1.本发明涉及一种基于随机森林的油纸绝缘寿命预测方法、系统及存储介质，属于油纸绝缘寿命预测技术领域。
背景技术：2.油浸式电力变压器是电网正常运行过程中的关键设备之一，因此其绝缘保护即油纸绝缘系统的状态是决定电网安全运行的重要一环。目前，电力变压器面临着电热复杂应力、振动噪声、高温工况等多重外界因素干扰，导致油纸绝缘发生加速劣化和老化衰退等问题，严重影响变压器的性能，并且对电网的稳定运行也造成了很大的影响。因此，如何准确预测变压器油纸绝缘系统的寿命时长具有一定的现实意义。传统的预测油纸绝缘寿命方法主要通过测量油浸绝缘纸的聚合度，再通过纤维素降解动力学方程计算出油浸绝缘纸的寿命。但该方法需要定时对油浸绝缘纸进行取样，存在取样难度大，容易对油浸绝缘纸纸造成损伤等缺点，不适用于在工程实际中。相比之下，频域介电谱法(frequency domain spectroscopy,fds)具有无损、用时短、操作简便、抗干扰能力等优点，并且还含有丰富的绝缘信息，非常适用于变压器状态诊断。近年来，许多学者分析了频域介电谱参数特性与老化影响之间的关系，并从中提取了相应特征参量用于寿命预测，但都是利用单一特征量进行油纸绝缘寿命的评估，所得评估结果不能全面反应变压器的状态。
技术实现要素：3.为了克服上述问题，本发明提供一种基于随机森林的油纸绝缘寿命预测方法、系统及存储介质，该方法通过融合多频谱特征参量与随机森林算法的智能预测模型，实现在多频谱特征参量条件下对目标变压器进行寿命预测。
4.本发明的技术方案如下：
5.第一方面
6.基于随机森林的油纸绝缘寿命预测方法，包括以下步骤：
7.获取若干油纸绝缘老化的特征参量以及油浸纸的聚合度，形成训练集；所述特征参量为不同频率下油纸绝缘的介质损耗因数；
8.对所述训练集进行采样，将所述数据集分为若干个训练子集；
9.对各所述训练子集建立对应的决策树，并进行训练，基于多数投票法集成各决策树，构建完整的随机森林；训练时将油浸纸的聚合度设为待预测值，将所述训练子集中的介质损耗因数作为自变量；
10.获取待预测时刻油纸绝缘老化的特征参量，通过所述随机森林进行预测，得到油浸纸待预测时刻的聚合度预测值；
11.根据油浸纸待预测时刻的聚合度预测值对油纸绝缘的寿命进行预测，得到油纸绝缘的预测寿命。
12.特别的，获取若干油纸绝缘老化的特征参量时，将老化天数相同的油纸绝缘处于
频率f＝10-3
、10-2
、10-1
下对应的介质损耗因数作为特征参量。
13.特别的，对所述训练集进行采样时，通过bootstrap重采样技术对训练集数据进行采样，从而构建训练子集。
14.进一步的，所述根据油浸纸待预测时刻的聚合度预测值对油纸绝缘的寿命进行预测，通过以下公式计算：
[0015][0016]
其中，t为油纸绝缘的寿命，dp0为油浸纸未老化初始状态时的聚合度值，dp为油浸纸待预测时刻的聚合度预测值，k
dp
为纤维素降解的速率，为聚合度降解储蓄的能力。
[0017]
进一步的，还要将所述油纸绝缘的预测寿命外推至实际变压器现场寿命，具体为：
[0018]
通过实验测得不同温度下的fds曲线，将最低实验温度设置为参考温度，将温度为t的fds曲线沿x轴平移至参考温度下，得到温度为t时对应的平移因子α
t
：
[0019]
α
t
＝f
ref
/f
t
；
[0020]
其中，f
t
为温度为t的fds曲线对应的频率，f
ref
为温度为t的fds曲线平移至参考温度后对应的频率；
[0021]
通过平移因子将实验室加速老化环境预测得的寿命外推至实际变压器现场寿命，利用以下公式进行外推：
[0022][0023]
其中，t
life
为实验室加速老化环境下预测得的寿命，t
rlife
为实际变压器现场寿命。
[0024]
进一步的，对各所述训练子集建立对应的决策树，并进行训练，基于多数投票法集成各决策树，构建完整的随机森林，具体为：
[0025]
为每个训练子集建立相应的决策树；
[0026]
决策树采用自下而上的建立方式，将给定的训练子集分为两个子集，通过选择均方根误差最小的分裂方式进行分裂，并将分裂后的两个子集作为母节点分别继续分裂；
