结合预测方法在避雷器带电测试中的应用

向颖黎 朱翔

摘 要：金属氧化物避雷器在实际运行的过程中，可以通过电压下实际电流的大小来反映出其自身的绝缘性能，而且也可以通过此方式去检验电阻片的非线性性能的优劣。但是，由于当前周期性的实验无法实现对金属氧化物避雷器实际的优良性能以及运转寿命进行量化预测，所以在进行预测的过程中，则需要通过结合运作法来实现对避雷器带电测试的检验，以此才能够测算出金属氧化物避雷器自身阻性电流预测的效果，并验证其自身在投入使用后，是否有真正的应用性能。因此，本文主要探讨结合预测法在避雷器带电测试中的应用。

关键词：避雷器带电测试;灰色预测法;阻性电流;神经网络

前言

作为电力设备的保护系统，避雷器自身有着不可或缺的作用，但是在实际运行的过程中，由于受电流阻性的影响，避雷器是否能够发挥自身真正的作用，则需要通过运行检测来进行试验，而这种带电的检测方式，由于多种因素的影响会导致其测试数据的不精准性，因此有效通过结合预测方法来实现对避雷器带电测试的检验，能够实现综合数据的运行情况来实现对其应用参数的有效验证，并且也可以在实际验证的过程中，针对检验避雷器的阻性电流和全电流来实现对避雷器运行状况的分析，进而就能够发现其自身存在的隐患，并通过有效措施的应用来确保避雷器的使用可以真正实现满足电力设备的运行。

一、结合预测法的概述

在进行实践的过程中，对于预测工作而言人们都会遇到这样的问题，针对同一问题进行预测，但是由于预测方法不同，其最终结果也存在着误差。因此，为了得到精准的预测结果，则需要通过对预测的精度来进行取舍，从而才能够保证其最终的数值应用效果能够满足具体需求。一般情况下，在应用预测方法时，其评价标准是依据实际计算的误差平方和去选取其误差平方和最小误差的方式，但是将误差平方和比较大的预测方法舍弃，却有一点点可惜，因为在进行预测的过程中，不仅费时费力，更重要的是去验证数据是否真实，而且任何一种预测方法，只要运用得当就会获得一定的有关信息，所以利用这些信息，就能实现去优化测算的方式[1]。当最终的检测结果呈现不同预测的误差平方和相差无几时，就能保证其预算方法的准确性。因此，将不同的预测进行结合应用，并获得更加精准的结果，就是结合预测法。

二、结合预测方法在避雷器带电测试中的应用

（一）反向传播神经网络的应用

反向传播是一种误差反向传播的方式，也是一种最优的检测方法，因为它能够与其它预算方式进行结合使用，并通过人工训练的形式来实现对人工神经网络的应用，这使得在该网络中所有计算方式，都能够以损失函数的梯度形式进行反馈，并通过此种方式来更新权重，这样通过最小化损失函数的应用，就能确保其计算的精准性。而且，反向传播在输入数值时，可以对已知数的输入来进行未知函数的梯度计算，所以它也是一种有效的监督方法。在当前阶段中，一些无监督网络能够实现对该模式应用的推广，并且能够实现对层叠替代计算的应用，因此它能够在一定程度内缩小误差的出现。比如，在激励传播阶段中，可以通过输送训练来进入网络获得激励响应，再将激励响应同训练输入相对应的目标计算来实现求得输出差，这样就能够获得隐藏的输出计算响应误差。针对群众更新来看，在输入的过程中，利用输入激励和响应误差函数的相乘，就能获得全新的权重梯度，在这个梯度上利用一定比例进行核算，也能够实现提高其權重的计算结果。

