CN104677997A - 一种变压器油色谱在线监测差异化预警方法 - Google Patents
一种变压器油色谱在线监测差异化预警方法 Download PDFInfo
- Publication number
- CN104677997A CN104677997A CN201510053849.XA CN201510053849A CN104677997A CN 104677997 A CN104677997 A CN 104677997A CN 201510053849 A CN201510053849 A CN 201510053849A CN 104677997 A CN104677997 A CN 104677997A
- Authority
- CN
- China
- Prior art keywords
- value
- weibull
- transformer
- data
- warning
- 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.)
- Granted
Links
Abstract
本发明公开了属于电力设备在线安全监测技术领域的一种变压器油色谱在线监测差异化预警方法。所述方法根据在线监测油色谱数据对油色谱传感器进行有效性评价及预处理,统计变压器所在区域的故障率及缺陷率,根据变压器的个体信息进行整合分类,并根据不同的变压器属性类进行基于威布尔分布的检测量统计,最后根据设备所属类别的故障率及缺陷率计算设备预警阈值。有效的改善了当前变压器预警策略的针对性差的问题减小了误报警的概率,提高了变压器预警的准确性。
Description
技术领域
本发明属于电力设备在线安全监测技术领域,尤其涉及一种变压器油色谱在线监测差异化预警方法。
背景技术
现有的设备状态评估导则是从以前的离线检测诊断标准中衍生而来的。离线检测中一台设备在整个服役期内也只有寥寥数次试验,因此诊断其各项指标是否超标的判据通常都只能是与某一固定阈值或固定比例的阈值相比较。在线检测的诊断与离线检测的诊断从根本意义上是不一样的。而将这种诊断方法直接移植到在线监测数据诊断系统中的适应性值得商榷。
统计表明,不同电压等级、不同地域的变压器油色谱产气量及产气率均不尽相同,而且随着投运年限增加,变压器油色谱气体含量存在线性增长关系。然而目前正在应用的状态评估导则并没有考虑变压器电压等级、地域及投运年限对产气量的影响。因而采用统一的产气预警值是不准确的。
发明内容
本发明的目的是提出一种变压器油色谱在线监测差异化预警方法,其特征在于,包括以下步骤:
1)对变压器油色谱进行在线监测,并对在线监测数据有效性评价及预处理,计算差异化预警阈值:注意值及警示值;
1.1所述在线监测数据有效性评价及预处理包括以下步骤:
a.统计各个探头空值情况,当数据空值大于50%时,剔除该探头数据;
b.对探头历史数据有效性评价,计算各个探头前一年的数据的变异系数C.V.(Coefficient of Variance):C.V=σ/μ,当C.V.>30%,判定数据差异性过大,剔除该探头数据;
2)所述计算差异化预警阈值包括以下步骤:
2.1,根据变压器属性信息对在线监测数据进行个性化分类;
2.2,收集整理故障及缺陷案例,计算不同分类下的故障率及缺陷率,故障率及缺陷率应由前一年故障及缺陷案例统计得到;故障率可按下式计算p缺陷=前一年该类型故障台数/该类型投运总台数;缺陷率可按下式计算p故障=前一年该类型缺陷台数/该类型投运总台数;
3)根据分类汇总油色谱在线监测数据,对筛选过的数据进行威布尔分布拟合处理,威布尔分布函数为:
式(1)中x为自变量,对应油色谱具体数值,单位μL/L,f(x)为因变量,对应油色谱数值出现概率,即出现次数占数据总量的百分比;a称为刻度参数,决定了威布尔密度曲线的峰值高低,a越大图像峰值越低;b称为形状参数,决定了威布尔密度曲线的形状,当b=1时,威布尔分布就是指数分布,a、b根据数据拟合算出;
对威布尔分布函数做积分得到威布尔累计分布函数:
式(2)中x为自变量对应油色谱具体数值,单位μL/L,式中刻度参数a、形状参数b是在式(1)中的拟合计算已经得到;F(x)表示自变量小于或者等于数值x的概率。
求解威布尔累积分布函数逆函数得到威布尔逆累积分布函数
式(3)中p为自变量,即为威布尔累计分布函数中的F(x)对应缺陷率及故障率;y为因变量,对应油色谱注意值及警示值阈值,单位μL/L;将缺陷率p缺陷代入上式得到注意值y注意;将故障率p故障代入上式得到警示值y警示。
所述的在线监测数据应为一年内一个省的每日油色谱在线监测数据。
所述变压器个性化分类属性信息包括电压等级、运行年限、变压器型号。
所述的在线油色谱威布尔逆累积分布函数中的p值是根据历史缺陷及故障报告统计得到,其中根据缺陷率计算得到注意值,根据故障率计算得到警示值。
所述的历史缺陷及故障报告应与在线监测数据来自同一年份。
本发明的有益效果是提出的变压器油色谱在线监测差异化预警方法,从而减小了误报警的概率,提高了变压器预警的准确性。
附图说明
图1为变压器油色谱在线监测差异化预警方法的实施流程图。
图2为示变压器油色谱在线监测数据差异化分类汇总威布尔分布图。
具体实施方式
本发明提出一种变压器油色谱在线监测差异化预警方法,下面将结合附图对本发明方法进行说明。以某省2013年变压器油色谱在线监测数据与故障及缺陷案例统计为例,推算相应的预警阈值。包括以下步骤:
1)对在变压器油色谱进行在线监测(应为一年内一个省的每日油色谱在线监测数据),并对在线监测数据有效性评价及预处理,计算差异化预警阈值:注意值及警示值;
1.1所述在线监测数据有效性评价及预处理包括以下步骤:
a.统计各个探头空值情况,当数据空值大于50%时,剔除该探头数据;
b.对探头历史数据有效性评价,计算各个探头前一年的数据的变异系数C.V.(Coefficient of Variance):C.V=σ/μ,当C.V.>30%,判定数据差异性过大,剔除该探头数据;
2)所述计算差异化预警阈值包括以下步骤:
2.1,根据变压器属性信息对在线监测数据进行个性化分类;所述变压器个性化分类属性信息包括电压等级、运行年限、变压器型号。
2.2,收集整理故障及缺陷案例,计算不同分类下的故障率及缺陷率(历史缺陷及故障报告应与在线监测数据来自同一年份),故障率及缺陷率应由前一年故障及缺陷案例统计得到;故障率可按下式计算p故障=前一年该类型故障台数/该类型投运总台数;缺陷率可按下式计算p缺陷=前一年该类型缺陷台数/该类型投运总台数。经统计,在本例中p故障=0.05%,p缺陷=5%。
3)根据分类汇总油色谱在线监测数据,如图2所示,图中为某省220kV组2013年H2汇总分布,对筛选过的数据进行威布尔分布拟合处理,威布尔分布函数为:
式(1)中x为自变量,对应油色谱具体数值,单位μL/L,f(x)为因变量,对应油色谱数值出现概率,即出现次数占数据总量的百分比;a称为刻度参数,决定了威布尔密度曲线的峰值高低,a越大图像峰值越低;b称为形状参数,决定了威布尔密度曲线的形状,当b=1时,威布尔分布就是指数分布,a、b根据数据拟合算出,根据拟合得到a=0.1654,b=0.2920;
对威布尔分布函数做积分得到威布尔累计分布函数:
式(2)中x为自变量对应油色谱具体数值,单位μL/L,F(x)表示自变量小于或者等于数值x的概率;式(2)中刻度参数a、形状参数b是在式(1)中的拟合计算得到a=0.1654,b=0.2920;得到威布尔函数后,
求解威布尔累积分布函数逆函数得到威布尔逆累积分布函数
式(3)中p为自变量,即为威布尔累计分布函数中的F(x)对应缺陷率及故障率;y为因变量,对应油色谱注意值及警示值阈值,单位μL/L;
4)在线油色谱威布尔逆累积分布函数中的p值是根据历史缺陷及故障报告统计得到,其中根据缺陷率计算得到注意值,根据故障率计算得到警示值;将缺陷率p缺陷代入上式得到注意值y注意。将故障率p故障代入上式得到警示值y警示,即
结合拟合的分布函数与前一年各种类型变压器的故障率p故障=0.05%,缺陷率p缺陷=5%。,代入拟合得到a=0.1654,b=0.2920推算预警警示值y警示=50及注意值y注意=7。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (5)
1.一种变压器油色谱在线监测差异化预警方法,其特征在于,包括以下步骤:
1)对变压器油色谱进行在线监测,并对在线监测数据有效性评价及预处理,计算差异化预警阈值:注意值及警示值;
1.1所述在线监测数据有效性评价及预处理包括以下步骤:
a.统计各个探头空值情况,当数据空值大于50%时,剔除该探头数据;
b.对探头历史数据有效性评价,计算各个探头前一年的数据的变异系数C.V.(Coefficient of Variance):C.V=σ/μ,当C.V.>30%,判定数据差异性过大,剔除该探头数据;
2)所述计算差异化预警阈值包括以下步骤:
2.1,根据变压器属性信息对在线监测数据进行个性化分类;
2.2,收集整理故障及缺陷案例,计算不同分类下的故障率及缺陷率,故障率及缺陷率应由前一年故障及缺陷案例统计得到;故障率可按下式计算p故障=前一年该类型故障台数/该类型投运总台数;缺陷率可按下式计算p缺陷=前一年该类型缺陷台数/该类型投运总台数;
3)根据分类汇总油色谱在线监测数据,对筛选过的数据进行威布尔分布拟合处理,威布尔分布函数为:
式(1)中x为自变量,对应油色谱具体数值,单位μL/L,f(x)为因变量,对应油色谱数值出现概率,即出现次数占数据总量的百分比;a称为刻度参数,决定了威布尔密度曲线的峰值高低,a越大图像峰值越低;b称为形状参数,决定了威布尔密度曲线的形状,当b=1时,威布尔分布就是指数分布,a、b根据数据拟合算出;
对威布尔分布函数做积分得到威布尔累计分布函数:
式(2)中x为自变量对应油色谱具体数值,单位μL/L,式中刻度参数a、形状参数b是在式(1)中的拟合计算已经得到;F(x)表示自变量小于或者等于数值x的概率;
求解威布尔累积分布函数逆函数得到威布尔逆累积分布函数
式(3)中p为自变量,即为威布尔累计分布函数中的F(x)对应缺陷率及故障率;y为因变量,对应油色谱注意值及警示值阈值,单位μL/L;将缺陷率p缺 陷代入上式得到注意值y注意;将故障率p故障代入上式得到警示值y警示。
2.根据权利要求1所述的变压器油色谱在线监测差异化预警方法,其特征在于,所述的在线监测数据应为一年内一个省的每日油色谱在线监测数据。
3.如权利要求1所述的预警方法,其特征在于,变压器个性化分类属性信息包括电压等级、运行年限、变压器型号。
4.根据权利要求1所述的变压器油色谱在线监测差异化预警方法,其特征在于,所述的在线油色谱威布尔逆累积分布函数中的p值是根据历史缺陷及故障报告统计得到,其中根据缺陷率计算得到注意值,根据故障率计算得到警示值。
5.根据权利要求1所述的变压器油色谱在线监测差异化预警方法,其特征在于,历史缺陷及故障报告应与在线监测数据来自同一年份。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510053849.XA CN104677997B (zh) | 2015-02-02 | 2015-02-02 | 一种变压器油色谱在线监测差异化预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510053849.XA CN104677997B (zh) | 2015-02-02 | 2015-02-02 | 一种变压器油色谱在线监测差异化预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104677997A true CN104677997A (zh) | 2015-06-03 |
CN104677997B CN104677997B (zh) | 2016-08-17 |
Family
ID=53313343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510053849.XA Active CN104677997B (zh) | 2015-02-02 | 2015-02-02 | 一种变压器油色谱在线监测差异化预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104677997B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105223293A (zh) * | 2015-11-09 | 2016-01-06 | 江苏省电力公司电力科学研究院 | 基于油色谱在线监测的变压器状态预警方法 |
CN106596754A (zh) * | 2016-11-22 | 2017-04-26 | 华北电力大学 | 油色谱传感器有效性的评估方法及装置 |
CN106771513A (zh) * | 2016-11-22 | 2017-05-31 | 华北电力大学 | 避雷器预警值的确定方法及装置 |
CN109342630A (zh) * | 2018-11-23 | 2019-02-15 | 中国电力科学研究院有限公司 | 变压器油色谱在线监测异常数据诊断方法 |
CN109541096A (zh) * | 2018-11-09 | 2019-03-29 | 福建和盛高科技产业有限公司 | 220kV变压器油中溶解气体体积分数动态预警方法 |
CN110220983A (zh) * | 2019-05-09 | 2019-09-10 | 国家电网有限公司 | 基于油色谱的变压器状态分析方法及终端设备 |
CN114611376A (zh) * | 2022-01-19 | 2022-06-10 | 北京科技大学 | 一种基于神经网络的连退跑偏预测方法及装置 |
CN115290798A (zh) * | 2022-09-13 | 2022-11-04 | 国网河北省电力有限公司电力科学研究院 | 变压器油色谱在线监测装置的稳定性能监测方法及终端 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678765A (zh) * | 2013-10-31 | 2014-03-26 | 上海交通大学 | 基于在线监测的变压器运行状态综合评估方法 |
-
2015
- 2015-02-02 CN CN201510053849.XA patent/CN104677997B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678765A (zh) * | 2013-10-31 | 2014-03-26 | 上海交通大学 | 基于在线监测的变压器运行状态综合评估方法 |
Non-Patent Citations (4)
Title |
---|
XIAOQUN DING,ET AL: "On-line transformer winding"s fault monitoring and condition assessment", 《 ELECTRICAL INSULATING MATERIA》, 22 November 2001 (2001-11-22), pages 801 - 804, XP010570032 * |
刘新苗: "基于油中溶解气体在线监测的变压器故障动态预警方法分析", 《广东科技》, no. 22, 30 November 2011 (2011-11-30), pages 96 - 97 * |
张钰宁等: "基于油色谱数据的变压器可靠度评估方法", 《电力科学与工程》, vol. 29, no. 7, 31 July 2013 (2013-07-31), pages 1 - 6 * |
李峰等: "变压器油中溶解气体在线监测预警策略研究", 《广东电力》, vol. 25, no. 6, 30 June 2012 (2012-06-30), pages 44 - 46 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105223293A (zh) * | 2015-11-09 | 2016-01-06 | 江苏省电力公司电力科学研究院 | 基于油色谱在线监测的变压器状态预警方法 |