[0027]
不断迭代直至所建决策树最大深度达到7为止；
[0028]
完成所有决策树的建立后，集成各决策树的决策结果即完成随机森林的建立。
[0029]
第二方面
[0030]
基于随机森林的油纸绝缘寿命预测系统，通过第一方面中任一所述基于随机森林的油纸绝缘寿命预测方法对油纸绝缘寿命进行预测，包括特征参量获取模块，预测模块，寿命计算模块和输出模块；
[0031]
所述特征参量获取模块用于获取待预测时刻油纸绝缘老化的特征参量；
[0032]
所述预测模块内存储有随机森林，所述预测模块根据所述随机森林对所述待预测时刻时刻油纸绝缘老化的特征参量进行聚合度预测，得到聚合度预测值；
[0033]
所述寿命计算模块根据所述聚合度预测值计算油纸绝缘寿命，并利用频温平移因子外推至变压器现场实际寿命。
[0034]
第三方面
[0035]
存储介质，所述存储介质存储有计算机程序，所述计算机程序被执行时实现如第
一方面中任一所述基于随机森林的油纸绝缘寿命预测方法。
[0036]
本发明具有如下有益效果：
[0037]
1.本发明提取了3个与油纸绝缘老化程度显著关联的频域参量，并以此建立多参量频域数据库，克服单一频域特征参量不能全面反应油纸绝缘状态的问题，避免预测结果的片面性，实现了油纸绝缘寿命的综合预测。
[0038]
2.本发明基于随机森林算法构建了变压器油纸绝缘寿命预测模型，与其他寿命评估模型相比，该模型的预测结果的rmse与mae更低，即所得结果的更贴近实际值，具有现场工程应用价值。
附图说明
[0039]
图1为本发明的方法流程图。
[0040]
图2为本发明的随机森林算法步骤流程图。
[0041]
图3为本发明实施例的频域介电谱线。
具体实施方式
[0042]
下面结合附图和具体实施例来对本发明进行详细的说明。
[0043]
第一方面
[0044]
实施例一
[0045]
参考图1-3，一种基于随机森林的油纸绝缘寿命预测方法，包括以下步骤：
[0046]
获取若干油纸绝缘老化的特征参量及油浸纸的聚合度，形成训练集；所述特征参量为不同频率下油纸绝缘的介质损耗因数；
[0047]
对所述训练集进行采样，将所述数据集分为若干个训练子集；
[0048]
对各所述训练子集建立对应的决策树，并进行训练，基于多数投票法集成各决策树，构建完整的随机森林；训练时将油浸纸的聚合度设为待预测值，将所述训练子集中的介质损耗因数作为自变量；
[0049]
获取待预测时刻油纸绝缘老化的特征参量，通过所述随机森林进行预测，得到油浸纸待预测时刻的聚合度预测值；
[0050]
根据油浸纸待预测时刻的聚合度预测值对油纸绝缘的寿命进行预测，得到油纸绝缘的预测寿命。
[0051]
在本发明的一种具体实施方式中，所述获取若干油纸绝缘老化的特征参量，形成训练集时，将老化天数相同的油纸绝缘处于频率f＝10-3
、10-2
、10-1
下对应的介质损耗因数作为特征参量。
[0052]
本发明的实施例中，对初始水分含量一致，130
°
加速老化下老化天数为0天、15天、30天、65天的老化油浸纸试样，基于fds测试流程对不同老化程度的油浸纸样进行频域介电谱测试，对应的频域介电谱线如图3所示。
[0053]
图3中纵坐标代表介质损耗因数tanδ，反映了油纸绝缘介质损耗因数随着频率的变化规律。对图3进行分析可得，在低频区(10-3
hz～10-1
hz)，相同频率下油浸纸样的介质损耗因数tanδ随着老化天数的增加而呈现出增大的趋势，并且其增幅随老化时间的增加而愈发显著。而在中频到高频区(10-1
hz～103hz)，tanδ的变化趋势则较不明显。这是由于在油纸
绝缘内部不同频率下存在着不同形式的极化，在低频段(10-1
hz以下)起主导作用的极化形式为界面极化，但在中高频段(10-1
hz以上)，由于电场交变速度显著加快，界面极化来不及建立，此时转向极化起到了主导作用。而油浸纸试样在热应力的加速老化作用下，其内部分子结构发生了变化，分子之间的作用力受热应力的影响而逐渐减弱，使得老化物质更容易渗入松散的油浸纸结构而产生油纸界面，促进界面极化的形成，因此在低频段tanδ的增大趋势更为明显。
