CN103293435B - 一种电容器监测与故障诊断系统及其方法 - Google Patents
一种电容器监测与故障诊断系统及其方法 Download PDFInfo
- Publication number
- CN103293435B CN103293435B CN201310227870.8A CN201310227870A CN103293435B CN 103293435 B CN103293435 B CN 103293435B CN 201310227870 A CN201310227870 A CN 201310227870A CN 103293435 B CN103293435 B CN 103293435B
- Authority
- CN
- China
- Prior art keywords
- signal
- data
- module
- capacitor
- fault diagnosis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003990 capacitor Substances 0.000 title claims abstract description 54
- 238000003745 diagnosis Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000011664 signaling Effects 0.000 claims abstract description 14
- 238000007405 data analysis Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000012423 maintenance Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 29
- 208000024891 symptom Diseases 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 6
- 230000007935 neutral effect Effects 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 208000037408 Device failure Diseases 0.000 claims description 2
- 238000010205 computational analysis Methods 0.000 claims description 2
- 238000009413 insulation Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000002828 fuel tank Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Abstract
本发明涉及一种用于在线监测和诊断变电站电容器故障的系统及其方法,属于电气设备状态维修技术领域。该系统包括启动信号采集的控制模块、采集并输出电容器运行特征信号的远端信号采集模块、接收所述远端信号采集模块输出信号的信号接收模块、存储信号数据的数据存储模块以及对所述存储单元的信号数据进行信号分析并输出分析结果的数据分析模块。本发明可以方便的实时监测电容器的运行状态,一旦发现故障隐患,即可以发出警示,防止后续重大事故的产生。
Description
技术领域
本发明涉及一种用于在线监测和诊断变电站电容器故障的系统及其方法,属于电气设备状态维修技术领域。
背景技术
电气设备是组成电力系统的基本元件,是保证供电可靠性的基础,电气设备的安全运行是电力系统安全、稳定、经济运行的前提条件。电容器作为一种极为重要的无功补偿设备,对改善电力系统的结构,提高电能质量起着重要的作用,它的稳定运行是电力系统安全的重要保障。
在长期的运行工作中,因为运行环境、人为因素以及设计方面的问题,电容器的故障频频发生,严重的威胁着电力系统的安全运行。因此研究并联电容器的故障诊断方法,针对主要的故障模式得出可能的故障原因,并提出相应的对策,使维修人员能及时的了解设备故障的原因及相关信息,能有效的避免事故的扩大化,对电力系统的安全运行至关重要,因此智能化的故障诊断系统的研究是非常有必要的。
