CN104361259A

CN104361259A - 一种变压器越限运行特征分析方法

Info

Publication number: CN104361259A
Application number: CN201410728408.0A
Authority: CN
Inventors: 王红斌; 范颖; 杜双育; 朱文俊; 罗颖婷; 王路; 张良均; 云伟标
Original assignee: GUANGZHOU TIPDM INTELLIGENT TECHNOLOGY Co Ltd; Electric Power Research Institute of Guangdong Power Grid Co Ltd
Current assignee: GUANGZHOU TIPDM INTELLIGENT TECHNOLOGY Co Ltd; Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority date: 2014-12-03
Filing date: 2014-12-03
Publication date: 2015-02-18
Anticipated expiration: 2034-12-03
Also published as: CN104361259B

Abstract

本发明的目的在于提供一种变压器越限运行特征分析方法，包括以下步骤：首先获取变压器历史负载数据并进行数据预处理，根据变压器负载越限阈值a，判断变压器越限运行区间，进而提取单台变压器的越限特征指标：越限运行总时间、越限运行频次和平均越限运行时间，形成变压器越限特征样本；然后，对变压器越限特征样本集进行标准化处理，采用DBSCAN聚类算法对其进行聚类分群；最后对分群的结果进行特征分析，分析各个分群变压器越限特征，并以此分析变压器负载情况。

Description

一种变压器越限运行特征分析方法

技术领域

本发明涉及变压器越限特征指标的计算，具体涉及一种通过计算变压器越限特征指标并以此实现变压器负载分群的方法。

背景技术

电力变压器作为电力系统中最重要的设备，保证其长时间安全运行是获取高经济效益的前提。变压器内部的油纸绝缘，特别是绝缘纸，在变压器运行期间，受到氧气、温度、水分和酸等多种因素作用而逐渐老化，当绝缘纸的聚合度降低到一定程度，变压器的绝缘寿命将被宣告终止。出于经济原因或为保证不间断供电，变压器会进入高负荷运行，甚至是越限运行的情况，而越限运行会加速变压器老化，但目前没有一种分析方法对变压器的越限情况作评价，因此，有必要建立一种对变压器越限状态分析的方法，寻求科学地反映越限运行情况的特征量，对变压器的越限运行情况进行合理分类，并能以此依据安排变压器的合理运行方式。

传统的基于层次聚类和划分聚类算法，受噪声的影响大，聚类结果不稳定。而基于密度的聚类算法，如DBSCAN算法，使用簇的基于密度的定义，因此它是相对抗噪声的，并且能够处理任意形状和大小的簇，它可以发现使用K均值不能发现的许多簇。

发明内容

针对上述现有技术中存在的问题，本发明的目的在于提供一种变压器越限运行特征分析方法，其可以根据变压器的负载越限特征，分析变压器的越限情况。

为了解决上述技术问题，本发明采用的技术方案是根据变压器历史负载数据并提取变压器的越限特征，再根据越限特征对变压器聚类分群，分析各个分群的内部特征，识别各个分群变压器越限情况。具体技术方案如下

一种变压器越限运行特征分析方法，包括以下步骤：

步骤1：获取变压器负载数据并进行数据预处理；所述数据预处理是指剔除负载率等于0和大于110％的数据。

步骤2：根据运行监控需求，找出变压器的越限运行区间，进一步地计算出各台变压器的越限运行总时间、越限运行频次和平均越限运行时间三个负载越限特征指标，形成特征样本集；

步骤3：对特征样本集进行标准化处理，再对变压器进行DBSCAN聚类分群；

步骤4：对各个分群结果，画出各特征指标的概率密度函数图像，根据特征指标值的区间范围，评价不同分群的越限运行状态。

所述步骤2中具体计算过程为：设定越限阈值a，在一段连续时间内均有负载率f_i≥a,k₁≤i≤k₂；则单次越限运行时间为如果在统计时间内变压器共越限m次，则越限运行频次为num＝m，越限运行总时间为其中yt_k为第k次越限的越限运行时间，平均越限运行时间为其中表示第k次越限运行中变压器负荷数据的起始时间和结束时间。