[0054]
根据上述分析，本发明选择f＝10-3
、10-2
、10-1
处的介质损耗因数tanδ作为特征参量，用于后续变压器油纸绝缘寿命的预测。
[0055]
本发明的一种具体实施方式中，对所述训练集进行采样时，通过bootstrap重采样技术对训练集数据进行采样，从而构建训练子集。
[0056]
实施例二
[0057]
一种基于随机森林的油纸绝缘寿命预测方法，在实施例一的基础上，所述根据油浸纸待预测时刻的聚合度预测值对油纸绝缘的寿命进行预测，通过以下公式计算：
[0058][0059]
其中，t为油纸绝缘的寿命，dp0为油浸纸未老化初始状态时的聚合度值，dp为油浸纸待预测时刻的聚合度预测值，k
dp
为纤维素降解的速率，为聚合度降解储蓄的能力。
[0060]
变压器油纸绝缘的寿命主要取决于绝缘油和油浸绝缘纸的老化程度，其中绝缘油可以通过换油的手段有效减缓对绝缘老化的影响，因此变压器工作时限主要取决于油浸绝缘纸的寿命。目前油浸绝缘纸寿命预测模型主要有一阶动力学模型、二阶动力学模型、损失累积动力学模型三种，其中基于一阶动力学模型改进的二阶动力学模型已被广泛地应用在针对油纸绝缘老化寿命的研究中，但损失累积动力学模型对比二阶动力学模型有着计算方便、结果准确等优势，因此本发明以该模型为基础构建变压器油纸绝缘寿命预测公式。
[0061]
实施例三
[0062]
一种基于随机森林的油纸绝缘寿命预测方法，在实施例一的基础上，还要将所述油纸绝缘的预测寿命外推至实际变压器现场寿命，具体为：
[0063]
通过实验测得不同温度下的fds曲线，将最低实验温度设置为参考温度，将温度为t的fds曲线沿x轴平移至参考温度下，得到温度为t时对应的平移因子α
t
：
[0064]
α
t
＝f
ref
/f
t
；
[0065]
其中，f
t
为温度为t的fds曲线对应的频率，f
ref
为温度为t的fds曲线平移至参考温度后对应的频率；
[0066]
通过平移因子将实验室加速老化环境预测得的寿命外推至实际变压器现场寿命，利用以下公式进行外推：
[0067][0068]
其中，t
life
为实验室加速老化环境下预测得的寿命，t
rlife
为实际变压器现场寿命。
[0069]
由于现场变压器的运行温度与实验室加速老化所设置的温度不同，因此本发明引入频温平移因子，能够有效提高预测结果的准确性。
[0070]
实施例四
[0071]
一种基于随机森林的油纸绝缘寿命预测方法，在实施例二的基础上，决策树的建立过程就是一种分裂过程，决策树各分支在确定自身属性之前，会先从k个频域特征量中随机挑选t个特征量构成分支属性集，通过比较各分支预测的均方根误差，最终确定分裂方式，完成对待分类样本类型的确定。重复上述过程，直至触发所设置的决策树建立结束条件为止，本发明所设结束条件为决策树最大深度达到7为止。此时即构建一颗完整的决策树。
[0072]
第二方面
[0073]
基于随机森林的油纸绝缘寿命预测系统，通过第一方面中任一所述基于随机森林的油纸绝缘寿命预测方法对油纸绝缘寿命进行预测，包括特征参量获取模块，预测模块，寿命计算模块和输出模块；
[0074]
所述特征参量获取模块用于获取待预测时刻油纸绝缘老化的特征参量；
[0075]
所述预测模块内存储有随机森林，所述预测模块根据所述自己森林对所述待预测时刻时刻油纸绝缘老化的特征参量进行聚合度预测，得到聚合度预测值；
[0076]
所述寿命计算模块根据所述聚合度预测值计算油纸绝缘寿命，并利用频温平移因子外推至变压器现场实际寿命。
[0077]
第三方面
[0078]
存储介质，所述存储介质存储有计算机程序，所述计算机程序被执行时实现如第一方面中任一所述基于随机森林的油纸绝缘寿命预测方法。
[0079]
为充分验证本发明提出的油纸绝缘寿命预测模型的准确性与有效性，本发明基于对初始水分含量一致，但老化程度不同的油浸纸试样进行频域介电谱测试得到的数据，从中选取了100组作为训练数据，10组作为测试数据，共同构成了变压器油纸绝缘频域介电数据库。具体数据如下表所示，由于篇幅有限，其中训练数据集仅展示其中10组数据。表1为本实施例的变压器训练样本数据，表2为本实施例变压器油纸绝缘测试样本数据。