在线监测与诊断技术是近年来发展迅速又跨多学科的新兴技术领域,电子技术、传感器技术、光纤技术、计算机技术、通信和信息处理等技术的发展和各领域的相互渗透,使在线监测方法发生了质的变化。然而,并联电容器故障中的很大一部分是很难用某种数学公式或算法来变现的。从目前国内电容器在线监测及故障诊断现状来看,大多诊断系统只是通过测量电容器的某一特征量或几个特征量来及结合经验来判断电容器的工作状态,该方法不够智能化,依然存在很多问题,主要表现在:
1.监测量单一或者没有考虑到监测量之间的相关性,忽略了故障原因的多面性。
2.电容器故障的诊断需要结合工作人员的相关经验,给工作人员增加了工作量,诊断系统不够智能化。
3.在线监测系统结构设计不合理,实时监测的手段较少。
发明内容
本发明的目的在于克服传统在线监测与故障诊断系统的不足,提供一种工作可靠,操作方便,智能化程度高的电容器故障在线监测与诊断方法。
本发明所述问题是以下述技术方案实现的:
本发明的系统包括启动信号采集的控制模块、采集并输出电容器运行特征信号的远端信号采集模块、接收所述远端信号采集模块输出信号的信号接收模块、存储信号数据的数据存储模块以及对所述数据存储模块的信号数据进行信号分析并输出分析结果的数据分析模块;其中所述的电容器运行特征信号包括电流、温度、电压或压力信号。
进一步的,本发明的系统所述的控制模块为工控机,所述的远端信号采集模块为传感器,所述的信号接收模块为无线信号接收装置,所述的数据存储模块为工控机,所述的数据分析模块为安装于工控机内的在线监测系统软件。
进一步的,本发明的系统所述的在线监测系统软件为LabVIEW软件。
利用本发明的系统进行电容器监测与故障诊断的方法包括下述步骤:
步骤一:根据电容器故障历史数据获得故障征兆矩阵X和故障原因矩阵Y的训练集,应用训练集对BP神经网络进行训练,求得故障诊断矩阵R,
R=Y/X
R——故障诊断矩阵,
Y——故障原因矩阵,Y={y1发生局放,y2内熔丝熔断,y3电容元件的内部击穿,y4芯子发生断线,y5操作过电压及涌流,y6并联段电容器对其放电,y7运行维护不当};
X——故障征兆矩阵,X={x1电容量增大,x2油箱压力大,x3温度高,x4介损变大,x5渗漏油,x6极间绝缘不良};
步骤二:由控制模块发出同步触发信号,对各远端信号采集模块进行召测,启动远端信号采集模块的数据采集功能;
步骤三:各远端模块同步采集电容器运行特征信号,通过无线网络将采集到的数据传送到信号接收模块;
步骤四:信号接收模块接收到传回的信号,通过串口将数据传送到数据存储模块,数据存储模块储存到数据库中;
步骤五:数据分析模块对数据进行相应计算分析,获得当前电容器故障征兆集,应用步骤一中训练得到的故障诊断矩阵R对此故障征兆集进行诊断,获得故障原因矩阵Y’,故障原因矩阵Y’是一个1行7列的行向量;
步骤六:根据最大隶属度原则得到故障的原因yi,若0<yi<0.3,表示故障出现的可能性不大;0.3<yi<0.8,表示故障出现的可能性大,需发出警告;0.8<yi,表示故障出现的可能性很大,原因很明确,需立即停止运行。
进一步的,利用本发明的系统进行电容器监测与故障诊断的方法中所述的电容器运行特征信号包括电流、温度、电压或压力信号。
进一步的,利用本发明的系统进行电容器监测与故障诊断的方法中所述的控制模块为工控机,所述的远端信号采集模块为传感器,所述的信号接收装置为无线信号接收装置,所述的数据存储模块为工控机,所述的数据分析模块为安装于工控机内的在线监测系统软件。
进一步的,利用本发明的系统进行电容器监测与故障诊断的方法中所述的在线监测系统软件为LabVIEW软件。
本发明具有下列有益效果:
本发明的电容器监测与故障诊断系统可以方便的实时监测电容器的运行状态,一旦发现故障隐患,即可以发出警示,防止后续重大事故的产生。
利用本发明的电容器监测与故障诊断方法,不但可以实时的检测电容器的故障状态,而且可以明确确定引发故障的原因,避免了维修前期的故障排查,节约了检修时间。
本发明利用无线网络对采集数据进行传送,减少了系统的投资,对系统的安全也起到了一定的保护作用;
本发明利用了BP神经网络算法能更加准确的得到故障诊断矩阵,并能通过监测信息对该矩阵进行实时更新与完善,能满足外界环境变化和电容器自身的变化引起的诊断矩阵变化的要求,具有实时性,有效性高。
本发明系统编程采用虚拟仪器技术,应用LabVIEW软件,运用软件算法计算相应参数,抑制各种干扰、计算精度高。软件采用SCADA系统界面,简单清晰;基于浏览器/服务器(B/S)体系的三层结构,实现数据异地和远程访问,提高监测的自动化、智能化水平。
附图说明
