CN106021759B - 变压器故障识别方法及系统 - Google Patents
变压器故障识别方法及系统 Download PDFInfo
- Publication number
- CN106021759B CN106021759B CN201610363442.1A CN201610363442A CN106021759B CN 106021759 B CN106021759 B CN 106021759B CN 201610363442 A CN201610363442 A CN 201610363442A CN 106021759 B CN106021759 B CN 106021759B
- Authority
- CN
- China
- Prior art keywords
- transformer
- temperature
- oil
- coefficient value
- heat
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000020169 heat generation Effects 0.000 claims description 33
- 230000007613 environmental effect Effects 0.000 claims description 18
- 238000009792 diffusion process Methods 0.000 claims description 17
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 12
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 7
- 229910052802 copper Inorganic materials 0.000 claims description 7
- 239000010949 copper Substances 0.000 claims description 7
- 229910052742 iron Inorganic materials 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明涉及一种变压器故障识别方法及系统，该方法及系统基于变压器的等效油‑气热模型，根据变压器的历史顶层油温和历史环境温度对等效油‑气热模型的系数值进行求解，进而得到变压器的温度参数，再根据温度参数与温度阈值的比较结果判断变压器是否即将发生故障，从而实现对变压器是否可能发生故障进行预测。由于本发明采用历史温度推导计算热模型的系数值，使得对变压器热模型的计算求解更加精确，同时能够很好地抵御白噪声的影响，进而使得对变压器的故障识别更加精准和稳定，通过实施本发明所提出的变压器故障识别方法及系统，可帮助工作人员对可能发生故障的变压器进行及时的检修和维护，从而进一步保障电力系统的安全正常运行。
Description
技术领域
本发明涉及电力系统技术领域，特别是涉及一种变压器故障识别方法及系统。
背景技术
电力变压器是电网中能量转换与传输的核心，是电网中非常重要的设备之一，能否保证电力变压器的安全、可靠、经济运行将对整个电网产生至关重要的影响，因此变压器的故障状态监测是保证电网安全可靠运行的重要内容之一。通常情况下，变压器的寿命主要取决于其绝缘系统的寿命，而绝缘系统的寿命又受到例如温度故障、电子故障以及机械故障等方面的影响或者其组合影响，其中温度故障对变压器的绝缘系统的寿命的影响尤为显著，其对绝缘系统的寿命的影响一般较为持久和严重。
目前，在电力系统技术领域，对变压器的故障状态监测往往利用检测装置对变压器的各项物理参数的实时检测实现，一旦检测装置发生故障，变压器的故障状态监测将受到严重影响，而且，目前对变压器的状态监测通常采用监测油中故障气体浓度的方法，但是这种监测方法对变压器顶层油温的预测偏差较大，无法对变压器的是否可能发生故障作出及时准确的判断。
发明内容
基于此，有必要针对现有的变压器故障状态监测方法无法及时准确地判断变压器是否即将发生故障的问题，提供一种变压器故障识别方法及系统。
为解决上述问题，本发明采取如下的技术方案：
一种变压器故障识别方法，所述方法包括以下步骤：
建立时间连续性的变压器等效油-气热模型；
获取所述变压器的历史顶层油温和历史环境温度；
根据所述历史顶层油温和所述历史环境温度计算所述等效油-气热模型的系数值，所述系数值包括负载产热系数值、扩散对流热量系数值和空载损耗产热系数值；
根据所述负载产热系数值、所述扩散对流热量系数值和所述空载损耗产热系数值计算所述变压器的温度参数；
根据所述温度参数与温度阈值的比较结果判断所述变压器是否故障。
