CN105868912A - 基于数据融合的电力变压器状态评价方法及装置 - Google Patents
基于数据融合的电力变压器状态评价方法及装置 Download PDFInfo
- Publication number
- CN105868912A CN105868912A CN201610210347.8A CN201610210347A CN105868912A CN 105868912 A CN105868912 A CN 105868912A CN 201610210347 A CN201610210347 A CN 201610210347A CN 105868912 A CN105868912 A CN 105868912A
- Authority
- CN
- China
- Prior art keywords
- state
- power transformer
- evidence
- condition
- state evaluation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000004927 fusion Effects 0.000 title claims abstract description 52
- 238000011156 evaluation Methods 0.000 claims abstract description 133
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000010606 normalization Methods 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims description 19
- 230000005856 abnormality Effects 0.000 claims description 17
- 230000006735 deficit Effects 0.000 claims 2
- 230000005611 electricity Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 abstract 1
- 230000006866 deterioration Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 43
- 230000008859 change Effects 0.000 description 4
- 238000004587 chromatography analysis Methods 0.000 description 4
- 238000013210 evaluation model Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 241000222065 Lycoperdon Species 0.000 description 2
- 241000768494 Polymorphum Species 0.000 description 2
- HSFWRNGVRCDJHI-UHFFFAOYSA-N alpha-acetylene Natural products C#C HSFWRNGVRCDJHI-UHFFFAOYSA-N 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 125000002534 ethynyl group Chemical group [H]C#C* 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000001195 anabolic effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 230000009610 hypersensitivity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- -1 phenolic aldehyde Chemical class 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种基于数据融合的电力变压器状态评价方法及装置,其中,该方法包括:选择电力变压器运行状态的状态评价变量及确定其初值与阈值;结合相对劣化度公式对状态评价变量归一化处理得到归一化参量;基于模糊理论得到归一化参量处于各电力变压器状态等级的状态量隶属度;通过层次分析法得到各子证据体中状态评价变量的权重;根据状态量隶属度与状态评价变量的权重得到各子证据体对各电力变压器状态等级隶属度;以及通过Dempster‑Shafer证据理论融合各不同子证据体,判断电力变压器运行状态处于正常状态、注意状态、异常状态或严重状态。该方法能够更加全面的分析电力变压器的实时运行状态,有效提高电力变压器实时运行状态的判断结果的可靠性。
Description
技术领域
本发明涉及电气设备技术领域,尤其涉及一种基于数据融合的电力变压器状态评价方法及装置。
背景技术
相关技术中指出,电力变压器作为输变电系统的核心设备,其健康状态影响电力系统的安全稳定运行;科学有效的状态评估有助于及时发现潜伏性缺陷和预防事故发生,合理安排检修维护计划,降低设备故障概率和维修费用,保障电力系统长期可靠运行。
相关技术中电力变压器运行状态通过贝叶斯网络、模糊综合评价、灰靶理论、灰色关联分析、可拓理论、证据理论等众多方法进行计算;这些理论方法在实际应用中有效发现电力变压器潜伏性缺陷,在完善设备状态检修中发挥了重要作用。然而各种方法存在自身的不足,贝叶斯网络要求知道先验概率及相关属性的独立性,在实际应用中不一定成立;神经网络状态评价需要具备足够规模的样本和设置众多参数,且输出结果难以解释;而灰色关联分析容易受人为主观因素的影响,客观性有待提高;由于方法本身存在的不足,导致状态评价可靠性有待进一步提高;同时虽然在线监测技术得以大力推广和应用,但是相关监测数据未能深度有效参与变压器状态评价,其评价结果实时性也难以满足当前需求。因此,对电力变压器状态评价进行深入研究,对指导变压器运行维护与状态检修具有重要的理论意义和实际意义。