图1是基于BP神经网络和模糊数学的在线监测系统示意图。
图2是基于BP神经网络和模糊数学的故障诊断智能化方法流程图。
图1中标记的说明:1.1-变电站电容器;1.2-采集系统的远端模块;1.3-采集系统的本地模块;1.4-工控机;1-温度传感器;2-压力传感器;3-电流传感器;4-电压传感器。
图2中标记的说明:采集到的数据是通过在线监测系统采集的数据;数据处理模块对数据进行分析处理,得到数据中的主要成分;模糊推理是利用诊断矩阵和提取的数据主要成分对电容器的状态进行分析;诊断是通过得到的分析数据对电容器状态进行诊断;结果显示是显示电容器的运行状态或者是出现故障时故障的成因,结果显示在工控机的控制界面上。
具体实施方式
下面结合附图对本发明作进一步详细的说明。
参看图1,本发明中电压信号通过电压传感器4获得,电流信号通过电流传感器3获得,温度信号通过温度传感器1获得,油箱的压力信号通过传感器2获得;远端模块1.2采集这4个传感器的信号,通过无线网络将信号发送到本地模块1.3中,之后通过串口将本地模块1.3中的数据传输到工控机1.4中。工控机1.4储存和显示本地模块1.3上传的数据。在数据采集系统中有多个电容器,图1只画出了2个作为代表,其他的情况类似。
参看图2,基于BP神经网络算法和模糊数学算法的故障诊断方法包括采集的数据、数据处理模块、模糊推理、诊断、结果显示单元,下面对这几个模块做具体的说明;
采集的数据:是指经本地模块处理后储存在工控机上的数据,这些数据为是故障诊断提供了依剧,保证数据的无误传输是故障诊断的基础。
数据处理模块:该单元可以对采集到的数据进行处理,包括滤波处理和将故障数据存储在历史数据库中,实时更新故障数据库。
模糊推理:该单元利用故障的历史数据和BP神经网络法对故障矩阵进行训练,得到一个符合实际的、误差最小的故障诊断矩阵。输入参量为电容器电压信号,电流信号,压力信号和温度信号,故障判断输出为电容器正常,内熔丝熔断,内部元件击穿。
诊断:对数据处理单元提供的数据和模糊推理单元得到的故障诊断矩阵进行运算,得到了一个诊断矩阵,利用模糊数学的隶属函数法对诊断矩阵进行计算,得到故障原因的隶属度,即发生故障的各种原因的可能性。
结果显示:该单元通过友好的界面显示当前电容器的工作状况,若电容器有故障则显示电容器故障的原因,及各原因的隶属度,简单明了的显示给工作人员。
实施例1
现在有故障征兆x3温度高,x4介损变大,用“0”表示没有征兆发生,0~1之间的数值表示出现征兆的严重程度,于是征兆集为X={0,0,0.4,0.8,0,0},利用神经网络训练得到故障诊断矩阵为
利用可以计算出故障原因模糊向量Y。
Y=XR={0,0.392,0,0.128,0.763,0.621,0.444},根据最大隶属度原则,诊断结果为y5操作过电压及涌流导致出现上述征兆,这与实际诊断结果一致。
当结果出现两个最大值或两个值相差不大时,可用连乘法,即把模糊诊断矩阵中的0元素均取一个很小值,如0.05再依照列将有关元素值连乘,通过比较乘积相对值大小,取最大者为诊断结果即可。
实施例2
对电容器无故障时采集到的数据进行验证,方法如上所述,此时得到的电容器故障征兆矩阵为X={0,0.1,0.2,0,0,0},由公式Y=XR可求得模糊向量为Y={0,0,0,0.064,0.095,0.106,0.082},根据最大隶属度原则可以得出此时电容器无故障,这与实际诊断结果一致。
Claims (3)
1.一种利用电容器监测与故障诊断系统进行电容器监测与故障诊断的方法,其特征在于所述的电容器监测与故障诊断系统包括启动信号采集的控制模块、采集并输出电容器运行特征信号的远端信号采集模块、接收所述远端信号采集模块输出信号的信号接收模块、存储信号数据的数据存储模块以及对所述数据存储模块的信号数据进行信号分析并输出分析结果的数据分析模块;
其中所述的电容器运行特征信号包括电流、温度、电压或压力信号;
其包括下述步骤:
步骤一:根据电容器故障历史数据获得故障征兆矩阵X和故障原因矩阵Y的训练集,应用训练集对BP神经网络进行训练,求得故障诊断矩阵R,
R=Y / X
R——故障诊断矩阵,
Y——故障原因矩阵,Y={ y1发生局放, y2内熔丝熔断,y3电容元件的内部击穿,y4芯子发生断线,y5操作过电压及涌流,y6并联段电容器对其放电,y7运行维护不当};
X——故障征兆矩阵,X={x1电容量增大,x2油箱压力大,x3温度高,x4介损变大,x5渗漏油,x6极间绝缘不良};
步骤二:由控制模块发出同步触发信号,对各远端信号采集模块进行召测,启动远端信号采集模块的数据采集功能;