[0080]
表1变压器训练样本数据
[0081][0082][0083]
表2变压器油纸绝缘测试样本数据
[0084] tanδ1tanδ2tanδ3dp
10.9241510.4057710.227621125720.9419410.4232240.224823125538.2933517.3523451.33111532948.2412417.1234231.13452432758.4502123.9915471.60396933462.9931311.6864680.6823361972.6689271.7846050.55860260684.2119352.0367670.65535161791.6960280.9995150.286613799102.0112350.9916040.259279762
[0085]
表1与表2中，tanδ1、tanδ2、tanδ3分别代表f＝10-1
、10-2
、10-3
处的介质损耗因数值，dp代表油浸纸聚合度。
[0086]
将表1的训练集输入至本发明所提出的油纸绝缘寿命预测模型中进行模型训练，再将表2中的测试集输入模型进行测试，验证模型的准确性，具体结果如表3所示。由于本发明选择的数据数量级接近，因此无需进行归一化处理。
[0087]
表3预测结果
[0088]
变压器实际值(天)评估值(天)误差(％)174.7237774.723773.4971279.9581279.958123.274937491.3527491.3525.213747586.8437586.8435.871957267.0827267.0821.162862766.1162766.1162.393572864.8652864.8651.341482781.0632781.0630.805091686.8091686.8090.8683101874.6681874.6680.4424
[0089]
分析表3的预测结果可以得出，本发明所提的寿命预测模型所得预测值与实际寿命相差不大，误差最大值仅为5.8719％，因此该模型可较为准确地预测变压器油纸绝缘寿命。
[0090]
为充分验证本发明所提出的变压器油纸绝缘寿命预测模型的稳定性与准确性，现基于adaboost、决策树、svr等算法构建相应寿命预测模型，利用表1数据对其进行训练，并对表2数据进行测试获取相应结果。并采用均方根误差(rmse)以及平均绝对误差(mae)来比较各寿命预测模型的性能，二者表达式如下式所示。其中，为避免计算寿命时的公式影响评估结果，现利用模型预测所得的聚合度作为比较数据。
[0091]
[0092][0093]
式中，m表示样本个数，yi表示油浸纸试样实际聚合度，yi’表示油浸纸试样预测聚合度。
[0094]
计算如果如表4所示。
[0095]
表4不同寿命预测模型的计算结果
[0096] adaboost决策树svr本发明所提模型rmse10.0210.3312.367.53mae7.127.529.565.91
[0097]
分析以上结果可得，本发明所提变压器油纸绝缘寿命预测模型相比于其他人工智能算法模型的误差更小，rmse与mae均低于其他模型，充分验证本发明所提出的模型能更准确地反应变压器油纸绝缘的实际寿命情况，为日常变压器运行维护提供充足的数据支撑，也为之后的相关研究提供了一定的思路。
[0098]
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