相应地，本发明还提出一种变压器故障识别系统，所述系统包括：
建模单元，用于建立时间连续性的变压器等效油-气热模型；
获取单元，用于获取所述变压器的历史顶层油温和历史环境温度；
计算单元，用于根据所述历史顶层油温和所述历史环境温度计算所述等效油-气热模型的系数值，所述系数值包括负载产热系数值、扩散对流热量系数值和空载损耗产热系数值，以及根据所述负载产热系数值、所述扩散对流热量系数值和所述空载损耗产热系数值计算所述变压器的温度参数；
判断单元，用于根据所述温度参数与温度阈值的比较结果判断所述变压器是否故障。
上述变压器故障识别方法及系统克服了现有技术中对变压器的状态监测无法对变压器是否可能发生故障作出及时准确的预测的缺陷，本发明所提出的变压器故障识别方法及系统能够基于变压器的等效油-气热模型，根据变压器的历史顶层油温和历史环境温度对等效油-气热模型的系数值进行求解，进而得到变压器的温度参数，再根据温度参数与温度阈值的比较结果判断变压器是否即将发生故障，从而实现对变压器是否可能发生故障进行预测。由于本发明采用历史温度推导计算热模型的系数值，使得对变压器热模型的计算求解更加精确，同时能够很好地抵御白噪声的影响，进而使得对变压器的故障识别更加精准和稳定，通过实施本发明所提出的变压器故障识别方法及系统，可帮助工作人员对可能发生故障的变压器进行及时的检修和维护，从而进一步保障电力系统的安全正常运行。
附图说明
图1为本发明其中一个实施例中变压器故障识别方法的流程示意图；
图2为本发明实施例中等效油-气热模型的模型电路图；
图3为本发明其中一个实施例中变压器故障识别系统的结构示意图。
具体实施方式
下面将结合附图及较佳实施例对本发明的技术方案进行详细描述。
在其中一个实施例中，参见图1所示，一种变压器故障识别方法，该方法包括以下步骤：
S100建立时间连续性的变压器等效油-气热模型；
S200获取所述变压器的历史顶层油温和历史环境温度；
S300根据所述历史顶层油温和所述历史环境温度计算所述等效油-气热模型的系数值，所述系数值包括负载产热系数值、扩散对流热量系数值和空载损耗产热系数值；
S400根据所述负载产热系数值、所述扩散对流热量系数值和所述空载损耗产热系数值计算所述变压器的温度参数；
S500根据所述温度参数与温度阈值的比较结果判断所述变压器是否故障。
具体地，在本实施例中，作为一种具体的实施方式，等效油-气热模型的模型电路如图2所示，等效油-气热模型为变压器的输出热量等于变压器空载时铁损产生的热量与变压器负载为L时铜损产生的热量二者之和再减去改变变压器的油温时损耗的热量。在图2所示的模型电路中，铜耗和铁耗是热量来源，Rth是油-气热敏电阻，Cth是变压器的等效电容，θtop是顶层油温，θamb是环境温度，等效油-气热模型为
qout＝qfe+qcu-qoil (1)
其中，qout是变压器的输出热量，qfe是变压器空载时铁损产生的热量，qcu是变压器负载为L时铜损产生的热量，qoil是改变变压器的油温时损耗的热量。
在获取变压器的历史顶层油温和历史环境温度的步骤之前，作为其中一种具体的实施方式，利用热电偶、热电阻或者热敏电阻中的任意一种测量变压器的顶层油温，得到变压器的历史顶层油温；对于历史环境温度的测量，可以利用例如温度传感器等测量变压器所处环境的温度并对采集到的数据进行存储，进而得到变压器的历史环境温度。将采集到的变压器的历史顶层油温和历史环境温度代入上述的等效油-气热模型后，得到
整理后有：
其中，θtop是顶层油温，θamb是环境温度，Rth是油-气热电阻，Cth是变压器的等效热电容，τoil＝Cth·Rth为油时间常数。
获取变压器的历史顶层油温和历史环境温度并将历史顶层油温和环境温度代入等效油-气热模型后，计算等效油-气热模型的系数值，作为其中一种具体的实施方式，根据历史顶层油温和历史环境温度计算等效油-气热模型的系数值的过程包括：首先利用积分离散化规则将等效油-气热模型进行离散化处理，然后再利用已获取的历史顶层油温、历史环境温度和线性回归方法求取离散化处理后的等效油-气热模型的系数值，具体地，
将变压器在负载L下的最终的顶层油温升记为Δθu，根据传热学规律，温度差等于热阻值与热量的乘积，于是有Δθu＝Rth.(qfe+qcu)，将其代入公式(3)，则有：
将变压器在额定负载FL下的顶层油温与环境温度的差记为Δθfl，相应地有Δθfl＝Rth.(qfe+qcu-fl)，其中qcu-fl为额定负载FL下铜损产生的热量，而qfe几乎不随着负载大小变化而发生变化。根据IEEE油浸式变压器导则模型(IEEE Std C57.91-1995)，Δθu和Δθfl两者存在如下关系：
其中，β＝qcu-fl/qfe，I为变压器的实际负载占额定负载的比率，即I＝L/FL，将公式(5)代入公式(4)，上述微分方程可整理得：