发明内容
本申请的目的旨在至少在一定程度上解决上述的技术问题之一。
为此,本申请的第一个目的在于提出一种基于数据融合的电力变压器状态评价方法。该方法能够更加全面的分析电力变压器的实时运行状态,有效提高电力变压器的实时运行状态判断结果的可靠性。
本申请的第二个目的在于提出了一种基于数据融合的电力变压器状态评价装置。
为达上述目的,本申请第一方面实施例的基于数据融合的电力变压器状态评价方法,包括:选择电力变压器运行状态的状态评价变量,确定所述状态评价变量的初值与阈值;根据所述状态评价变量的初值和阈值通过相对劣化度公式对所述状态评价变量进行归一化处理,以得到归一化参量;基于模糊理论得到所述归一化参量处于各电力变压器状态等级的状态量隶属度;通过层次分析法得到各子证据体中状态评价变量的权重;根据所述状态量隶属度与所述状态评价变量的权重得到所述各子证据体对所述各电力变压器状态等级隶属度;以及通过Dempster-Shafer证据理论融合各不同子证据体,以判断所述电力变压器运行状态处于正常状态、注意状态、异常状态或严重状态。
本申请实施例的基于数据融合的电力变压器状态评价方法,根据选择的电力变压器运行状态的状态评价变量的初值与阈值通过相对劣化度公式对状态评价变量进行归一化处理得到归一化参量,然后基于模糊理论得到归一化参量处于各电力变压器状态等级的状态量隶属度,再利用层次分析法得到各子证据体中状态评价变量的权重,再根据状态量隶属度与状态评价变量的权重得到各子证据体对各电力变压器状态等级隶属度,最后通过Dempster-Shafer证据理论融合各不同子证据体,确定电力变压器状态等级。该方法能够更加全面的分析电力变压器的实时运行状态,有效提高电力变压器的实时运行状态判断结果的可靠性。
在本发明的一个实施例中,所述的基于数据融合的电力变压器状态评价方法,还包括:选取N个所述状态评价变量,构建状态评价指标体系,其中,N为正整数。
在本发明的一个实施例中,所述相对劣化度公式具体包括:通过公式对成本型变量的归一化,通过公式对增益型变量的归一化,其中,xm所述状态评价变量的测量值,xi为所述状态评价变量的初始值,xa为所述状态评价变量的阈值,xn为归一化参量。
在本发明的一个实施例中,所述的基于数据融合的电力变压器状态评价方法,所述根据所述状态量隶属度与所述状态评价变量的权重得到所述各子证据体对所述各电力变压器状态等级隶属度具体包括:将所述各电力变压器状态等级隶属度作为基本信度函数值,通过计算,其中,mi(Aj)为子证据体j关于状态等级i的隶属度,ui(xr)为所述状态量隶属度,ω(xr)为所述状态评价变量的权重;通过折扣因子调整所述各子证据体基本信度函数值,得到基本信度函数值m’(A)和不确定证据的信度分配m’(Θ),通过计算,其中α为折扣因子,且0<α≤1。
在本发明的一个实施例中,所述通过Dempster-Shafer证据理论融合各不同子证据体,以判断所述电力变压器运行状态处于正常状态、注意状态、异常状态或严重状态具体包括:基于所述Dempster-Shafer证据理论,基于所述电力变压器运行状态u建立所述电力变压器状态评价识别框架Θ,Θ={u1,u2,u3,u4,θ},其中θ为不确定度,u1为正常状态、u2为注意状态、u3为异常状态和u4为严重状态;在所述基本信度函数值m’(A)和不确定证据的信度分配m’(Θ)基础上,根据Dempster-Shafer证据合成规则,获得多证据合成置信度函数值m(A),所述m(A)应用基于可信度的决策方法,判断所述电力变压器运行状态处于正常状态、注意状态、异常状态或严重状态。
为达上述目的,本申请第二方面实施例的基于数据融合的电力变压器状态评价装置,包括:选择模块,用于选择电力变压器运行状态的状态评价变量;确定模块,用于确定所述状态评价变量的初值与阈值;第一处理模块,用于通过相对劣化度公式对所述状态评价变量的初值与阈值进行归一化处理,以得到归一化参量;第二处理模块,用于基于模糊理论得到所述归一化参量处于各电力变压器状态等级的状态量隶属度;第三处理模块,用于通过层次分析法得到各子证据体中状态评价变量的权重;第四处理模块,用于根据所述状态量隶属度与所述状态评价变量的权重得到所述各子证据体对所述各电力变压器状态等级隶属度;以及判断模块,用于通过Dempster-Shafer证据理论融合各不同子证据体,以判断所述电力变压器运行状态处于正常状态、注意状态、异常状态或严重状态。
本申请实施例的基于数据融合的电力变压器状态评价装置,第一处理模块根据确定模块确定状态评价变量的初值和阈值通过相对劣化度公式对选择模块选择的电力变压器运行状态的状态评价变量进行归一化处理得到归一化参量,然后第二处理模块基于模糊理论得到归一化参量处于各电力变压器状态等级的状态量隶属度,第三处理模块再通过层次分析法得到各子证据体中状态评价变量的权重,第四处理模块再根据状态量隶属度与状态评价变量的权重得到各子证据体对各电力变压器状态等级隶属度,最后判断模块通过Dempster-Shafer证据理论融合各不同子证据体,确定电力变压器状态等级。该装置能够更加全面的分析电力变压器的实时运行状态,有效提高电力变压器的实时运行状态判断结果的可靠性。
在本发明的一个实施例中,所述的基于数据融合的电力变压器状态评价装置,还包括:构建模块,用于选取N个所述状态评价变量,构建状态评价指标体系,其中,N为正整数。
在本发明的一个实施例中,所述相对劣化度公式具体包括:通过公式对成本型变量的归一化,通过公式对增益型变量的归一化,其中,xm为所述状态评价变量的测量值,xi为所述状态评价变量的初始值,xa为所述状态评价变量的阈值,xn为归一化参量。
在本发明的一个实施例中,所述的基于数据融合的电力变压器状态评价装置,所述第四处理模块具体用于:将所述各电力变压器状态等级隶属度作为基本信度函数值,通过计算,其中,mi(Aj)为子证据体j关于状态等级i的隶属度,ui(xr)为所述状态量隶属度,ω(xr)为所述状态评价变量的权重;通过折扣因子调整所述各子证据体所述基本信度函数值,获取基本信度函数值m’(A)和不确定证据的信度分配m’(Θ),通过计算,其中,α为折扣因子,且0<α<1。
