据于数学模型理论的牢固基础，使主观与客观相结合，求出占比系数，即权重值，突出了特征值的主要贡献率，反映其对整体的影响率。反映其对整体的影响率。反映其对整体的影响率。