基于数据挖掘算法的变压器热点温度预测

摘要：油浸式电力变压器热点温度预测一直是变压器研究的热点问题，但现有方法多是预测或计算当前时刻下的热点温度值,而不是预测变压器短期内的热点温度走势，无法满足动态增容决策的要求。本文以一台SFPSZ-180000/220型变压器为研究对象，对比发现变压器的热点温度与负载率这一特征量具有最大相关性。因此，本文建立了基于支持向量回归的电力负荷预测模型，使之作为变压器热点温度模型的前置输入，最终提出了基于数据挖掘算法的变压器热点温度时序预测方法。分别建立了支持向量数据(SVR)、BP神经网络(BPNN)、决策树(CART)三种预测模型,对比了一般的输入-输出建模方法与基于时间延迟方法的预测结果,以及不同时间延迟下三种数据挖掘模型的预测结果。结果表明，有外在输入的支持向量回归模型预测吻合度更高。

关键词：油浸式变压器；热点温度；数据挖掘；时序分析