在本发明的一个实施例中,所述判断模块具体包括:建立单元,用于基于所述Dempster-Shafer证据理论,基于所述电力变压器运行状态u建立所述电力变压器状态评价识别框架Θ,Θ={u1,u2,u3,u4,θ},其中θ为不确定度,u1为正常状态、u2为注意状态、u3为异常状态和u4为严重状态;获取单元,用于在所述基本信度函数值m’(A)和不确定证据的信度分配m’(Θ)基础上,根据Dempster-Shafer证据合成规则,获取多证据合成置信度函数值m(A);判断单元,用于所述m(A)应用基于可信度的决策方法,判断所述电力变压器运行状态处于正常状态、注意状态、异常状态或严重状态。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本申请一个实施例的基于数据融合的电力变压器状态评价方法的流程图;
图2是根据本申请一个实施例的基于数据融合的电力变压器状态评价装置的结构示意图;
图3是根据本申请一个实施例的基于数据融合的电力变压器状态评价模型。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本发明实施例的基于数据融合的电力变压器状态评价方法及装置。
图1是根据本申请一个实施例的基于数据融合的电力变压器状态评价方法的流程图。
如图1所示,该方法可以包括:
S1,选择电力变压器运行状态的状态评价变量,确定状态评价变量的初值和阈值。
具体地,获取电力变压器运行状态中的状态评价变量,再确定状态评价变量的初值和阈值,阈值可以是电力标准中规定的,初值可以通过试验获得。
举例而言,可以根据高敏感性、高度可靠性、实用性、相互独立性及容易测量性,可以从油色谱分析、油化实验、电气实验、关键气体在线监测等数据源分别选择总烃量、氢气含量、乙炔含量、绝缘油介损、绝缘油击穿电压、绝缘油微水量、绝缘油酚醛量、绕组直阻不平衡系数、绕组介损、极化指数、铁芯接地电流、总烃产气速率、氢气产气速率、乙炔产气速率等共计14个状态评价变量作为实例描述。获取电力变压器运行状态的状态评价变量的测量值、初值和阈值如表1所示:
表1电力变压器运行状态的状态评价变量的测量值、初值和阈值
S2,根据状态评价变量的初值和阈值通过相对劣化度公式对状态评价变量进行归一化处理,以得到归一化参量。
需要说明的是,在本发明的一个实施例中,选取N个状态评价变量,构建状态评价指标体系,其中,N为正整数。根据状态评价指标体系的特征,可以分为效益型指标和成本性指标。在本发明的一个实施例中,击穿电压与极化指数可以为成本型变量,其余变量可以为效益型变量。
在本发明的一个实施例中,相对劣化度公式具体包括:通过公式对成本型变量的归一化,通过公式对增益型变量的归一化,其中,xm所述状态评价变量的测量值,xi为所述状态评价变量的初始值,xa为所述状态评价变量的阈值,xn为归一化参量。
举例而言,根据表1中的状态评价变量的初值和阈值通过相对劣化度公式对表1中的状态评价变量的测量值进行归一化处理,以得到归一化参量,如表2所示:
表2状态评价变量的测量值归一化后的归一化参量
S3,基于模糊理论得到归一化参量处于各电力变压器状态等级的状态量隶属度。
具体地,根据模糊理论中对隶属度函数的描述,可以选择岭型分布函数通过公式(1)-(4)计算归一化参量处于各电力变压器状态等级的隶属度u(xn),(i=1,2,3,4),其中xn为归一化参量;a1~a6可以为归一化参量隶属于各电力变压器状态等级的边界值,例如,a1~a6的分别为0.1、0.3、0.4、0.6、0.7和0.9;各状态等级u1~u4的变化区间为0~0.3、0.1~0.6/0.4~0.9和0.7~1。
需要说明的是,在本发明的一个实施例中,电力变压器状态等级可以为电力变压器状态等级。
举例而言,通过岭型分布函数计算表2中的归一化参量处于各电力变压器状态等级的隶属度,如表3所示:
表3归一化参量处于各电力变压器状态等级的状态量隶属度
S4,通过层次分析法得到各子证据体中状态评价变量的权重。
具体地,举例,通过层次分析法计算各子证据体的权重ω(xr),各证据体权重ω(xr)如表4所示:
表4各子证据体中状态评价变量的权重
在本发明的一个实施例中,子证据体包括油色谱状态量、绝缘油试验状态量、电气试验状态量与油色谱变化趋势。
S5,根据状态量隶属度与状态评价变量的权重得到各子证据体对各电力变压器状态等级隶属度。
通过状态量隶属度u(xn)与状态评价变量的权重ω(xr),利用合成公式计算各子证据体对各电力变压器状态等级隶属度,并将其作为基本信度函数值m(A);基于折扣因子调整各子证据体基本信度函数值m(A),得到基本信度函数值m’(A)和不确定证据的信度分配m’(Θ);通过公式可计算的各子证据体中评价指标的隶属度,即基本概率赋值BPA,并将其作为基本信度函数值m(A),其中,其中,表示融合过程中各证据之间的冲突程度,1-k称为归一化因子,可以避免在组合过程中将非零的概率分配给空集;通过公式m'(A)=αm(A)和m'(Θ)=1-α,调整调整各子证据体基本信度函数值,得到基本信度函数值m’(A)和不确定证据的信度分配m’(Θ),举例,折扣因子可以为α=[0.9,0.53,0.83,0.68],那么调整后的基本信度函数值和不确定证据的信度分配值如下表5所示:
表5基本信度函数值调整前与调整后
S6,通过Dempster-Shafer证据理论融合各不同子证据体,以判断电力变压器运行状态处于正常状态、注意状态、异常状态或严重状态。
具体地,电力变压器运行状态可以分为正常状态S1、注意状态S2、异常状态S3或严重状态S4。具体如表6所示:
表6电力变压器状态等级划分
通过Dempster-Shafer证据理论,建立识别框架,基于基本信度函数值m’(A)和不确定争取信度分配值m’(Θ),通过证据合成公式融合所有子证据体相关数据,得到综合评价结果;基于可信度的决策方法,举例表示,决策方法具体如下所示:针对数据融合结果后的信度函数值m(A1)和m(A2)有:
当满足以下条件时,则选择m(A1)为变压器状态评价最终结果,
