CN105373883A - 基于数据挖掘的变压器家族性缺陷的预警方法 - Google Patents

Abstract

本发明公开了一种基于数据挖掘的变压器家族性缺陷的预警方法，基于电力公司一体化数据平台，通过数据挖掘获得变压器厂家、型号设备管理信息和设备缺陷信息，提出了将设备厂家、型号的年缺陷率和平均缺陷率进行比较判断其家族性缺陷，提出故障集中度指标，修正非家族性缺陷故障对结果的影响，提出可信度指标，反映样本数量对判断结果的影响，建立变压器家族性缺陷预警，对运行在高风险年限的变压器进行预警，同时为采购部门提供生产企业、型号质量信息。本发明具有工程适用性和实用性，具有良好的应用前景。

Description

基于数据挖掘的变压器家族性缺陷的预警方法

技术领域

本发明属于电力变压器状态评估技术领域，具体涉及一种基于数据挖掘的变压器家族性缺陷的预警方法。

背景技术

电气设备的可靠性直接影响电力系统的安全运行。部分电气设备由于设计、材质、制作工艺等因素存在家族性缺陷，导致投运后故障率明显偏高。传统的电气设备家族性缺陷诊断主要由专家主观确定，缺乏定量标准，且反映不够及时。随着，电力公司一体化数据平台的建立，相关的厂家、型号、批次等电气设备管理信息和设备故障等运行信息实现了关联，为基于数据挖掘识别家族性缺陷提供了技术支撑。

变压器是电力系统的枢纽设备，由本体、套管、冷却器系统、非电量保护、分接开关等部件构成，由于变压器涉及的零部件较多，其出现家族性缺陷的概率较高，是重点监测的对象。据统计，110kV及以上的变压器，77.3％的变压器故障是厂商制造原因引起的。目前，针对变压器家族的性缺陷识别，传统识别方法普遍基于静态数据，未考虑每年变压器的新装和退出运行，影响性缺陷识别的准确性。

目前，江苏省电力公司在全国率先构建了一体化数据平台，在安全III区建立了数据仓库，将全省配电管理系统、设备管理系统、配电自动化系统等系统信息统一汇集于数据仓库，为跨系统的应用开发提供了统一的平台支撑，为变压器家族性缺陷的研究提供数据支撑。

发明内容

本发明所解决的技术问题是克服传统识别方法普遍基于静态数据，未考虑每年变压器的新装和退出运行，影响性缺陷识别的准确性的问题。本发明的基于数据挖掘的变压器家族性缺陷的预警方法，基于电力公司一体化数据平台，通过数据挖掘获得变压器厂家、型号设备管理信息和设备缺陷信息，分析了变压器家族性缺陷表征，可作为变压器招标采购的一个依据，并合理调配变压器运行，在可能的情况下，适度降低预警变压器负荷率，尽快安排预警变压器的检修，具有良好的应用前景。

为了解决达到上述目的，本发明所采用的技术方案是：

一种基于数据挖掘的变压器家族性缺陷的预警方法，其特征在于：包括以下步骤，

步骤(1)，从数据库服务器中读入变压器家族性缺陷判断的相关信息，包括变压器的厂商、型号、运行年限以及变压器缺陷；

步骤(2)，根据运行年限、电压等级、部件，统计变压器的平均缺陷率α，计算对应厂商型号的变压器年平均缺陷率β，将对应厂商型号的变压器年平均缺陷率β与对应的变压器平均缺陷率α比较，计算得到比较系数k；

步骤(3)，计算变压器的缺陷集中度指标η，修正比较系数k，获取修正比较系数k₁；

步骤(4)，根据修正比较系数k₁，计算判断家族性缺陷的可信度，确定变压器家族性风险等级；

步骤(5)，将步骤(4)确定的变压器家族性风险等级，推送各电力部门的采购部分，抽取出正运行在高风险年限的家族性缺陷的变压器，提供给电力维修部门，提高变压器的可靠性。