其中，n是经验系数。对于线性模型，n＝1。
将等式(6)两边积分后有：
因此有(其中n＝1)：
则
将区间[0,t]划分成k等分，每等分的步长记为Δt，t＝kΔt，用矩形对公式(9)进行近似之后得到：
等式(10)两边同时加上整理后有：
令则有公式(12)：
假设有N个测量数据，每个数据的持续时间为Δt，选取能够容纳Nw个测量数据的滑动窗口作为接收窗口，当长度固定的滑动窗口的持续时间为Tw＝Nw*Δt，假设某时刻滑动窗口正在接收的第一个数据编号为j-Nw，正在接收的最后一个数据编号为j，那么j的取值范围是Nw≤j≤N，数据编号j-Nw对应的顶层油温为θtop(j-Nw)，数据编号j对应的顶层油温为θtop(j)，利用公式(13)分别求得θtop(j)和θtop(j-Nw)后，对其进行作差，于是有：
其中，k1、k2和k3即为等效油-气热模型的系数值，其中负载产热系数值k1表示在采样间隔Δt内的负载产热，扩散对流热量系数值k2表示扩散对流外界环境空气中的热量，空载损耗产热系数值k3表示空载损耗所产热量。
在变压器温度参数的求解上，利用公式(13)计算出来的结果更加精准，其中一个很重要的原因是将温度总和与电流应用到公式中，因为这样可以减少白噪声干扰。利用线性回归方法结合已知的历史环境温度和历史顶层油温的离散数据，可以估计出式(13)中的系数k1，k2，k3的值，由于系数k1，k2，k3满足如下的关系：
因此，在估计出等效油-气热模型的系数值即系数k1，k2，k3的值后，根据公式(14)、公式(15)和公式(16)即能够计算出变压器的温度参数，如变压器的顶层油温，或者顶层油温与环境温度的差。
最后，根据温度参数与温度阈值的比较结果判断变压器是否故障。目前，对变压器的状态监测通常采用监测油中故障气体浓度的方法，但是这种监测方法对变压器顶层油温的预测偏差较大，无法对变压器是否可能发生故障进行及时准确的预测，基于此，本实施例中变压器故障识别方法根据计算得到的变压器的温度参数与温度阈值的比较结果判断变压器是否可能发生故障，用于判断变压器是否可能发生故障的温度参数有多种，作为其中一种具体的实施方式，本实施方式利用顶层油温作为温度参数来判断变压器是否故障，即本实施方式中的温度参数为变压器的顶层油温，将变压器的顶层油温与温度阈值进行比较，若前者明显高于后者，则表明变压器过热，判定变压器可能发生故障。同时，变压器顶层油温等效油-气热模型还有明显的物理意义，如在线监测变压器的顶层油温可定期辨识满载最大油温这个参数，从变化趋势判断变压器的运行状况，如温升变大反映变压器散热状况变差，可能是风扇系统出了问题，或是冷却回路淤积油泥。
上述实施例所提出的变压器故障识别方法克服了现有技术中对变压器的状态监测无法对变压器是否可能发生故障作出及时准确的预测的缺陷，基于变压器的等效油-气热模型，根据变压器的历史顶层油温和历史环境温度对等效油-气热模型的系数值进行求解，进而得到变压器的温度参数，再根据温度参数与温度阈值的比较结果判断变压器是否即将发生故障，从而实现对变压器是否可能发生故障进行预测。由于本发明采用历史温度推导计算热模型的系数值，使得对变压器热模型的计算求解更加精确，同时能够很好地抵御白噪声的影响，进而使得对变压器的故障识别更加精准和稳定，通过实施本发明所提出的变压器故障识别方法，可帮助工作人员对可能发生故障的变压器进行及时的检修和维护，从而进一步保障电力系统的安全正常运行。
更进一步地，在本发明中，根据等效油-气热模型的负载产热系数值、扩散对流热量系数值和空载损耗产热系数值计算变压器在不同负载、不同环境温度下的顶层油温。本实施方式的具体过程为：
首先，将式(13)写成矩阵形式：
根据j的取值范围是Nw≤j≤N，将j＝Nw,Nw+1,Nw+2,...,N-1,N等总共N-Nw+1组数据依次代入式(17)，得到式(18)：
简化为式(19)：
这里的XX是回归矩阵，有3列，N-Nw+1个回归向量；ΘΘ是测量(观察)向量，K3×1是一个未知系数向量，应用LSE算法的最小残差平方和来求这个系数，则有：
其中，r(.)是测量输出与预测输出的差值，θtop(.)是顶层油温的测量值，是顶层油温的，LSE算法使得有：
根据已经计算出的系数值k1，k2，k3，结合式(18)中顶层油温的关系式，可以计算出不同负载、不同环境温度下的顶层油温，因此本发明所提出的变压器故障识别方法可以对变压器在不同状态下的顶层油温进行准确的预测，符合变压器的实际工作条件，对不同负载、不同环境温度下的变压器是否可能发生故障均可进行判断。