其中ε1、ε2为评价阈值;确定决策阈值ε1、ε2,对综合评价结果进行判定,在满足阈值条件前提下,给定最终状态评价结果;在本发明的实施例中,计算结果如下表7所示:
表7多证据体融合计算结果
基于可信度的决策方法,可以选择ε1=0.5、ε2=0.1,通过表7可以知道。
在未融合产气率证据体时,无法进行有效决策;在融合产气率证据体后满足决策要求,可得最终决策结果:电力变压器处于注意状态,可继续运行,但应当加强监视。
本申请实施例的基于数据融合的电力变压器状态评价方法,根据获取的电力变压器运行状态的状态评价变量的初值与阈值通过相对劣化度公式对状态评价变量进行归一化处理得到归一化参量,然后基于模糊理论得到归一化参量处于各电力变压器状态等级的状态量隶属度,再利用层次分析法得到各子证据体中状态评价变量的权重,再根据状态量隶属度与状态评价变量的权重得到各子证据体对各电力变压器状态等级隶属度,最后通过Dempster-Shafer证据理论融合各不同子证据体,确定电力变压器状态等级。该方法能够更加全面的分析电力变压器的实时运行状态,有效提高电力变压器的实时运行状态判断结果的可靠性。
为了实现上述实施例,本发明还提出了基于数据融合的电力变压器状态评价装置。
图2是据本发明一个实施例的基于数据融合的电力变压器状态评价装置的结构示意图。
如图2,该基于数据融合的电力变压器状态评价装置可以包括选择模块10、确定模块20、第一处理模块30、第二处理模块40、第三处理模块50、第四处理模块60和判断模块70,其中:
选择模块10用于选择电力变压器运行状态的状态评价变量。
确定模块20用于确定状态评价变量的初值和阈值
第一处理模块30用于根所述状态评价变量的初值和阈值通过相对劣化度公式对状态评价变量进行归一化处理,以得到归一化参量。
第二处理模块40基于模糊理论得到归一化参量处于各电力变压器状态等级的状态量隶属度。
第三处理模块50通过层次分析法得到特征参量中各子证据体中状态评价变量的权重。
第四处理模块60根据状态量隶属度与状态评价变量的权重得到各子证据体对各电力变压器状态等级隶属度。
判断模块70通过Dempster-Shafer证据理论融合各不同子证据体,以判断电力变压器运行状态处于正常状态、注意状态、异常状态或严重状态。
在本发明的一个实施例中,基于数据融合的电力变压器状态评价装置,其还包括:构建模块80用于选取N个状态评价变量,构建状态评价指标体系,其中,N为正整数。
在本发明的一个实施例中,相对劣化度公式具体包括:通过公式对成本型变量的归一化,通过公式对增益型变量的归一化,其中,xm为状态评价变量的测量值,xi为状态评价变量的初始值,xa为状态评价变量的阈值,xn为归一化参量。
在本发明的一个实施例中,基于数据融合的电力变压器状态评价装置,还包括:第四处理模块50具体用于将各电力变压器状态等级隶属度作为基本信度函数值,通过计算,其中,mi(Aj)为子证据体j关于状态等级i的基本概率赋值BPA,ui(xr)为状态量隶属度,ω(xr)为状态评价变量的权重;第六处理模块80通过折扣因子调整各子证据体所述基本信度函数值,获取基本信度函数值m’(A)和不确定证据的信度分配m’(Θ),通过计算,其中,α为折扣因子,且0<α<1。
在本发明的一个实施例中,判断模块70包括:建立单元71基于Dempster-Shafer证据理论,基于电力变压器运行状态u建立电力变压器状态评价识别框架Θ,Θ={u1,u2,u3,u4,θ},其中θ为不确定度;获取单元72在基本信度函数值m’(A)和不确定证据的信度分配m’(Θ)基础上,根据Dempster-Shafer证据合成规则,获取多证据合成置信度函数值m(A);判断单元73,m(A)应用基于可信度的决策方法,判断电力变压器运行状态处于正常状态、注意状态、异常状态或严重状态。
需要说明的是,前述对基于数据融合的电力变压器状态评价方法实施例的解释说明也适用于该实施例的基于数据融合的电力变压器状态评价装置,此处不再赘述。
本申请实施例的基于数据融合的电力变压器状态评价装置,第一处理模块根据确定模块确定状态评价变量的初值和阈值通过相对劣化度公式对选择模块选择的电力变压器运行状态的状态评价变量进行归一化处理得到归一化参量,然后第二处理模块基于模糊理论得到归一化参量处于各电力变压器状态等级的状态量隶属度,第三处理模块再通过层次分析法得到各子证据体中状态评价变量的权重,第四处理模块再根据状态量隶属度与状态评价变量的权重得到各子证据体对各电力变压器状态等级隶属度,最后判断模块通过Dempster-Shafer证据理论融合各不同子证据体,确定电力变压器状态等级。该装置能够更加全面的分析电力变压器的实时运行状态,有效提高电力变压器的实时运行状态判断结果的可靠性。
图3是根据本申请一个实施例的基于数据融合的电力变压器状态评价模型。
如图3所示,获取电力变压器运行状态的四个子证据体,分别为油色谱状态量、绝缘油试验状态量、电气试验状态量与油色谱变化趋势,再进行子证据体中的状态评价变量进行数据归一化,然后基于模糊理论,使用半峰半岭函数得到归一化参量处于各电力变压器状态等级的状态量隶属度;再通过层次分析法得到各子证据体中状态评价变量的权重,根据隶属度与权重计算各证据体关于状态评价等级的信度分配值;通过折扣因子的应用,计算出调整后的信度分配值和不确定证据信度分配值;最后通过Dempster-Shafer证据理论合成规则计算多证据体合成信度分配值,通过基于可信度的决策规则,最终确定电力变压器状态等级。能够更加全面的分析电力变压器的实时运行状态,有效提高电力变压器的实时运行状态判断结果的可靠性。
在本申请的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种基于数据融合的电力变压器状态评价方法,其特征在于,包括如下步骤:
选择电力变压器运行状态的状态评价变量,确定所述状态评价变量的初值和阈值;
根据所述状态评价变量的初值和阈值通过相对劣化度公式对所述状态评价变量进行归一化处理,以得到归一化参量;
基于模糊理论得到所述归一化参量处于各电力变压器状态等级的状态量隶属度;
通过层次分析法得到各子证据体中状态评价变量的权重;
根据所述状态量隶属度与所述状态评价变量的权重得到所述各子证据体对所述各电力变压器状态等级隶属度;以及
通过Dempster-Shafer证据理论融合各不同子证据体,以判断所述电力变压器运行状态处于正常状态、注意状态、异常状态或严重状态。
2.如权利要求1所述的基于数据融合的电力变压器状态评价方法,其特征在于,还包括:
选取N个所述状态评价变量,构建状态评价指标体系,其中,N为正整数。
3.如权利要求1所述的基于数据融合的电力变压器状态评价方法,其特征在于,所述相对劣化度公式具体包括:
通过公式对成本型变量的归一化,通过公式对增益型变量的归一化,其中,xm所述状态评价变量的测量值,xi为所述状态评价变量的初始值,xa为所述状态评价变量的阈值,xn为归一化参量。
4.如权利要求1所述的基于数据融合的电力变压器状态评价方法,其特征在于,所述根据所述状态量隶属度与所述状态评价变量的权重得到所述各子证据体对所述各电力变压器状态等级隶属度具体包括:
将所述各电力变压器状态等级隶属度作为基本信度函数值,通过计算,其中,mi(Aj)为子证据体j关于状态等级i的隶属度,ui(xr)为所述状态量隶属度,ω(xr)为所述状态评价变量的权重;
通过折扣因子调整所述各子证据体基本信度函数值,得到基本信度函数值m'(A)和不确定证据的信度分配m'(Θ),通过计算,其中α为折扣因子,且0<α≤1。
5.如权利要求1所述的基于数据融合的电力变压器状态评价方法,其特征在于,所述通过Dempster-Shafer证据理论融合各不同子证据体,以判断所述电力变压器运行状态处于正常状态、注意状态、异常状态或严重状态。具体包括:
基于所述Dempster-Shafer证据理论,基于所述电力变压器运行状态u建立所述电力变压器状态评价识别框架Θ,Θ={u1,u2,u3,u4,θ},其中,θ为不确定度,u1为正常状态、u2为注意状态、u3为异常状态和u4为严重状态;
在所述基本信度函数值m'(A)和不确定证据的信度分配m'(Θ)基础上,根据Dempster-Shafer证据合成规则,获得多证据合成置信度函数值m(A),所述m(A)应用基于可信度的决策方法,判断所述电力变压器运行状态处于正常状态、注意状态、异常状态或严重状态。
6.一种基于数据融合的电力变压器状态评价装置,其特征在于,包括如下:
选择模块,用于选择电力变压器运行状态的状态评价变量;
确定模块,用于确定所述状态评价变量的初值和阈值;
第一处理模块,用于根据所述状态评价变量的初值和阈值通过相对劣化度公式对所述状态评价变量进行归一化处理,以得到归一化参量;
第二处理模块,用于基于模糊理论得到所述归一化参量处于各电力变压器状态等级的状态量隶属度;
第三处理模块,用于通过层次分析法得到各子证据体中状态评价变量的权重;
第四处理模块,用于根据所述状态量隶属度与所述状态评价变量的权重得到所述各子证据体对所述各电力变压器状态等级隶属度;以及
判断模块,用于通过Dempster-Shafer证据理论融合各不同子证据体,以判断所述电力变压器运行状态处于正常状态、注意状态、异常状态或严重状态。
7.如权利要求1所述的基于数据融合的电力变压器状态评价装置,其特征在于,还包括:
构建模块,用于选取N个所述状态评价变量,构建状态评价指标体系,其中,N为正整数。
8.如权利要求6所述的基于数据融合的电力变压器状态评价装置,其特征在于,所述相对劣化度公式具体包括:
通过公式对成本型变量的归一化,通过公式对增益型变量的归一化,其中,xm为所述特征参量的测量值,xi为所述状态评价变量的初始值,xa为所述状态评价变量的阈值,xn为归一化参量。
9.如权利要求6所述的基于数据融合的电力变压器状态评价装置,其特征在于,所述第四处理模块具体用于:
将所述各电力变压器状态等级隶属度作为基本信度函数值,通过计算,其中,mi(Aj)为子证据体j关于状态等级i的隶属度,ui(xr)为所述状态量隶属度,ω(xr)为所述状态评价变量的权重;
通过折扣因子调整所述各子证据体所述基本信度函数值,获取基本信度函数值m’(A)和不确定证据的信度分配m’(Θ),通过计算,其中,α为折扣因子,且0<α<1。
10.如权利要求6所述的基于数据融合的电力变压器状态评价装置,其特征在于,所述判断模块具体包括:
建立单元,用于基于所述Dempster-Shafer证据理论,基于所述电力变压器运行状态u建立所述电力变压器状态评价识别框架Θ,Θ={u1,u2,u3,u4,θ},其中θ为不确定度,u1为正常状态、u2为注意状态、u3为异常状态和u4为严重状态;
获取单元,用于在所述基本信度函数值m’(A)和不确定证据的信度分配m’(Θ)基础上,根据Dempster-Shafer证据合成规则,获取多证据合成置信度函数值m(A);
判断单元,用于所述m(A)应用基于可信度的决策方法,判断所述电力变压器运行状态处于正常状态、注意状态、异常状态或严重状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610210347.8A CN105868912B (zh) | 2016-04-06 | 2016-04-06 | 基于数据融合的电力变压器状态评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610210347.8A CN105868912B (zh) | 2016-04-06 | 2016-04-06 | 基于数据融合的电力变压器状态评价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105868912A true CN105868912A (zh) | 2016-08-17 |
CN105868912B CN105868912B (zh) | 2021-02-12 |
Family
ID=56628264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610210347.8A Active CN105868912B (zh) | 2016-04-06 | 2016-04-06 | 基于数据融合的电力变压器状态评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105868912B (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106711961A (zh) * | 2017-01-05 | 2017-05-24 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 多维度评估交流滤波器小组断路器运行状态的方法 |