所述步骤3中的标准化处理包括对越限运行总时间、越限运行频次和平均越限运行时间分别进行标准化处理并得到标准化后的越限运行总时间、标准化后的越限运行频次和标准化后的平均越限运行时间。

所述步骤3中的标准化处理具体计算公式如下：

标准化后的越限运行总时间其中

标准化后的越限运行频次其中

标准化后的平均越限运行时间其中

所述步骤3中是利用DBSCAN聚类算法对变压器进行DBSCAN聚类分群，其中，距离函数选择欧氏距离

\begin{matrix} d (mun_i, mun_j) = \\ \sqrt{{(Normtotal_t_{i} - Normtotal_t_{j})}^{2} + {({Normnum}_{i} - {Normnum}_{j})}^{2} + {(Normavg_t_{i} - Normavg_t_{j})}^{2}} \end{matrix}

，选择合适的半径r和邻域内最小样本点数目k，对标准化后的特征样本集聚类分群，具体步骤如下：

S3.1：在特征样本集中随机选择一个不属于任何分群的核心对象变压器p，创建一个新的分群；

S3.2：根据该分群中的核心对象变压器，循环收集密度可达的核心对象变压器加入该分群，直到没有新的核心对象变压器加入为止；

S3.3：若不存在不属于任何聚类的核心对象变压器，则转入步骤S3.4，否则返回步骤S3.1继续执行；

S3.4：对各个核心对象变压器收集与其密度相连的边界对象变压器，把边界对象变压器归类到相应核心对象变压器所属的聚类中。

所述的DBSCAN算法具体步骤如下：

首先给出如下定义：

定义1.一个给定对象的半径r内的区域称为该对象的r邻域。

定义2.如果一个对象的r邻域内至少包含k个对象，则称为核心对象。

定义3.对于一个给定对象，如果它在某个核心对象的r邻域内，但自己不是核心对象，则称其为边界对象。

定义4.给定对象集合，如果q在p的r邻域内，而p是核心对象，则称p到q是直接密度可达。

定义5.对于给定的r和k，如果存在一系列对象p₁,...,p_n,p₁＝p,p_n＝q，其中p_i可以直接密度可达p_i+1，则称p到q是密度可达。

本发明对比现有技术，有如下优点：

根据上述本发明实施例的方案，本发明考虑了不同变压器越限运行的差异性，提供了一种变压器越限运行特征分析方法，得到变压器越限分群结果和建议，经验证，对变压器越限运行状态分类效果明显，为掌握变压器越限运行情况提供一种技术手段。同时聚类分群方法采用DBSCAN算法，它跟传统的基于层次聚类和划分聚类的凸形聚类簇不同，该算法可以发现任意形状的聚类簇，而且不必预先设定聚类分群的个数。

附图说明

图1一种变压器越限运行特征分析方法过程；

图2分群0各指标的概率密度图；

图3分群1各指标的概率密度图；

图4分群2各指标的概率密度图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。

如图1所示，本发明的一种变压器越限运行特征分析方法包括如下步骤：

步骤1：获取变压器的历史负载数据并进行数据预处理，剔除负载率等于0和大于110％的数据；

步骤2：根据运行监控需求，根据越限阈值a，找出变压器的越限运行区间，进一步地计算出各台变压器的越限运行总时间、越限运行频次和平均越限运行时间三个负载越限特征指标，形成特征样本集；

所述的步骤1具体说明如下：

抽取变压器历史负载数据，并对数据进行预处理，剔除负载率等于0和大于110％的数据，单台变压器进行数据预处理后的历史负载数据格式见表1。

表1.变压器历史负载数据格式

时间

t₁

t₂

t₃

t₄

t₅

t₆

…

t_n-1

t_n

负载率

f₁

f₂

f₃

f₄

f₅

f₆

…

f_n-1

f_n

所述的步骤2具体说明如下：

根据运行监控需求，设定变压器负载越限阈值为a，定义变压器一次越限运行区间为在一段连续时间内(表示第k次越限运行中变压器负荷数据的起始时间和结束时间)，均有负载率f_i≥a,k₁≤i≤k₂，则单次越限运行时间为考虑到变压器会出现持续极短时间负载超过越限阈值，这可能是变压器负载波动幅度大，偶然发生的越限，不能代表变压器的负载越限特征，故需要剔除yt_k为小于3分钟的越限运行数据。同时在实际运行中，越限运行时间不可能存在大于1000分钟的情况，故需要剔除yt_k大于1000分钟的越限运行数据。

假定在统计时间内变压器共越限m次，则越限运行频次为num＝m，越限运行总时间为其中yt_k为第k次越限的越限运行时间，平均越限运行时间为

avg_t = \frac{total_t}{m} .

对各台变压器均计算出越限运行总时间、越限运行频次和平均越限运行时间三个负载越限特征指标，得到特征样本数据集，见

变压器编号	越限运行总时间	越限运行频次	平均越限运行时间
				num_1	total_t₁	num₁	avg_t₁
num_2	total_t₂	num₂	avg_t₂
				num_3	total_t₃	num₃	avg_t₃
…	…	…	…
				num_n-1	total_t_n-1	num_n-1	avg_t_n-1
num_n	total_t_n	num_n	avg_t_n

。

表2.特征样本数据集示例

所述的步骤3具体说明如下：

根据步骤3形成的特征样本集，对每一个特征指标进行标准化处理：

标准化后的越限运行总时间其中

标准化后的越限运行频次其中

标准化后的平均越限运行时间其中

经过标准化后的特征样本集见

变压器编号	越限运行总时间	越限运行频次	平均越限运行时间
				num_1	Normtotal_t₁	Normnum₁	Normavg_t₁
num_2	Normtotal_t₂	Normnum₂	Normavg_t₂
				num_3	Normtotal_t₃	Normnum₃	Normavg_t₃
…	…	…	…
				num_n-1	Normtotal_t_n-1	Normnum_n-1	Normavg_t_n-1
num_n	Normtotal_t_n	Normnum_n	Normavg_t_n

表3.标准化后的特征样本集示例

变压器编号	越限运行总时间	越限运行频次	平均越限运行时间
				num_1	Normtotal_t₁	Normnum₁	Normavg_t₁
num_2	Normtotal_t₂	Normnum₂	Normavg_t₂

num_3	Normtotal_t₃	Normnum₃	Normavg_t₃
				…	…	…	…
num_n-1	Normtotal_t_n-1	Normnum_n-1	Normavg_t_n-1
				num_n	Normtotal_t_n	Normnum_n	Normavg_t_n

为了更简洁描述DBSCAN聚类算法，先给出以下定义：

定义1.一个给定对象的r半径内的区域称为该对象的r邻域。

定义3.对于一个给定对象，如果它在某个核心对象的r Eps邻域内，但自己不是核心对象，则称其为边界对象。

利用DBSCAN聚类算法，距离函数选择欧氏距离

\begin{matrix} d (mun_i, mun_j) = \\ \sqrt{{(Normtotal_t_{i} - Normtotal_t_{j})}^{2} + {({Normnum}_{i} - {Normnum}_{j})}^{2} + {(Normavg_t_{i} - Normavg_t_{j})}^{2}} \end{matrix}

所述的步骤4具体说明如下：

对各个分群结果，针对负载越限特征指标，采用核密度估计模拟其概率密度函数，并画出相应的概率密度函数图像，从概率密度图的分布情况，获取负载越限特征指标值的区间范围，依据此标准评价不同分群的越限运行状态。