虽然公式(7)-(12)与公式(6)都是由相同的微分方程推导过来，但是公式(7)-(12)计算的回归向量不同以往，本发明所提出的等效油-气热模型具有更低的噪声。下面将对等效油-气热模型的可变性和噪声进行较为详细的分析：一些研究从测量领域数据中报道了在计算参数(k1-k3)时有意义的变形，即使取自同一台变压器的数据，这些变化也比预期的大得多，导致这种变化的非常重要的一个原因就是噪声，例如在环境温度或者负载数据中加噪声比在油温数据中加噪声对参数的影响小；另外，噪声的强度增大会导致参数(k1-k3)单调的变化。最后，不管数据量的多少，对于传统的热方程，噪声幅度的原因不可能将参数(k1-k3)缩小在一个很小的变化范围内，而本发明提出的新的热模型就改变了这一现状。
在公式(11)中从相关参数中减去平均值重新整理公式(15)和(16)后带入公式(18)后得：
在算出k1和k2以后，参数k3可定义为：
同时，从公式(13)中减去相关参数的平均值重新整理方程(17)和(18)，从本文提出的算法，可得相关方程：
因此k3可定义为：
相关的k1和k2通过以下两直线的交点计算得出：
直线1：
直线2：
上述过程同样适用于新提出的方程(23)，此处不再赘述。
所有测量所得的温度数据和电流数据都有一些嵌入的噪声，这些噪声数量很少，但是能导致算出的参数产生很大的跃变。
为了减弱噪声影响，假定将偏差为σ的噪声NI(.)，均匀分布于油温数据中，因此回归矩阵(X,XX)变成：
x′1(i)＝x1(i)-NI(i-1) (28)
Δθ′top(i)＝Δθtop(i)+NI(i)-NI(i-1) (29)
Δθθ′top(i)＝Δθθtop(i)+NI(i)-NI(i-Nw) (31)
假设测量点数据(N)足够大，忽略温度和负载噪声直接的协方差，则新变量的方差和协方差为：
var(x′1)≈var(x1)+σ2 (32)
cov(x′1,Δθ′top)≈cov(x1,Δθtop)+σ2 (33)
cov(xx′1,Δθθ′top)≈cov(xx1,Δθθtop)+σ2 (35)
很明显，在公式(13)中将相关变量应用到本发明，(Δθθtop,xx1,xx2)的值比在传统方法中要大，因此计算方差和协方差要比传统方法要大，同时，表明在公式(31)-(34)中表明本发明的计算方法的计算改变要小。将公式(31)和公式(33)对比可得，虽然误差var(xx1)变大，但是变化值变小，另一方面，公式(32)中cov(x′1,Δθ′top)的变化和公式(34)中cov(xx′1,Δθθ′top)的变化值相同，由于噪声的原因，我们知道后者应该比前者更大。所以在cov(xx′1,Δθθ′top)的相关变化更接近。本发明中的关键步骤是选择合适的窗口长度(Tw)。基于我们的一些研究，窗口的长度和τiol的结果在可接受的性能内相匹配。
前述的直线2(几乎)是不受噪声影响的，但是，在传统方法中，直线1的分子和分母会有σ2的变化，从而导致k1和k2的计算结果会有所增加。抛开数据的长度不说，传统方法不可能将系数的协方差缩小到有限变化范围内，但是，传统方法和本发明所提出的方法的不同点在于增加cov(xx1,Δθθtop)的能力，同时在直线1中噪声的影响没有变化(σ2)。值得注意的是，本发明所提出的方法分母直线1的变化较传统方法低。
本发明所提出的变压器故障识别方法，由于计算式中加入了温度和与电流和，而传统的方法计算结果的精确度不会因为数据量的增加而更加精确，因此本发明所提出的方法能够使得随着数据量的增加计算更加精确。另外，本发明所提出的热模型计算方法能够很好的滤除白噪声的干扰，由预测参数值预测变压器顶层油温参数等手段，实现了变压器热模型精确求解，传统的方法一般很难使得计算的结果维持在一定范围内，本发明所提出的计算方法能够不受白噪声的干扰，使得预测结果更加稳定。
同时，本发明还提出一种变压器故障识别系统，如图3所示，该系统包括：
建模单元310，用于建立时间连续性的变压器等效油-气热模型；
获取单元320，用于获取所述变压器的历史顶层油温和历史环境温度；
计算单元330，用于根据所述历史顶层油温和所述历史环境温度计算所述等效油-气热模型的系数值，所述系数值包括负载产热系数值、扩散对流热量系数值和所述空载损耗产热系数值，以及根据所述负载产热系数值、所述扩散对流热量系数值和所述空载损耗产热系数值计算所述变压器的温度参数；
判断单元340，用于根据所述温度参数与温度阈值的比较结果判断所述变压器是否故障。
具体地，在本实施例中，作为一种具体的实施方式，建模单元310建立的等效油-气热模型为
qout＝qfe+qcu-qoil (1)
其中，qout是变压器的输出热量，qfe是变压器空载时铁损产生的热量，qcu是变压器负载为L时铜损产生的热量，qoil是改变变压器的油温时损耗的热量。
作为一种具体的实施方式，变压器故障识别系统还包括测量变压器的顶层油温的温度采集单元，该温度采集单元为热电偶、热电阻或者热敏电阻中的任意一种。