CN106780108A (zh) * | 2016-11-25 | 2017-05-31 | 武汉大学 | 一种基于改进证据推理融合的配电变压器状态评估方法 |
CN106780111A (zh) * | 2016-11-24 | 2017-05-31 | 广州供电局有限公司 | 输电电缆综合状态评估方法和系统 |
CN106930955A (zh) * | 2017-05-04 | 2017-07-07 | 深圳市创艺工业技术有限公司 | 环保节能污水抽排泵系统 |
CN106997489A (zh) * | 2017-03-09 | 2017-08-01 | 国家电网公司 | 基于证据理论的新型变阻抗变压器状态评估方法 |
CN107907783A (zh) * | 2017-12-19 | 2018-04-13 | 西安交通大学 | 基于模糊关联规则的变压器故障综合诊断系统及诊断方法 |
CN108053110A (zh) * | 2017-12-11 | 2018-05-18 | 辽宁欣科电气股份有限公司 | 一种基于pmu数据的变压器状态在线诊断方法 |
CN108197820A (zh) * | 2018-01-22 | 2018-06-22 | 东南大学 | 一种基于ds证据和变权理论的配电网可靠性关联和评价模型及其建立方法 |
CN108548974A (zh) * | 2018-04-28 | 2018-09-18 | 广东电网有限责任公司 | 基于时序动态视角的变压器状态评价方法及装置 |
CN108776804A (zh) * | 2018-04-24 | 2018-11-09 | 山东电力设备有限公司 | 一种基于便携式终端的变压器专业化检修方法 |
CN108802576A (zh) * | 2018-03-09 | 2018-11-13 | 国网山西省电力公司检修分公司 | 一种油浸式电容套管运行状态的主客观整合评估方法 |
CN109142516A (zh) * | 2018-08-28 | 2019-01-04 | 广东电网有限责任公司 | 一种变压器油状态在线评估方法及装置 |
CN109409648A (zh) * | 2018-09-10 | 2019-03-01 | 平安科技(深圳)有限公司 | 理赔风控方法、装置、计算机设备及存储介质 |
CN109657872A (zh) * | 2018-12-29 | 2019-04-19 | 云南电网有限责任公司电力科学研究院 | 一种配网变压器运行状态的预测方法 |
CN109711663A (zh) * | 2018-11-15 | 2019-05-03 | 国网山东省电力公司淄博供电公司 | 基于大数据分析的变电站油浸式变压器状态评估与修正方法及系统 |
CN110210701A (zh) * | 2019-04-23 | 2019-09-06 | 贵州电网有限责任公司 | 一种电网设备风险感知方法 |
CN110568301A (zh) * | 2019-09-16 | 2019-12-13 | 国网河北省电力有限公司电力科学研究院 | 一种基于变压器状态量有效检出率的检测模式预判方法 |
CN110988745A (zh) * | 2019-11-12 | 2020-04-10 | 中国海洋石油集团有限公司 | 一种海上平台干式变压器运行状态评估方法及系统 |
CN111047173A (zh) * | 2019-12-05 | 2020-04-21 | 国网河南省电力公司 | 基于改进d-s证据理论的社团可信度评估方法 |
CN111980900A (zh) * | 2020-07-15 | 2020-11-24 | 湘潭中环水务有限公司 | 一种基于多源数据融合分析的水泵故障诊断方法 |
CN112541682A (zh) * | 2020-12-16 | 2021-03-23 | 济南置真电气有限公司 | 一种真空断路器状态综合评估方法 |
CN112668905A (zh) * | 2020-12-31 | 2021-04-16 | 广东电网有限责任公司广州供电局 | 多参数配电电缆健康状态评估方法、装置、计算机设备和存储介质 |
CN112749882A (zh) * | 2020-12-28 | 2021-05-04 | 广东电网有限责任公司佛山供电局 | 一种基于云模型和模糊证据推理的变压器状态评价方法 |
CN112966990A (zh) * | 2021-05-18 | 2021-06-15 | 国网江西省电力有限公司电力科学研究院 | 一种变电设备综合状态评价方法 |
CN113589199A (zh) * | 2021-06-28 | 2021-11-02 | 国网浙江省电力有限公司紧水滩水力发电厂 | 一种变压器状态评估方法 |
CN117495207A (zh) * | 2023-12-29 | 2024-02-02 | 国网四川省电力公司超高压分公司 | 电力变压器健康状态评价方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103926491A (zh) * | 2014-04-21 | 2014-07-16 | 国家电网公司 | 一种计及直流偏磁影响的变压器状态评估方法 |
-
2016
- 2016-04-06 CN CN201610210347.8A patent/CN105868912B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103926491A (zh) * | 2014-04-21 | 2014-07-16 | 国家电网公司 | 一种计及直流偏磁影响的变压器状态评估方法 |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780111A (zh) * | 2016-11-24 | 2017-05-31 | 广州供电局有限公司 | 输电电缆综合状态评估方法和系统 |