技术特征：1.基于随机森林的油纸绝缘寿命预测方法，其特征在于，包括以下步骤：获取若干油纸绝缘老化的特征参量以及油浸纸的聚合度，形成训练集；所述特征参量为不同频率下油纸绝缘的介质损耗因数；对所述训练集进行采样，将所述数据集分为若干个训练子集；对各所述训练子集建立对应的决策树，并进行训练，基于多数投票法集成各决策树，构建完整的随机森林；训练时将油浸纸的聚合度设为待预测值，将所述训练子集中的介质损耗因数作为自变量；获取待预测时刻油纸绝缘老化的特征参量，通过所述随机森林进行预测，得到油浸纸待预测时刻的聚合度预测值；根据油浸纸待预测时刻的聚合度预测值对油纸绝缘的寿命进行预测，得到油纸绝缘的预测寿命。2.根据权利要求1所述基于随机森林的油纸绝缘寿命预测方法，其特征在于，获取若干油纸绝缘老化的特征参量时，将老化天数相同的油纸绝缘处于频率f＝10-3
、10-2
、10-1
下对应的介质损耗因数作为特征参量。3.根据权利要求1所述基于随机森林的油纸绝缘寿命预测方法，其特征在于，对所述训练集进行采样时，通过bootstrap重采样技术对训练集数据进行采样，从而构建训练子集。4.根据权利要求1所述基于随机森林的油纸绝缘寿命预测方法，其特征在于，所述根据油浸纸待预测时刻的聚合度预测值对油纸绝缘的寿命进行预测，通过以下公式计算：其中，t为油纸绝缘的寿命，dp0为油浸纸未老化初始状态时的聚合度值，dp为油浸纸待预测时刻的聚合度预测值，k
dp
为纤维素降解的速率，为聚合度降解储蓄的能力。5.根据权利要求1所述基于随机森林的油纸绝缘寿命预测方法，其特征在于，还要将所述油纸绝缘的预测寿命外推至实际变压器现场寿命，具体为：通过实验测得不同温度下的fds曲线，将最低实验温度设置为参考温度，将温度为t的fds曲线沿x轴平移至参考温度下，得到温度为t时对应的平移因子α
t
：α
t
＝f
ref
/f
t
；其中，f
t
为温度为t的fds曲线对应的频率，f
ref
为温度为t的fds曲线平移至参考温度后对应的频率；通过平移因子将实验室加速老化环境预测得的寿命外推至实际变压器现场寿命，利用以下公式进行外推：其中，t
life
为实验室加速老化环境下预测得的寿命，t
rlife
为实际变压器现场寿命。6.根据权利要求4所述基于随机森林的油纸绝缘寿命预测方法，其特征在于，对各所述训练子集建立对应的决策树，并进行训练，基于多数投票法集成各决策树，构建完整的随机森林，具体为：为每个训练子集建立相应的决策树；
决策树采用自下而上的建立方式，将给定的训练子集分为两个子集，通过选择均方根误差最小的分裂方式进行分裂，并将分裂后的两个子集作为母节点分别继续分裂；不断迭代直至所建决策树最大深度达到7为止；完成所有决策树的建立后，集成各决策树的决策结果即完成随机森林的建立。7.基于随机森林的油纸绝缘寿命预测系统，通过权利要求1-6中任一所述基于随机森林的油纸绝缘寿命预测方法对油纸绝缘寿命进行预测，其特征在于，包括特征参量获取模块，预测模块，寿命计算模块和输出模块；所述特征参量获取模块用于获取待预测时刻油纸绝缘老化的特征参量；所述预测模块内存储有随机森林，所述预测模块根据所述随机森林对所述待预测时刻时刻油纸绝缘老化的特征参量进行聚合度预测，得到聚合度预测值；所述寿命计算模块根据所述聚合度预测值计算油纸绝缘寿命，并利用频温平移因子外推至变压器现场实际寿命。8.存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被执行时实现如权利要求1-6中任一所述基于随机森林的油纸绝缘寿命预测方法。
技术总结本发明涉及基于随机森林的油纸绝缘寿命预测方法、系统及存储介质，方法包括以下步骤：获取若干油纸绝缘老化的特征参量以及油浸纸的聚合度，形成训练集；对训练集进行采样，将数据集分为若干个训练子集；对各训练子集建立对应的决策树，并进行训练，基于多数投票法集成各决策树，构建完整的随机森林；获取待预测时刻油纸绝缘老化的特征参量，通过随机森林进行预测，得到油浸纸待预测时刻的聚合度预测值；根据油浸纸待预测时刻的聚合度预测值对油纸绝缘的寿命进行预测，得到油纸绝缘的预测寿命。该方法通过融合多频谱特征参量与随机森林算法的智能预测模型，实现对目标变压器的寿命预测。预测。预测。
技术研发人员：柯拥勤 罗毅 李敏 林仕锋 庄何 阮正鑫
受保护的技术使用者：国网福建省电力有限公司
技术研发日：2022.09.14
技术公布日：2022/12/1