本实施例所提出的变压器故障识别系统中各个单元其具体功能的实现方法，可以参照上述的变压器故障识别方法实施例中描述的实现方法，此处不再赘述。本实施例所提出的变压器故障识别系统克服了现有技术中对变压器的状态监测无法对变压器是否可能发生故障作出及时准确的预测的缺陷，本发明所提出的变压器故障识别系统能够基于变压器的等效油-气热模型，根据变压器的历史顶层油温和历史环境温度对等效油-气热模型的系数值进行求解，进而得到变压器的温度参数，再根据温度参数与温度阈值的比较结果判断变压器是否即将发生故障，从而实现对变压器是否可能发生故障进行预测。由于本发明采用历史温度推导计算热模型的系数值，使得对变压器热模型的计算求解更加精确，同时能够很好地抵御白噪声的影响，进而使得对变压器的故障识别更加精准和稳定，通过实施本发明所提出的变压器故障识别系统，可帮助工作人员对可能发生故障的变压器进行及时的检修和维护，从而进一步保障电力系统的安全正常运行。
作为一种具体的实施方式，计算单元利用积分离散化规则将等效油-气热模型进行离散化处理，并利用已获取的历史顶层油温、历史环境温度和线性回归方法求取离散化处理后的等效油-气热模型的系数值。在本实施方式中，计算单元的具体实现方法可参见变压器故障识别方法中计算等效油-气热模型的系数值的实现方法，故此处不再赘述。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种变压器故障识别方法，其特征在于，包括以下步骤：
建立时间连续性的变压器等效油-气热模型；
获取所述变压器的历史顶层油温和历史环境温度；
根据所述历史顶层油温和所述历史环境温度计算所述等效油-气热模型的系数值，所述系数值包括负载产热系数值、扩散对流热量系数值和空载损耗产热系数值；
根据所述负载产热系数值、所述扩散对流热量系数值和所述空载损耗产热系数值计算所述变压器的温度参数；
根据所述温度参数与温度阈值的比较结果判断所述变压器是否故障；
所述等效油-气热模型为
qout＝qfe+qcu-qoil
其中，qout是所述变压器的输出热量，qfe是所述变压器空载时铁损产生的热量，qcu是所述变压器负载为L时铜损产生的热量，qoil是改变所述变压器的油温时损耗的热量。
2.根据权利要求1所述的变压器故障识别方法，其特征在于，
利用热电偶、热电阻或者热敏电阻中的任意一种测量所述变压器的顶层油温，得到所述变压器的所述历史顶层油温。
3.根据权利要求1或2所述的变压器故障识别方法，其特征在于，根据所述历史顶层油温和所述历史环境温度计算所述等效油-气热模型的系数值的过程包括以下步骤：
利用积分离散化规则将所述等效油-气热模型进行离散化处理；
利用已获取的所述历史顶层油温、历史环境温度和线性回归方法求取离散化处理后的等效油-气热模型的系数值。
4.根据权利要求1或2所述的变压器故障识别方法，其特征在于，
所述温度参数为所述变压器的顶层油温。
5.根据权利要求4所述的变压器故障识别方法，其特征在于，根据所述负载产热系数值、所述扩散对流热量系数值和所述空载损耗产热系数值计算所述变压器的温度参数的过程包括：
根据所述负载产热系数值、所述扩散对流热量系数值和所述空载损耗产热系数值计算所述变压器在不同负载、不同环境温度下的顶层油温。
6.一种变压器故障识别系统，其特征在于，包括：
建模单元，用于建立时间连续性的变压器等效油-气热模型；
获取单元，用于获取所述变压器的历史顶层油温和历史环境温度；
计算单元，用于根据所述历史顶层油温和所述历史环境温度计算所述等效油-气热模型的系数值，所述系数值包括负载产热系数值、扩散对流热量系数值和所述空载损耗产热系数值，以及根据所述负载产热系数值、所述扩散对流热量系数值和所述空载损耗产热系数值计算所述变压器的温度参数；
判断单元，用于根据所述温度参数与温度阈值的比较结果判断所述变压器是否故障；
所述建模单元建立的所述等效油-气热模型为
qout＝qfe+qcu-qoil
其中，qout是所述变压器的输出热量，qfe是所述变压器空载时铁损产生的热量，qcu是所述变压器负载为L时铜损产生的热量，qoil是改变所述变压器的油温时损耗的热量。
7.根据权利要求6所述的变压器故障识别系统，其特征在于，还包括测量所述变压器的顶层油温的温度采集单元，
所述温度采集单元为热电偶、热电阻或者热敏电阻中的任意一种。
8.根据权利要求6或7所述的变压器故障识别系统，其特征在于，
所述计算单元利用积分离散化规则将所述等效油-气热模型进行离散化处理，并利用已获取的所述历史顶层油温、历史环境温度和线性回归方法求取离散化处理后的等效油-气热模型的系数值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610363442.1A CN106021759B (zh) | 2016-05-26 | 2016-05-26 | 变压器故障识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610363442.1A CN106021759B (zh) | 2016-05-26 | 2016-05-26 | 变压器故障识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106021759A CN106021759A (zh) | 2016-10-12 |
| CN106021759B true CN106021759B (zh) | 2019-05-17 |
Family
ID=57094697
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610363442.1A Active CN106021759B (zh) | 2016-05-26 | 2016-05-26 | 变压器故障识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106021759B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107132033A (zh) * | 2017-04-12 | 2017-09-05 | 国家电网公司 | 一种基于变压器噪声的绕组机械状态诊断方法及系统 |
| CN108765192A (zh) * | 2018-05-25 | 2018-11-06 | 广东电网有限责任公司 | 一种基于大数据的变压器上层油温预测方法、系统及设备 |
| CN113123990B (zh) * | 2021-04-30 | 2022-04-08 | 中国矿业大学 | 基于油指数辨识的油浸式变压器风扇风量异常监测方法 |
| CN116295661B (zh) * | 2023-05-22 | 2023-08-01 | 济南西电特种变压器有限公司 | 一种基于物联网的变压器故障预警系统 |
| CN117824854B (zh) * | 2023-06-12 | 2024-09-17 | 国网上海市电力公司 | 变压器本体的温升异常预警方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102087321A (zh) * | 2010-11-09 | 2011-06-08 | 西南交通大学 | 一种v/x接线牵引变压器内部温升在线监测方法 |
| US20110175623A1 (en) * | 2009-03-23 | 2011-07-21 | Electrical Research & Development Association | Online Incipient Fault Sensor Device for Detection of Incipient Fault in Oil-Filled Electrical Apparatus Such as a Transformer |
| CN102289682A (zh) * | 2011-05-18 | 2011-12-21 | 华北电力大学 | 基于集成学习Bagging算法的变压器故障诊断方法 |
| CN102589742A (zh) * | 2012-02-22 | 2012-07-18 | 昆明理工大学 | 一种基于热敏电阻的油浸式电力变压器顶层油温度监测方法 |
| CN105160202A (zh) * | 2015-10-12 | 2015-12-16 | 国家电网公司 | 油浸式变压器绕组热点温度和顶层油温计算方法 |
-
2016
- 2016-05-26 CN CN201610363442.1A patent/CN106021759B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110175623A1 (en) * | 2009-03-23 | 2011-07-21 | Electrical Research & Development Association | Online Incipient Fault Sensor Device for Detection of Incipient Fault in Oil-Filled Electrical Apparatus Such as a Transformer |
| CN102087321A (zh) * | 2010-11-09 | 2011-06-08 | 西南交通大学 | 一种v/x接线牵引变压器内部温升在线监测方法 |
| CN102289682A (zh) * | 2011-05-18 | 2011-12-21 | 华北电力大学 | 基于集成学习Bagging算法的变压器故障诊断方法 |