前述的基于数据挖掘的变压器家族性缺陷的预警方法，其特征在于：根据公式(1)，计算得到比较系数k，

$k=\frac{\mathrm{\β}}{\mathrm{\α}}---\left(1\right).$

前述的基于数据挖掘的变压器家族性缺陷的预警方法，其特征在于：步骤(3)计算变压器的缺陷集中度指标η，修正比较系数k，获取修正比较系数k₁，包括以下步骤，

(1)，统计该型号的变压器N个缺陷发生于M台设备上，其中，N≥M，根据公式(2)，得到变压器的缺陷集中度指标η，

η＝N/M

(2)

其中，缺陷集中度指标η的最低为1，集中度越高表示家族性缺陷的判断偏差越大；

(2)，采用修正系数对比较系数k进行修正，修正系数为将变压器比较系数k除以修正系数，修正比较系数k₁；

(3)，若修正比较系数k₁超过阈值，则判断为变压器存在家族性缺陷。

前述的基于数据挖掘的变压器家族性缺陷的预警方法，其特征在于：步骤(4)，根据修正比较系数k₁，计算判断家族性缺陷的可信度，确定变压器家族性风险等级，同型号变压器台数越多，年缺陷率越平稳，判断结果可信度越高，具体包括以下步骤，

(1)设X₁，X₂，…，X_n分为同型号中n台变压器的年缺陷率，n为样本容量，该变压器的年缺陷率为EX_k＝μ，方差为DX_K＝σ²，其中，k＝1，2，3，…n，根据中心极限定理，若n趋于无穷大时，根据公式(3)，得到正态分布Z_n，

$Z_n=\frac{\underset{k=1}{\overset{n}{\Σ}}{X}_k-n\mathrm{\μ}}{\sqrt{n}\mathrm{\σ}}---\left(3\right)$

其中，Z_n为正态分布N(μ₁,σ₁)，参数μ₁的置信度为(1-α)的置信区间，如公式(4)所示，

$(\stackrel{\‾}{Z}-\frac{\mathrm{\σ}}{\sqrt{n}}{\mathrm{\μ}}_{\frac{\mathrm{\α}}{2}},\stackrel{\‾}{Z}+\frac{\mathrm{\σ}}{\sqrt{n}}{\mathrm{\μ}}_{\frac{\mathrm{\α}}{2}})---\left(4\right);$

(2)，在置信度(1-α)确定情况下，通过增加样本容量n，来减小置信区间长度，提高估计精确度；

(3)，N(μ₁,σ₁)取标准正态分布N(0,1)，置信度为0.8，则平均缺陷率α取0.2，通过公式(3)的计算，当n＝18时，置信区间符合工程要求，选择变压器的样本容量n大于18时，家族性缺陷判断结果的置信度大于0.8；

(4)，若修正比较系数k₁大于1，且置信度大于0.8，则此型号的变压器处于高风险家族性缺陷；若修正比较系数k₁大于1，置信度小于0.8，则此型号的变压器要加强跟踪；若修正比较系数k₁小于1，则此型号的变压器处于低风险家族性缺陷。

本发明的有益效果是：本发明的基于数据挖掘的变压器家族性缺陷的预警方法，基于电力公司一体化数据平台，通过数据挖掘获得变压器厂家、型号设备管理信息和设备缺陷信息，提出了将设备厂家、型号的年缺陷率和平均缺陷率进行比较判断其家族性缺陷，提出故障集中度指标，修正非家族性缺陷故障对结果的影响，提出可信度指标，反映样本数量对判断结果的影响建立了变压器家族性缺陷预警系统，开发了预警平台，对运行在高风险年限的变压器进行预警，同时为设备采购部门提供生产企业、型号质量信息。本发明所提的家族性缺陷预警方法，运行表明，该缺陷预警系统具有工程适用性和实用性，并具有以下作用，

(1)为采购管理部门提供各厂家、型号变压器质量相关信息，并将其作为设备招标采购的一个依据，从源头上提高变压器及其配件的质量；

(2)为运行维护部门提供正在运行的变压器相关信息，合理调配变压器运行，在可能的情况下，适度降低预警变压器负荷率，尽快安排预警变压器的检修，并备足配件。

附图说明

图1是本发明的用于含统一潮流控制器的输电线路的距离保护方法的流程图。

具体实施方式

下面将结合说明书附图，对本发明作进一步的说明。

本发明的基于数据挖掘的变压器家族性缺陷的预警方法，基于电力公司一体化数据平台，通过数据挖掘获得变压器厂家、型号设备管理信息和设备缺陷信息，分析了变压器家族性缺陷表征，可作为变压器招标采购的一个依据，并合理调配变压器运行，在可能的情况下，适度降低预警变压器负荷率，尽快安排预警变压器的检修，如图1所示，包括以下步骤，