步骤三:各远端信号采集模块同步采集电容器运行特征信号,通过无线网络将采集到的数据传送到信号接收模块;
步骤四:信号接收模块接收到传回的信号,通过串口将数据传送到数据存储模块,数据存储模块储存到数据库中;
步骤五:数据分析模块对数据进行相应计算分析,获得当前电容器故障征兆集,应用步骤一中训练得到的故障诊断矩阵R对此故障征兆集进行诊断,获得故障原因矩阵Y’, 故障原因矩阵Y’是一个1行7列的行向量;
步骤六:根据最大隶属度原则得到故障的原因yi,若0< yi<0.3,表示故障出现的可能性不大;0.3<yi
<0.8,表示故障出现的可能性大,需发出警告;0.8<yi,表示故障出现的可能性很大,原因很明确,需立即停止运行。
2.根据权利要求1所述的一种利用电容器监测与故障诊断系统进行电容器监测与故障诊断的方法,其特征在于所述的控制模块为工控机,所述的远端信号采集模块为传感器,所述的信号接收模块为无线信号接收装置,所述的数据存储模块为工控机,所述的数据分析模块为安装于工控机内的在线监测系统软件。
3.根据权利要求2所述的一种利用电容器监测与故障诊断系统进行电容器监测与故障诊断的方法,其特征在于所述的在线监测系统软件为LabVIEW软件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310227870.8A CN103293435B (zh) | 2013-06-08 | 2013-06-08 | 一种电容器监测与故障诊断系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310227870.8A CN103293435B (zh) | 2013-06-08 | 2013-06-08 | 一种电容器监测与故障诊断系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103293435A CN103293435A (zh) | 2013-09-11 |
CN103293435B true CN103293435B (zh) | 2016-10-05 |
Family
ID=49094643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310227870.8A Active CN103293435B (zh) | 2013-06-08 | 2013-06-08 | 一种电容器监测与故障诊断系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103293435B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499754B (zh) * | 2013-09-25 | 2016-01-27 | 南京能迪电气技术有限公司 | 用于实时在线监测电力电容器组运行状态的方法 |
CN103760456B (zh) * | 2013-12-31 | 2016-08-17 | 合肥天海电气技术有限公司 | 基于粗糙集理论的电网电容型设备绝缘监测系统 |
CN104504607A (zh) * | 2014-09-04 | 2015-04-08 | 国家电网公司 | 一种基于模糊聚类算法的光伏电站故障诊断方法 |
CN108037424B (zh) * | 2017-12-14 | 2020-11-06 | 国网四川省电力公司电力科学研究院 | 基于多数据来源的电力电容器绝缘状态评估方法与系统 |
CN110601197A (zh) * | 2019-10-24 | 2019-12-20 | 通号(北京)轨道工业集团有限公司轨道交通技术研究院 | 高压无源滤波器保护系统及方法 |
CN111142003A (zh) * | 2020-02-04 | 2020-05-12 | 北方民族大学 | 一种电力电容器状态监测与可靠性分析的系统和方法 |
CN112414475A (zh) * | 2020-12-14 | 2021-02-26 | 广东电网有限责任公司 | 一种变电站电容瓶的检测装置、方法、电子设备及介质 |
CN113702780B (zh) * | 2021-08-20 | 2024-01-19 | 中国南方电网有限责任公司超高压输电公司大理局 | 基于bp神经网络的高压电容在线监测方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100348988C (zh) * | 2005-11-11 | 2007-11-14 | 四川电力试验研究院 | 双y接线电力电容器组在线检测系统 |