算法算例

下面通过实施例，并结合附图，对本发明方法作进一步具体的说明。

步骤1：获取变压器历史负载数据并进行数据预处理，剔除负载率等于0和大于110％的数据；

设定统计时间段为2013年9月至2014年7月，抽取某省电网500kV变压器历史负载数据进行分析。并对数据进行预处理，剔除负载率等于0和大于110％的数据，某台500kV变压器进行数据预处理后的部分历史负载数据见

表4.某台500kV变压器部分历史负载数据

步骤2：根据运行监控需求，根据越限阈值a，找出变压器的越限运行区间，进一步地计算出各台变压器的越限运行总时间、越限运行频次和平均越限运行时间三个负载越限特征指标；

设定变压器负载越限阈值为80％，计算出各台变压器的所有越限运行区间并剔除异常值后，分别统计得到各台变压器的越限运行总时间、越限运行频次和平均越限运行时间三个负载越限特征指标，得到的负载越限特征样本集见

变压器编号	越限运行频次	平均越限运行时间	越限运行总时间
				1	73	137.9352	10069.27
2	55	132.9321	7311.267
				3	45	138.7726	6244.767
4	54	140.2053	7571.083
				5	17	48.94314	832.0333
6	75	132.0929	9906.967
				7	77	124.1162	9556.95
8	82	110.8228	9087.467
				9	234	122.4511	28653.57
10	82	89.07907	7304.483
				11	33	81.10505	2676.467
12	306	142.3345	43554.37
				13	60	148.1872	8891.233
14	11	59.36818	653.05
				15	9	57.02778	513.25
16	6	16.31389	97.88333
				17	15	31.45111	471.7667
18	24	109.284	2622.817
				19	59	119.4729	7048.9
20	7	143.6095	1005.267
				21	2	62.95833	125.9167
22	5	18.33	91.65
				23	7	92.00952	644.0667
24	9	51.93889	467.45
				25	85	77.69039	6603.683
26	33	99.6096	3287.117
				27	20	59.75917	1195.183
28	3	15.92222	47.76667
				29	19	83.58421	1588.1
30	22	80.63561	1773.983
				31	4	56.94167	227.7667
32	5	237.7333	1188.667

。

表5.负载越限特征样本集

对特征样本集进行标准化后，利用DBSCAN聚类算法，距离函数选择欧氏距离，选择半径r＝0.7和邻域内最小样本点数目k＝2，其输出的聚类结果如错误！未找到引用源。所示。

表6.聚类结果(一)

分群类别	分群0	分群1	分群2
				样本个数	4	11	17
样本个数占比	12.50％	34.38％	53.13％

表7.聚类结果(二)

变压器编号	越限运行频次	平均越限运行时间	越限运行总时间	分群号
					1	73	137.9352	10069.27	1
2	55	132.9321	7311.267	1
					3	45	138.7726	6244.767	1
4	54	140.2053	7571.083	1
					5	17	48.94314	832.0333	2
6	75	132.0929	9906.967	1
					7	77	124.1162	9556.95	1
8	82	110.8228	9087.467	1
					9	234	122.4511	28653.57	0
10	82	89.07907	7304.483	1
					11	33	81.10505	2676.467	2
12	306	142.3345	43554.37	0
					13	60	148.1872	8891.233	1
14	11	59.36818	653.05	2
					15	9	57.02778	513.25	2
16	6	16.31389	97.88333	2
					17	15	31.45111	471.7667	2
18	24	109.284	2622.817	2
					19	59	119.4729	7048.9	1
20	7	143.6095	1005.267	0
					21	2	62.95833	125.9167	2
22	5	18.33	91.65	2
					23	7	92.00952	644.0667	2
24	9	51.93889	467.45	2
					25	85	77.69039	6603.683	1
26	33	99.6096	3287.117	2
					27	20	59.75917	1195.183	2
28	3	15.92222	47.76667	2
					29	19	83.58421	1588.1	2
30	22	80.63561	1773.983	2
					31	4	56.94167	227.7667	2
32	5	237.7333	1188.667	0