CN106780108A (zh) * | 2016-11-25 | 2017-05-31 | 武汉大学 | 一种基于改进证据推理融合的配电变压器状态评估方法 |
CN106711961A (zh) * | 2017-01-05 | 2017-05-24 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 多维度评估交流滤波器小组断路器运行状态的方法 |
CN106997489A (zh) * | 2017-03-09 | 2017-08-01 | 国家电网公司 | 基于证据理论的新型变阻抗变压器状态评估方法 |
CN106930955A (zh) * | 2017-05-04 | 2017-07-07 | 深圳市创艺工业技术有限公司 | 环保节能污水抽排泵系统 |
CN108053110A (zh) * | 2017-12-11 | 2018-05-18 | 辽宁欣科电气股份有限公司 | 一种基于pmu数据的变压器状态在线诊断方法 |
CN108053110B (zh) * | 2017-12-11 | 2021-12-28 | 辽宁欣科电气股份有限公司 | 一种基于pmu数据的变压器状态在线诊断方法 |
CN107907783A (zh) * | 2017-12-19 | 2018-04-13 | 西安交通大学 | 基于模糊关联规则的变压器故障综合诊断系统及诊断方法 |
CN107907783B (zh) * | 2017-12-19 | 2019-08-13 | 西安交通大学 | 基于模糊关联规则的变压器故障综合诊断系统及诊断方法 |
CN108197820A (zh) * | 2018-01-22 | 2018-06-22 | 东南大学 | 一种基于ds证据和变权理论的配电网可靠性关联和评价模型及其建立方法 |
CN108197820B (zh) * | 2018-01-22 | 2021-12-21 | 东南大学 | 一种配电网可靠性关联关系模型的建立方法 |
CN108802576A (zh) * | 2018-03-09 | 2018-11-13 | 国网山西省电力公司检修分公司 | 一种油浸式电容套管运行状态的主客观整合评估方法 |
CN108802576B (zh) * | 2018-03-09 | 2021-08-27 | 国网山西省电力公司检修分公司 | 一种油浸式电容套管运行状态的主客观整合评估方法 |
CN108776804A (zh) * | 2018-04-24 | 2018-11-09 | 山东电力设备有限公司 | 一种基于便携式终端的变压器专业化检修方法 |
CN108548974A (zh) * | 2018-04-28 | 2018-09-18 | 广东电网有限责任公司 | 基于时序动态视角的变压器状态评价方法及装置 |
CN109142516A (zh) * | 2018-08-28 | 2019-01-04 | 广东电网有限责任公司 | 一种变压器油状态在线评估方法及装置 |
CN109142516B (zh) * | 2018-08-28 | 2020-11-17 | 广东电网有限责任公司 | 一种变压器油状态在线评估方法及装置 |
CN109409648A (zh) * | 2018-09-10 | 2019-03-01 | 平安科技(深圳)有限公司 | 理赔风控方法、装置、计算机设备及存储介质 |
CN109711663A (zh) * | 2018-11-15 | 2019-05-03 | 国网山东省电力公司淄博供电公司 | 基于大数据分析的变电站油浸式变压器状态评估与修正方法及系统 |
CN109711663B (zh) * | 2018-11-15 | 2021-03-02 | 国网山东省电力公司淄博供电公司 | 基于大数据分析的变电站油浸式变压器状态评估与修正方法及系统 |
CN109657872A (zh) * | 2018-12-29 | 2019-04-19 | 云南电网有限责任公司电力科学研究院 | 一种配网变压器运行状态的预测方法 |
CN110210701A (zh) * | 2019-04-23 | 2019-09-06 | 贵州电网有限责任公司 | 一种电网设备风险感知方法 |
CN110568301A (zh) * | 2019-09-16 | 2019-12-13 | 国网河北省电力有限公司电力科学研究院 | 一种基于变压器状态量有效检出率的检测模式预判方法 |
CN110988745A (zh) * | 2019-11-12 | 2020-04-10 | 中国海洋石油集团有限公司 | 一种海上平台干式变压器运行状态评估方法及系统 |
CN111047173B (zh) * | 2019-12-05 | 2022-09-09 | 国网河南省电力公司 | 基于改进d-s证据理论的社团可信度评估方法 |
CN111047173A (zh) * | 2019-12-05 | 2020-04-21 | 国网河南省电力公司 | 基于改进d-s证据理论的社团可信度评估方法 |
CN111980900A (zh) * | 2020-07-15 | 2020-11-24 | 湘潭中环水务有限公司 | 一种基于多源数据融合分析的水泵故障诊断方法 |
CN111980900B (zh) * | 2020-07-15 | 2022-04-15 | 湘潭中环水务有限公司 | 一种基于多源数据融合分析的水泵故障诊断方法 |
CN112541682A (zh) * | 2020-12-16 | 2021-03-23 | 济南置真电气有限公司 | 一种真空断路器状态综合评估方法 |
CN112749882A (zh) * | 2020-12-28 | 2021-05-04 | 广东电网有限责任公司佛山供电局 | 一种基于云模型和模糊证据推理的变压器状态评价方法 |