US7558703B2 (en) * | 2006-11-01 | 2009-07-07 | Abb Research Ltd. | Electrical substation monitoring and diagnostics |
CN201965191U (zh) * | 2011-01-17 | 2011-09-07 | 青岛市恒顺电气股份有限公司 | 电容器智能化装置 |
CN202149928U (zh) * | 2011-04-25 | 2012-02-22 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种滤波电容器组在线监测系统 |
CN102331528A (zh) * | 2011-07-12 | 2012-01-25 | 江苏镇安电力设备有限公司 | 基于神经网络逆的电容器补偿容量和介质损耗的软测量及在线监测 |
CN102818958B (zh) * | 2012-08-22 | 2014-11-12 | 山东惠工电气股份有限公司 | 变电站并联补偿电容器组的在线监测方法及其装置 |
-
2013
- 2013-06-08 CN CN201310227870.8A patent/CN103293435B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103293435A (zh) | 2013-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103293435B (zh) | 一种电容器监测与故障诊断系统及其方法 | |
CN102779230B (zh) | 一种电力变压器系统状态分析和维修决策判断方法 | |
CN105955148B (zh) | 基于ZigBee的光伏组件在线监测与故障诊断方法 | |
CN104502795B (zh) | 一种适用于微电网的智能故障诊断方法 | |
CN102221651B (zh) | 一种矿用隔爆型干式变压器故障在线诊断及预警方法 | |
CN106291201A (zh) | 一种防雷箱的雷电监测及劣化状态监测系统及方法 | |
CN104459378B (zh) | 一种智能变电站故障诊断方法 | |
CN107831415A (zh) | 一种变压器绝缘纸老化状态评估的区间值模糊集方法 | |
CN205622133U (zh) | Gis开关设备动作状态监测系统 | |
CN103293415A (zh) | 一种基于神经网络专家系统的微逆变器故障检测方法 | |
CN109630347B (zh) | 故障诊断的水电站调速器油压智能控制系统及诊断方法 | |
CN112700032A (zh) | 一种用于低压直流配用电系统的故障预测系统及方法 | |
CN101907868A (zh) | 牵引供电系统智能故障诊断方法及其系统 | |
CN105896562A (zh) | 一种电力终端功率因数智能组合控制系统及冗余判断方法 | |
CN105487009A (zh) | 基于k均值的RBF神经网络算法的电机故障诊断方法 | |
CN104318485A (zh) | 一种基于神经网络和模糊逻辑的输电线路故障判别方法 | |
CN109492790A (zh) | 基于神经网络与数据挖掘的风电机组健康管理方法 | |
CN104237777A (zh) | 基于核主元分析的支持向量机高压断路器故障诊断方法 | |
CN102930408B (zh) | 一种基于信息融合的750kV电网二次设备状态评估方法 | |
CN107037278A (zh) | 一种iec61850标准下的智能变电站故障诊断方法 | |
CN106802599A (zh) | 一种基于专家数据库的电力变压器故障诊断系统 | |
CN109708687A (zh) | 一种柱上开关的监控系统 | |
CN206057461U (zh) | 一种防雷箱的雷电监测及劣化状态监测系统 | |
CN107703913B (zh) | 一种upfc故障诊断方法 | |
CN113949618B (zh) | 基于大数据的通信故障预警系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |