基于数字孪生的变压器热点温度预测预警技术研究.pdfVIP

第32卷第3期工程设计学报Vol.32No.3

2025年6月ChineseJournalofEngineeringDesignJun.2025

本文链接本文链接：https:///gcsjxb/CN/10.3785/j.issn.1006-754X.2025.04.179

引用格式引用格式：李佰霖,马云帆,陈昱锐,等.基于数字孪生的变压器热点温度预测预警技术研究[J].工程设计学报,2025,

32(3):281-295.doi:10.3785/j.issn.1006-754X.2025.04.179

LIBailin,MAYunfan,CHENYurui,etal.Researchontransformerhotspottemperaturepredictionandwarn‐

ingtechnologybasedondigitaltwin[J].ChineseJournalofEngineeringDesign,2025,32(3):281-295.

基于数字孪生的变压器热点温度预测预警技术研究

1,21,2,34561,2

李佰霖，马云帆，陈昱锐，罗远林，褚凡武，付文龙

（1.三峡大学电气与新能源学院，湖北宜昌443002；2.三峡大学梯级水电站运行与控制湖北省重点实验室，

湖北宜昌443002；3.云南电网有限责任公司楚雄供电局，云南楚雄675000；4.国网甘肃省电力公司兰州

供电公司，甘肃兰州730050；5.中国电力建设集团华东勘测设计研究院有限公司，浙江杭州311122；

6.中国电力科学研究院电力工业电气设备质量检验测试中心，湖北武汉430074）

摘要：变压器热点温度对电网系统的可靠性和稳定性有直接影响。针对传统变压器管理模式复杂以及变压器热点

温度预测方法存在成本高、计算效率低和计算误差高等问题，提出了一种基于数字孪生的变压器热点温度预测预警

技术。首先，搭建变压器数字孪生六维模型，实现了系统数据共通、多源融合和虚实交互等功能。然后，构建可承

载人工智能与机器学习算法的感知交互驱动型数字孪生系统，并采用混沌自适应粒子群优化（chaoticadaptive

particleswarmoptimization,CAPSO）算法对BP（backpropagation，反向传播）神经网络的权重和阈值进行优化，

加快了原始网络的收敛速度，同时建立了基于CAPSO-BP的变压器热点温度预测模型。最后，利用变压器现场监测

数据在虚拟引擎平台上进行仿真分析，实现了变压器热点温度预测预警系统各功能的开发应用并验证了预测模型的

可行性和有效性。研究结果为数字孪生变压器系统由数字化向智能化转型提供了新的思路和理论依据。

关键词：变压器；数字孪生；人工智能；机器学习；混沌自适应粒子群优化；反向传播神经网络；温度预测

中图分类号：TM432文献标志码：A文章编号：1006-754X（2025）03-0281-15

Researchontransformer