根据步骤3得到的分群结果，针对负载越限特征指标，采用核密度估计模拟其概率密度函数，并画出相应的概率密度函数图像，从概率密度图的分布情况，获取负载越限特征指标值的区间范围，依据此标准评价不同分群的越限运行状态。

1)分群0特征分析

三个特征变量的频率密度如图2所示，可以看出，对于分群0，变压器的越限运行频次分布不均，分布范围广，大致在0到400之间；平均越限运行时间较长，大致在100-250分钟；越限运行总时间较长，大致在0-50000分钟。总体来看，分群0的越限严重程度较高，需重点排查这些变压器的运行情况和越限原因。

2)分群1特征分析

三个特征变量的频率密度如图3所示，可以看出，对于分群1，变压器的越限运行频次处于中等水平，大致在20到100之间；平均越限运行时间处于中等水平，大致在70-150分钟；越限运行总时间处于中等水平，大致在5000-10000分钟。总体来看，分群1的越限严重程度处于中等水平。

3)分群2特征分析

五个特征变量的频率密度如图4所示，可以看出，对于分群2，变压器的越限运行频次较低，大致在0到40之间；平均越限运行时间较短，大致在0-110分钟；越限运行总时间较短，大致在0-3000分钟。总体来看，分群2的越限严重程度较低。

本发明的实施方式不限于此，在本发明上述基本技术思想前提下，按照本领域的普通技术知识和惯用手段对本发明内容所做出其它多种形式的修改、替换或变更，均落在本发明权利保护范围之内。

Claims

1.一种变压器越限运行特征分析方法，其特征在于包括以下步骤：

步骤1：获取变压器负载数据并进行数据预处理；

2.根据权利要求1所述的变压器越限运行特征分析方法，其特征在于：所述数据预处理是指剔除负载率等于0和大于110％的数据。

3.根据权利要求1所述的变压器越限运行特征分析方法，其特征在于：所述步骤2中具体计算过程为：设定越限阈值a，在一段连续时间内均有负载率f_i≥a,k₁≤i≤k₂；则单次越限运行时间为如果在统计时间内变压器共越限m次，则越限运行频次为num＝m，越限运行总时间为其中yt_k为第k次越限的越限运行时间，平均越限运行时间为其中表示第k次越限运行中变压器负荷数据的起始时间和结束时间。

4.根据权利要求3所述的变压器越限运行特征分析方法，其特征在于：所述步骤3中的标准化处理包括对越限运行总时间、越限运行频次和平均越限运行时间分别进行标准化处理并得到标准化后的越限运行总时间、标准化后的越限运行频次和标准化后的平均越限运行时间。

5.根据权利要求3所述的变压器越限运行特征分析方法，其特征在于：所述步骤3中的标准化处理具体计算公式如下：

标准化后的越限运行总时间其中

标准化后的越限运行频次

{Normnum}_{i} = \frac{{num}_{i} - \overset{&OverBar;}{num}}{\sqrt{Var_num}},

其中

标准化后的平均越限运行时间

Normavg_t_{i} = \frac{avg_t_{i} - \overset{&OverBar;}{avg_t}}{\sqrt{Var_avg_t}},

其中

6.根据权利要求5所述的变压器越限运行特征分析方法，其特征在于：所述步骤3中是利用DBSCAN聚类算法对变压器进行DBSCAN聚类分群，其中，距离函数选择欧氏距离

\begin{matrix} d (num_i, num_j) = \\ \sqrt{{(Normtotal_t_{i} - Normtotal_t_{j})}^{2} + {({Normnum}_{i} - {Normnum}_{j})}^{2} + {(Normavg_t_{i} - Normavg_t_{j})}^{2}} \end{matrix}