CN105223293B (zh) * | 2015-11-09 | 2017-05-17 | 江苏省电力公司电力科学研究院 | 基于油色谱在线监测的变压器状态预警方法 |
CN106596754A (zh) * | 2016-11-22 | 2017-04-26 | 华北电力大学 | 油色谱传感器有效性的评估方法及装置 |
CN106771513A (zh) * | 2016-11-22 | 2017-05-31 | 华北电力大学 | 避雷器预警值的确定方法及装置 |
CN106596754B (zh) * | 2016-11-22 | 2019-07-23 | 华北电力大学 | 油色谱传感器有效性的评估方法及装置 |
CN109541096A (zh) * | 2018-11-09 | 2019-03-29 | 福建和盛高科技产业有限公司 | 220kV变压器油中溶解气体体积分数动态预警方法 |
CN109342630A (zh) * | 2018-11-23 | 2019-02-15 | 中国电力科学研究院有限公司 | 变压器油色谱在线监测异常数据诊断方法 |
CN109342630B (zh) * | 2018-11-23 | 2022-09-20 | 中国电力科学研究院有限公司 | 变压器油色谱在线监测异常数据诊断方法 |
CN110220983A (zh) * | 2019-05-09 | 2019-09-10 | 国家电网有限公司 | 基于油色谱的变压器状态分析方法及终端设备 |
CN114611376A (zh) * | 2022-01-19 | 2022-06-10 | 北京科技大学 | 一种基于神经网络的连退跑偏预测方法及装置 |
CN115290798A (zh) * | 2022-09-13 | 2022-11-04 | 国网河北省电力有限公司电力科学研究院 | 变压器油色谱在线监测装置的稳定性能监测方法及终端 |
CN115290798B (zh) * | 2022-09-13 | 2023-10-31 | 国网河北省电力有限公司电力科学研究院 | 变压器油色谱在线监测装置的稳定性能监测方法及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN104677997B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104677997A (zh) | 一种变压器油色谱在线监测差异化预警方法 | |
CN106447210B (zh) | 一种计及可信度评价的配网设备健康度动态诊断方法 | |
CN104764869B (zh) | 一种基于多维特征量的变压器气体故障诊断和报警方法 | |
EP2989705B1 (en) | Method and apparatus for defect pre-warning of power device | |
CN103754718B (zh) | 电梯运行安全监测系统及其方法 | |
CN106372735B (zh) | 一种继电保护状态评估方法 | |
CN103324992B (zh) | 基于马尔可夫和熵权模糊综合评价的变压器风险预测方法 | |
CN105512474A (zh) | 一种变压器状态监测数据的异常检测方法 | |
CN104318347A (zh) | 一种基于多传感器信息融合的输电线路覆冰状态评估方法 | |
CN103103570B (zh) | 基于主元相似性测度的铝电解槽况诊断方法 | |
CN110414154A (zh) | 一种带有双测点的风机部件温度异常检测和报警方法 | |
CN104020754A (zh) | 一种变电站一次主设备状态监测信息接入调控系统的方法 | |
CN104156568A (zh) | 一种基于加权灰色关联和模糊聚类的变压器故障诊断方法 | |
CN109029959B (zh) | 一种变压器绕组的机械状态检测方法 | |
CN110322371A (zh) | 基于多元线性回归分析的高损台区用电异常用户检测定位方法 | |
CN105866638A (zh) | 一种城网电缆接头绝缘状态在线监测预警装置及方法 | |
CN103576050A (zh) | 一种电容式电压互感器的运行状态评估方法 | |
CN105242155A (zh) | 一种基于熵权法和灰色关联分析的变压器故障诊断方法 | |
CN108492043A (zh) | 一种基于聚类算法的电力用户负荷测算方法 | |
CN105823960A (zh) | 一种变压器绕组变形综合诊断方法及系统 | |
CN105719094A (zh) | 一种输电设备状态评估方法 | |
CN109615126A (zh) | 一种轴承剩余寿命预测方法 | |
CN109613372B (zh) | 一种基于多元电网数据库的电网故障诊断方法 | |
CN106325258B (zh) | 一种基于在线监测信息的继电保护装置状态评估方法 | |
CN104764979A (zh) | 一种基于概率推理的虚拟信息融合电网报警方法 |
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 |