步骤(1)，从数据库服务器中读入变压器家族性缺陷判断的相关信息，包括变压器的厂商、型号、运行年限以及变压器缺陷，数据库服务器为现阶段的电力公司一体化数据平台；

步骤(2)，根据运行年限、电压等级、部件，统计变压器的平均缺陷率α，计算对应厂商型号的变压器年平均缺陷率β，将对应厂商型号的变压器年平均缺陷率β与对应的变压器平均缺陷率α比较，根据公式(1)，计算得到比较系数k，

$k=\frac{\mathrm{\β}}{\mathrm{\α}}---\left(1\right);$

步骤(3)，计算变压器的缺陷集中度指标η，修正比较系数k，获取修正比较系数k₁，包括以下步骤，

(1)，统计该型号的变压器N个缺陷发生于M台设备上，其中，N≥M，根据公式(2)，得到变压器的缺陷集中度指标η，

η＝N/M

(2)

其中，缺陷集中度指标η的最低为1，集中度越高表示家族性缺陷的判断偏差越大；

(2)，采用修正系数对比较系数k进行修正，修正系数为将变压器比较系数k除以修正系数，修正比较系数k₁；

(3)，若修正比较系数k₁超过阈值(这里默认为1，可以调节设定)，则判断为变压器存在家族性缺陷；

步骤(4)，根据修正比较系数k₁，计算判断家族性缺陷的可信度，确定变压器家族性风险等级，确定变压器家族性风险等级，同型号变压器台数越多，年缺陷率越平稳，判断结果可信度越高，具体包括以下步骤，

(1)设X₁，X₂，…，X_n分为同型号中n台变压器的年缺陷率，n为样本容量，该变压器的年缺陷率为EX_k＝μ，方差为DX_K＝σ²，其中，k＝1，2，3，…n，根据中心极限定理，若n趋于无穷大时，根据公式(3)，得到正态分布Z_n，

$Z_n=\frac{\underset{k=1}{\overset{n}{\Σ}}{X}_k-n\mathrm{\μ}}{\sqrt{n}\mathrm{\σ}}---\left(3\right)$

其中，Z_n为正态分布N(μ₁,σ₁)，参数μ₁的置信度为(1-α)的置信区间，如公式(4)所示，

$(\stackrel{\‾}{Z}-\frac{\mathrm{\σ}}{\sqrt{n}}{\mathrm{\μ}}_{\frac{\mathrm{\α}}{2}},\stackrel{\‾}{Z}+\frac{\mathrm{\σ}}{\sqrt{n}}{\mathrm{\μ}}_{\frac{\mathrm{\α}}{2}})---\left(4\right);$

(2)，在置信度(1-α)确定情况下，通过增加样本容量n，来减小置信区间长度，提高估计精确度；

(3)，N(μ₁,σ₁)取标准正态分布N(0,1)，置信度为0.8，则平均缺陷率α取0.2，通过公式(3)的计算，当n＝18时，置信区间符合工程要求，选择变压器的样本容量n大于18时，家族性缺陷判断结果的置信度大于0.8；

(4)，若修正比较系数k₁大于1，且置信度大于0.8，则此型号的变压器处于高风险家族性缺陷；若修正比较系数k₁大于1，置信度小于0.8，则此型号的变压器要加强跟踪；若修正比较系数k₁小于1，则此型号的变压器处于低风险家族性缺陷；

步骤(5)，将步骤(4)确定的变压器家族性风险等级，推送各电力部门的采购部分，抽取出正运行在高风险年限的家族性缺陷的变压器，提供给电力维修部门，提高变压器的可靠性。

本发明所提的家族性缺陷预警方法，运行表明，该缺陷预警系统具有工程适用性和实用性，并具有以下作用，

(1)为采购管理部门提供各厂家、型号变压器质量相关信息，并将其作为设备招标采购的一个依据，从源头上提高变压器及其配件的质量；

(2)为运行维护部门提供正在运行的变压器相关信息，合理调配变压器运行，在可能的情况下，适度降低预警变压器负荷率，尽快安排预警变压器的检修，并备足配件。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.基于数据挖掘的变压器家族性缺陷的预警方法，其特征在于：包括以下步骤，