| CN102589742A (zh) * | 2012-02-22 | 2012-07-18 | 昆明理工大学 | 一种基于热敏电阻的油浸式电力变压器顶层油温度监测方法 |
| CN105160202A (zh) * | 2015-10-12 | 2015-12-16 | 国家电网公司 | 油浸式变压器绕组热点温度和顶层油温计算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 油浸式变压器故障率模型及故障诊断研究;鹿鸣明;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20140715(第07期);第C042-308页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106021759A (zh) | 2016-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106021759B (zh) | 变压器故障识别方法及系统 | |
| Ahmad et al. | A hybrid prognostics technique for rolling element bearings using adaptive predictive models | |
| Žarković et al. | Analysis of artificial intelligence expert systems for power transformer condition monitoring and diagnostics | |
| Liao | Discovering prognostic features using genetic programming in remaining useful life prediction | |
| WO2021204970A1 (en) | Probabilistic determination of transformer end of life | |
| CN112598298A (zh) | 电力变压器健康管理系统及管理方法 | |
| CN104198068A (zh) | 一种油浸变压器绕组温度监测装置及监测方法 | |
| CN111189645B (zh) | 用于以减少的处理时间执行诊断过程的方法和系统 | |
| CN113466290B (zh) | 变压器热缺陷检测方法、装置、计算机设备和存储介质 | |
| CN111883868A (zh) | 用于检测锂离子电池的热失控的方法和装置 | |
| CN110907064A (zh) | 一种gis隔离开关触头温度预测方法、装置及可读存储介质 | |
| CN111239515A (zh) | 电力设备载流故障预测方法及系统 | |
| US20130187389A1 (en) | Method for predictive monitoring of switch contactors and system therefor | |
| CN108027405B (zh) | 用于探测内部短路的方法 | |
| CN118396215A (zh) | 一种变电站监控系统智能告警的评估系统 | |
| CN106771474B (zh) | 一种适用于钻机电控系统的功率点温升预测及报警方法 | |
| CN108227673A (zh) | 一种预测塞拉门控制器寿命的评估方法 | |
| CN112504512A (zh) | 测温传感器精度自检测和自校准方法、电子设备、存储介质 | |
| CN107290268B (zh) | 一种换流站电接触连接处的电力复合脂老化的预测方法 | |
| CN115469206B (zh) | 电机控制器的功率半导体器件芯片寿命评估方法、装置、汽车、介质及设备 | |
| CN110865250A (zh) | 融合电流监测的配电设备状态监测装置及发热检测方法 | |
| CN115935135A (zh) | 一种特高压换流变压器顶层油温预测方法及存储介质 | |
| CN118322931B (zh) | 新能源汽车化学电池储能系统的智能控制与管理系统 | |
| JP7518046B2 (ja) | 変圧器の診断システム | |
| Roizman et al. | Neuro-fuzzy computing for large power transformers monitoring and diagnostics |
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 |