在实际应用的过程中，反向传播神经网络也可以通过输入层、输出层、隐含层进行函数计算，再利用隐节点进行输出信号以及输出节点的确认，这样就能够保证最终的输出结果，通过核算可以利用误差的产生来进行反向传播。并且，在此过程中，由第一层神经元的状态进行下一层神经元状态的影响，也能够保证最终输出层得到期望的结果。但是，如果在此过程中，输出得不到期望的输出结果，则可以通过反向传播来实现将误差信号进行转移，这样通过接通返回渠道进行修改，就能够使其误差值降低[2]。对此，针对避雷器带电测试而言，为了确保反向传播神经网络的模型建立，能够真正实现对其阻性电流峰值进行预算，则需要先对样本数据进行预处理，这样才能够满足神经网络的应用需求。与此同时，在通过输入节点数、隐藏节点数和输出层节点数的选择来进行网络结构的确认，这样再通过将样本划分为训练样本和校验样本进行使用，就能够通过合理的学习算法应用来实现对模型的校正和应用。

（二）灰色预测法的应用

一般情况下，金属氧化避雷器在进行运行时，电压下测量全电流以及阻性电流的应用数据，可以反映其自身的绝缘性能以及电阻片性能的好坏。但是，如果存在着避雷器自身电阻片和非线性性能恶化的现象，就会导致其自身出现电压降低的问题，进而就会使其电压下阻性电流分量增加。同时，持续长时间的恶化运行。也会导致避雷器出现热崩溃而发生严重的设备事故，所以通过对避雷器进行定期检验，就可以探测出避雷器自身的阻性电流和全性电流应用的效果，这样也能够对避雷器自身的运行做出判断，从而发现其隐患问题。灰色预测法的应用能够保证在进行原始数据处理时，直接建立出相应的灰色模型，这样就能够根据其系统自身运转的规律来定量，进而配合预测系统的应用就能够对其应用的状态进行判断。并且，隐形的灰色预测模型可以用原始数列进行计算，这样通过对随机数进行获取，判断其变化发生的规律也可以实现对其性能进行预测，而且灰色系统所采用的动态雷达数据法，也可以通过由原始数据进行自动生成，并完成累加数列的建立，这样就能从一阶段变量转变为可应用的微分方程，以此在进行间隔计算，这样就能通过不断计算来实现对其变量的有效探求，这样利用相应计算法则也能够得出具体需要的结论。

（三）组合应用法的应用

在计算单个预算模型时，可以通过对实时数值和预测数值进行对比，这样就能够求得其预算偏差，而在进行预测模型的权值设立时，又可以将此种模型的应用进行组合使用，这样通过合理计算误差值，就能够建造出误差模型，从而也能够实现对误差的有效确认，以此就能够对线性规划以及约束条件进行确认，进而就能够对其权重值向量进行计算[3]。而且，在具体计算的过程中，针对灰色预算和反向神经网络模型的建立而言，其最终的组合式应用方法能够有效确保其误差值的降低，同时灰色预测模型的预测结果梯度值，可以被认为是关联度校验通过后所产生的序列值模型，因此其预测模块模型可以在此过程中得到修正。反向神经网络模型通过样本训练将误差值固定在特有范围之内，并且它会低设想误差值，它既能够满足精度需求，也能够实现预测值的应用效果，将二者进行有机融合，就能够实现通过二者的结合使用来对避雷器的阻性电流峰值进行预算，从而就能够检验出其预测模型的有效性。

总结

为了确保避雷器带电测试检验精度的有效提高，在进行预测的过程中，则可以通过结合预测法来实现对避雷器带电测试的有效应用，而且它能够实现降低由单一预测法所存在的片面性，并实现对其精度进行验证，这也使得其自身的预测结果要相较于单一计算方法更具精准性。

参考文献：

[1]王伟平.避雷器故障综合检测方法的研究及应用[J].农村电气化，2019（05）：29-31.

[2]刘凯，刘方，刘岩，江礓.结合预测方法在避雷器带电测试中的应用[J].电瓷避雷器，2012（01）：61-64+69.

[3]何胜红，洪海程，任亚英.带电测试技术在GIS避雷器的应用[J].电瓷避雷器，2011（05）：31-36.

（江苏省电力有限公司泰州供电分公司  江苏省 泰州市  225300）