1.一种基于改进BP神经网络的变压器热点温度预测方法，其特征在于，包括以下步骤：(1)实时采集变压器运行状态下的负载电流、顶层油温、环境温度和热点温度，并根据负载电流计算负载率；

(2)对步骤(1)得到的负载率、顶层油温、环境温度和热点温度进行归一化处理；

(3)以步骤(2)中归一化后的负载率、顶层油温、环境温度作为输入数据，归一化后的热点温度作为输出数据，构建训练集；

(4)将BP神经网络隐含层计算公式与误差传函联立，构造自动搜索最佳隐含层的改进BP神经网络，确保每次训练时能根据初始权值确定最佳隐含层；

(5)基于步骤(3)中的训练集，对步骤(4)所构建的改进BP神经网络进行多次训练：每次训练时以均方误差最小为原则自动搜索最佳隐含层的神经元数，重新确定改进BP神经网络结构后，进行下一次训练，直至达到设定训练次数，得到最佳预测模型；

(6)利用步骤(5)中的最佳预测模型，进行变压器热点温度的预测；

步骤(4)中建立误差传函与隐含层的函数关系为：

式中，q为隐含层神经元数， n为输入层神经元数；m为输出层神经元数；a的取值范围为1～10；Xi为输入层第i个神经元的输入；Ep为误差传函，Yj为输出层第j个神经元*的输出；Yj为输出层第j个神经元的输出期望值；Vi为输入层第i个神经元和隐含层之间权值；Wk为隐含层第k个神经元和输出层之间权值；f1(.)为隐含层传递函数；f2(.)为输出层传递函数。

2.根据权利要求1所述的一种基于改进BP神经网络的变压器热点温度预测方法，其特征在于，步骤(1)中负载率的计算公式为：*

式中，I为负载电流；I0为额定电流。

3.根据权利要求1所述的一种基于改进BP神经网络的变压器热点温度预测方法，其特征在于，该方法还包括对步骤(4)构造的自动搜索最佳隐含层的改进BP神经网络添加动量因子，减小陷入局部最优的概率。