CN112668905A (zh) * | 2020-12-31 | 2021-04-16 | 广东电网有限责任公司广州供电局 | 多参数配电电缆健康状态评估方法、装置、计算机设备和存储介质 |
CN112668905B (zh) * | 2020-12-31 | 2022-10-25 | 广东电网有限责任公司广州供电局 | 多参数配电电缆健康状态评估方法、装置、计算机设备和存储介质 |
CN112966990B (zh) * | 2021-05-18 | 2021-09-10 | 国网江西省电力有限公司电力科学研究院 | 一种变电设备综合状态评价方法 |
CN112966990A (zh) * | 2021-05-18 | 2021-06-15 | 国网江西省电力有限公司电力科学研究院 | 一种变电设备综合状态评价方法 |
CN113589199A (zh) * | 2021-06-28 | 2021-11-02 | 国网浙江省电力有限公司紧水滩水力发电厂 | 一种变压器状态评估方法 |
CN117495207A (zh) * | 2023-12-29 | 2024-02-02 | 国网四川省电力公司超高压分公司 | 电力变压器健康状态评价方法 |
CN117495207B (zh) * | 2023-12-29 | 2024-03-22 | 国网四川省电力公司超高压分公司 | 电力变压器健康状态评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105868912B (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105868912A (zh) | 基于数据融合的电力变压器状态评价方法及装置 | |
Huang et al. | Dissolved gas analysis of mineral oil for power transformer fault diagnosis using fuzzy logic | |
CN103778575B (zh) | 变压器状态评估方法及系统 | |
CN102289590B (zh) | Sf6高压断路器运行状态评估方法及智能系统 | |
CN104535865A (zh) | 基于多参数的电力变压器运行故障综合诊断方法 | |
CN105956779A (zh) | 电力变压器运行状态评估方法和装置 | |
CN107734512A (zh) | 一种基于灰度关联层次分析的网络选择方法 | |
CN110333414A (zh) | 电力变压器多层次状态评估方法 | |
CN103926490B (zh) | 一种具有自学习功能的电力变压器综合诊断方法 | |
CN106651189A (zh) | 一种基于多层复合规则的变压器状态评价方法 | |
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 | |
CN206312210U (zh) | 一种配电网设备的状态评估系统 | |
Alqudsi et al. | Assessing the power transformer insulation health condition using a feature-reduced predictor mode | |
CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
CN106295240A (zh) | 一种基于模糊数学的电力变压器状态评估方法 | |
CN103440410A (zh) | 主变个体缺陷概率预测方法 | |
CN106780108A (zh) | 一种基于改进证据推理融合的配电变压器状态评估方法 | |
Catterson et al. | The impact of smart grid technology on dielectrics and electrical insulation | |
CN106126875A (zh) | 一种基于态势感知理论的变压器状态评估方法 | |
Milosavljevic et al. | Integrated transformer health estimation methodology based on Markov chains and evidential reasoning | |
CN113610401B (zh) | 牵引供电变压器的状态评估方法 | |
CN105741184A (zh) | 一种变压器状态评估方法及装置 | |
Kari et al. | Condition assessment of power transformer using fuzzy and evidential theory | |
Khalyasmaa et al. | Training samples construction for energy utilities operational assets management | |
CN111047461A (zh) | 一种直流多微网的黑启动方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231019 Address after: 100084 Tsinghua Yuan, Beijing, Haidian District Patentee after: TSINGHUA University Patentee after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd. Address before: 100084-82 box 100084, Beijing, Haidian District Patentee before: TSINGHUA University Patentee before: GUANGZHOU POWER SUPPLY Co.,Ltd. |
|
TR01 | Transfer of patent right |