步骤(1)，从数据库服务器中读入变压器家族性缺陷判断的相关信息，包括变压器的厂商、型号、运行年限以及变压器缺陷；

步骤(2)，根据运行年限、电压等级、部件，统计变压器的平均缺陷率α，计算对应厂商型号的变压器年平均缺陷率β，将对应厂商型号的变压器年平均缺陷率β与对应的变压器平均缺陷率α比较，计算得到比较系数k；

步骤(3)，计算变压器的缺陷集中度指标η，修正比较系数k，获取修正比较系数k₁；

步骤(4)，根据修正比较系数k₁，计算判断家族性缺陷的可信度，确定变压器家族性风险等级；

步骤(5)，将步骤(4)确定的变压器家族性风险等级，推送各电力部门的采购部分，抽取出正运行在高风险年限的家族性缺陷的变压器，提供给电力维修部门，提高变压器的可靠性。

2.根据权利要求1所述的基于数据挖掘的变压器家族性缺陷的预警方法，其特征在于：根据公式(1)，计算得到比较系数k，

$k=\frac{\mathrm{\β}}{\mathrm{\α}}---\left(1\right).$

3.根据权利要求1所述的基于数据挖掘的变压器家族性缺陷的预警方法，其特征在于：步骤(3)计算变压器的缺陷集中度指标η，修正比较系数k，获取修正比较系数k₁，包括以下步骤，

(1)，统计该型号的变压器N个缺陷发生于M台设备上，其中，N≥M，根据公式(2)，得到变压器的缺陷集中度指标η，

η＝N/M

(2)

其中，缺陷集中度指标η的最低为1，集中度越高表示家族性缺陷的判断偏差越大；

(2)，采用修正系数对比较系数k进行修正，修正系数为将变压器比较系数k除以修正系数，修正比较系数k₁；

(3)，若修正比较系数k₁超过阈值，则判断为变压器存在家族性缺陷。

4.根据权利要求1所述的基于数据挖掘的变压器家族性缺陷的预警方法，其特征在于：步骤(4)，根据修正比较系数k₁，计算判断家族性缺陷的可信度，确定变压器家族性风险等级，同型号变压器台数越多，年缺陷率越平稳，判断结果可信度越高，具体包括以下步骤，

(1)设X₁，X₂，…，X_n分为同型号中n台变压器的年缺陷率，n为样本容量，该变压器的年缺陷率为EX_k＝μ，方差为DX_K＝σ²，其中，k＝1，2，3，…n，根据中心极限定理，若n趋于无穷大时，根据公式(3)，得到正态分布Z_n，

$Z_n=\frac{\underset{k=1}{\overset{n}{\Σ}}{X}_k-n\mathrm{\μ}}{\sqrt{n}\mathrm{\σ}}---\left(3\right)$

其中，Z_n为正态分布N(μ₁,σ₁)，参数μ₁的置信度为(1-α)的置信区间，如公式(4)所示，

$(\stackrel{\‾}{Z}-\frac{\mathrm{\σ}}{\sqrt{n}}{\mathrm{\μ}}_{\frac{\mathrm{\α}}{2}},\stackrel{\‾}{Z}+\frac{\mathrm{\σ}}{\sqrt{n}}{\mathrm{\μ}}_{\frac{\mathrm{\α}}{2}})---\left(4\right);$

(2)，在置信度(1-α)确定情况下，通过增加样本容量n，来减小置信区间长度，提高估计精确度；

(3)，N(μ₁,σ₁)取标准正态分布N(0,1)，置信度为0.8，则平均缺陷率α取0.2，通过公式(3)的计算，当n＝18时，置信区间符合工程要求，选择变压器的样本容量n大于18时，家族性缺陷判断结果的置信度大于0.8；

(4)，若修正比较系数k₁大于1，且置信度大于0.8，则此型号的变压器处于高风险家族性缺陷；若修正比较系数k₁大于1，置信度小于0.8，则此型号的变压器要加强跟踪；若修正比较系数k₁小于1，则此型号的变压器处于低风险家族性缺陷。