电力系统中的智能化变压器接入点推荐系统

Telecom Power Technology
设计应用技术
电力系统中的智能化变压器接入点推荐系统
戟，邓长安，汤铁军，胡开庆，朱
（贵州电网有限责任公司六盘水供电局，贵州
文章深入研究电力系统中的智能化变压器接入点推荐系统，包含系统设计、实现、性能评估与分析以及
优化改进。

通过引入智能化技术，提高变压器监控水平，确保电力系统的安全与稳定。

同时，采用高性能的嵌入式
系统来构建通信管理机。

实践应用与性能评估结果显示，该系统具有优异的数据采集和通信可靠性，能够确保电力电力系统；智能化变压器；接入点推荐
Intelligent Transformer Access Point Recommendation System in Power Systems
LIANG Ji, DENG Chang'an, TANG Tiejun, HU Kaiqing, ZHU Hao
(Guizhou Power Grid Co., Ltd., Liupanshui Power Supply Bureau, Liupanshui
the intelligent transformer
power system, including system design, implementation, performance evaluation and analysis, and optimization and
technology, the monitoring level
 2024年3月10日第41卷第5期
33 Telecom Power Technology
Mar. 10, 2024, Vol.41 No.5
梁 戟，等：电力系统中的智能化
变压器接入点推荐系统
1.2 推荐算法设计
智能化变压器接入点推荐系统是一种利用人工智能算法为用户提供个性化推荐服务的系统。

该系统通过分析变压器的历史运行数据和实时运行状态，预测变压器未来的运行状态和需求，从而为用户提供更加精准的接入点推荐服务。

推荐指数计算公式为
R =S 1+S 2+S 3 （1）式中：R 为推荐指数；S 1、S 2和S 3分别为不同方面的评估得分。

S 1是根据变压器的历史运行数据得出的相似度得分，反映其与其他变压器的相似程度。

这可以通过协同过滤算法实现，如余弦相似度或皮尔逊相关系数。

S 2是根据变压器的实时运行状态数 据，评估变压器当前性能和稳定性的得分。

S 3是根据用户对变压器的使用情况和需求计算出的相应得分，包括历史运行数据、负载情况、维修记录等数据，以及用户对变压器性能和可靠性的反馈。

智能化变压器接入点推荐系统主要考虑变压器的电压、电流、温度以及绝缘状态等参数，分析设备的历史运行、维修记录、故障频率等数据。

分析这些数据，系统可以评估变压器的性能和状态，并为用户提供相应的接入点推荐。

2 智能化变压器接入点推荐系统实现
2.1 系统硬件平台选择
在电力网络中，变电运行设备是整个系统的重要组成部分。

电力领域的变压器云控终端已经成为变压器厂商必不可少的设备之一[2]。

在实际变电运行中，由于缺乏数据支撑，难以分析事故原因和界定责任，增加了变压器接入点推荐系统的风险。

而智能化变压器接入点推荐系统的出现，能够有效解决这些问题。

智能化变压器接入点推荐系统集成变压器温控仪、变压器运行监控器及智能云服务的智能终端，可依托技术优势，实现变压器的数字化、云端化、智能化，有助于增强变压器生产企业的产品竞争力和品牌影响力。

智能化变压器接入点推荐系统的硬件平台选择如图1所示。

2.2 数据采集与处理
为确保智能化变压器接入点推荐系统的准确性和可靠性，从变压器的各个部位采集相关数据，如实时采集变压器线圈的温度和油温。

首先，从100台智能化变压器中，采集200万条数据。

其次，对数据进行处理，以便为智能化变压器接入点推荐算法提供有效的输入。

例如，去除异常值、重复值、缺失值，保留180万条有效数据。

再次，整合不同来源的数据，形成一个统一的数据集。

最后，从数据集中提取与变压器性能和状态相关的特征，如平均温度、最高负荷率等，作为推荐算法的主要输入。

根据变压器的历史运行数据和专家经验，标注数据，然后用于训练和验证推荐算法[3]。

采用3σ原则（即拉依达准则）检测异常值，假设数据集为X ，均值为μ，标准差为σ。

对于数据点x ，若满足|x -μ|＞3σ，则视为异常值。

根据变压器线圈温度的数据集{T 1,T 2,…,T n }，计算均值μ和标准差σ，满足|T i -μ|＞3σ的数据点将被视为异常值并去除。

此外，可以采用哈希函数检测重复值。

对于数据集X ，将数据点x 通过哈希函数H (·)映射为一个唯一的哈希值H (x )。

若不同的数据点具有相同的哈希值，则将其视为重复值。

对于变压器负荷率的数据集{L 1,L 2,…,L n }，将数据点L i 通过哈希函数映射为哈希值H (L i )，比较各哈希值，并去除重复的数据点。

智能化变压器接入点推荐系统数据处理如表1所示。

采用3σ原则对数据集中的线圈温度进行异常值检测。

假设线圈温度的均值为80，标准差为5，发现数据点T 5和T 10满足|T i -μ|＞3σ，因此将其视为异常值并去除。

同时，采用哈希函数对数据集中的负荷率进行重复值检测。

在负荷率数据集中，发现数据点L 3和L 8具有相同的哈希值，因此将其视为重复值，并去除数据点L 8。

同时，整合处理后的线圈温度和负荷率数据集，形成一个统一的数据集Z ，以便分析整合后的数据集。

2.3 推荐算法实现
推荐算法基于变压器的历史运行数据、实时运行状态及电网的拓扑结构，采用深度学习技术进行建模[4]。

设计一个基于卷积神经网络（Convolutional Neural Networks ，CNN ）和长短时记忆网络（Long
硬件平台
品牌：DELL 用途：数据存储、分析、处理类型：SAS SSD
品牌：SAMSUNG 用途：数据存储、备份
用途：数据传输、路由控制
用途：数据交换、流量控制用途：网络安全防护、控制访问品牌：HUAWEI
品牌：HUAWEI
型号：USG 6305E
品牌：HUAWEI
品牌：Juniper
型号：NE 20E-S 16
型号：S 5735S-S 24T 4X-A 型号：
PowerEdge R 740XD
服务器
存储设备
网络设备
安全设备
路由器
交换机
防火墙
IDS/IPS
智能化变压器接入 点推荐系统硬件平
台选择
图1 智能化变压器接入点推荐系统的硬件平台选择
Telecom Power Technology
）的混合模型。

其中，CNN
LSTM则用
为训练该混合模型，构建一个标注的数据集。

标注的数据包括变压器的各种运行参数（如线圈温度、油温、负荷率等）和对应的接入点推荐标签（优、良、中及差），且由专家根据变压器的历史运行数据和经验进行标注。

模型的训练采用监督学习的方式，目标是最小化预测标签和真实标签之间的差异。

损失函数为
（2）
为样本的目标值；n。

在训练模型的过程中，采用均方误差（
标签与真实标签之间的差异。

通过优化模型参数，使损失函数值最小化，从而提升模型的预测准确性。

模型准确率的计算公式为
式中：TP
TN为真反例。

准确率是最常见的评价指标，且容易理解，即正确分类的样本数除以总样本数。

准确率越高，
这些指标通常用于描述分类模型的性能。

3 实验验证
推荐系统及其设计算法的有效性数据如表
智能化变压器接入点推荐系统数据处理标准差σ异常值
5T5=95℃，T10。