CN106123970B - 一种地下变电站状态监测和可靠性分析方法和系统 - Google Patents

Abstract

本申请公开了一种地下变电站状态监测和可靠性分析方法及系统，该方法包括：对环境的参数进行监测，对记录的所述环境的参数进行统计和相关性分析，得到第一结果；将变电站的分布式控制系统中的数据提取到数据库服务器中，用于相关性分析和可靠性评估，得到第二结果；监测电力设备的参数，并进行分析和故障概率预测，得到第三结果；根据所述第一结果、所述第二结果和所述第三结果，进行预警和警报。本申请提供的上述方法和系统能够针对地下变电站的恶劣环境进行状态监测和分析预测，从而保障地下变电站的运行可靠性和安全性。

Description

一种地下变电站状态监测和可靠性分析方法和系统

技术领域

本发明属于电力设备技术领域，特别是涉及一种地下变电站状态监测和可靠性分析方法和系统。

背景技术

对于地下变电站来说，其散热能力将大大低于地表的变电站，因此，在这种情况下，运行温度的升高是造成电力设备故障的主要原因，而且，为了避免火灾和环境污染物，应该建议使用干式变压器和防火绝缘。为了确保地下变电所的安全可靠，电力设备和环境需要被实时监测和管理。

从90年代以来，对变电所的状态监测已成为最重要的任务之一。状态监测和诊断要达到2方面的要求：第一是能够预测初期故障避免损失，在设备完全故障前通过合适的测量，提供预见性的维护方法，第二时诊断能够评价设备的状态并且区分不同类型的故障以便于进行针对性的维修。

现有技术中已经有了电力设备状态监测的研究，但是针对于严酷环境比如深入地下，周围环境热，湿度高，空气盐分重的变电所的监测系统还没有出现，因此地下变电站的运行可靠性和安全性不能得到有效保障。

发明内容

为解决上述问题，本发明提供了一种地下变电站状态监测和可靠性分析方法和系统，能够针对地下变电站的恶劣环境进行状态监测和分析预测，从而保障地下变电站的运行可靠性和安全性。

本发明提供的一种地下变电站状态监测和可靠性分析方法，包括：

对环境的参数进行监测，对记录的所述环境的参数进行统计和相关性分析，得到第一结果；

将变电站的分布式控制系统中的数据提取到数据库服务器中，用于相关性分析和可靠性评估，得到第二结果；

监测电力设备的参数，并进行分析和故障概率预测，得到第三结果；

根据所述第一结果、所述第二结果和所述第三结果，进行预警和警报。

优选的，在上述地下变电站状态监测和可靠性分析方法中，所述对环境的参数进行监测包括：

对所述环境的温度、湿度、盐度和动态情景进行监测。

优选的，在上述地下变电站状态监测和可靠性分析方法中，所述将变电站的分布式控制系统中的数据提取到数据库服务器中包括：

将所述变电站的分布式控制系统中的电压、电流、功率和功率因素数据提取到所述数据库服务器中。

优选的，在上述地下变电站状态监测和可靠性分析方法中，所述监测电力设备的参数包括：

监测所述电力设备的局部放电和内部温度。

本发明提供的一种地下变电站状态监测和可靠性分析系统，包括：

环境参数监测和分析模块，用于对环境的参数进行监测，对记录的所述环境的参数进行统计和相关性分析，得到第一结果；

变电站数据提取和分析模块，用于将变电站的分布式控制系统中的数据提取到数据库服务器中，用于相关性分析和可靠性评估，得到第二结果；

电力设备参数监测和分析模块，用于监测电力设备的参数，并进行分析和故障概率预测，得到第三结果；

预警和警报模块，用于根据所述第一结果、所述第二结果和所述第三结果，进行预警和警报。

优选的，在上述地下变电站状态监测和可靠性分析系统中，所述环境参数监测和分析模块包括：

温度监测单元，用于对所述环境的温度进行监测；

湿度监测单元，用于对所述环境的湿度进行监测；

盐度监测单元，用于对所述环境的盐度进行监测；

CCTV监测单元，用于对所述环境的动态情景进行监测。

优选的，在上述地下变电站状态监测和可靠性分析系统中，所述变电站数据提取和分析模块包括：

电压提取单元，用于将所述变电站的分布式控制系统中的电压提取到所述数据库服务器中；

电流提取单元，用于将所述变电站的分布式控制系统中的电流提取到所述数据库服务器中；

功率提取单元，用于将所述变电站的分布式控制系统中的功率提取到所述数据库服务器中；

功率因素提取单元，用于将所述变电站的分布式控制系统中的功率因素提取到所述数据库服务器中。

优选的，在上述地下变电站状态监测和可靠性分析系统中，所述电力设备参数监测和分析模块包括：

局部放电监测单元，用于监测所述电力设备的局部放电；

电力设备内部温度监测单元，用于监测所述电力设备的内部温度。

通过上述描述可知，本发明提供的上述地下变电站状态监测和可靠性分析方法和系统，由于该方法包括：对环境的参数进行监测，对记录的所述环境的参数进行统计和相关性分析，得到第一结果；将变电站的分布式控制系统中的数据提取到数据库服务器中，用于相关性分析和可靠性评估，得到第二结果；监测电力设备的参数，并进行分析和故障概率预测，得到第三结果；根据所述第一结果、所述第二结果和所述第三结果，进行预警和警报，因此能够针对地下变电站的恶劣环境进行状态监测和分析预测，从而保障地下变电站的运行可靠性和安全性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的第一种地下变电站状态监测和可靠性分析方法的示意图；

图2为ECMS的原理示意图；

图3为本申请实施例提供的地下变电站状态监测和可靠性分析系统的数据通信结构示意图；

图4为RCMS的运行原理图；

图5(a)为Tc与P的关系示意图；

图5(b)为Tc与Ta的关系示意图；

图6为参数预测值的概率分布的示意图；

图7为本申请实施例提供的第一种地下变电站状态监测和可靠性分析系统的示意图。

具体实施方式

本发明的核心思想在于提供一种地下变电站状态监测和可靠性分析方法和系统，能够针对地下变电站的恶劣环境进行状态监测和分析预测，从而保障地下变电站的运行可靠性和安全性。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请实施例提供的第一种地下变电站状态监测和可靠性分析方法如图1所示，图1为本申请实施例提供的第一种地下变电站状态监测和可靠性分析方法的示意图。该方法包括如下步骤：

S1：对环境的参数进行监测，对记录的所述环境的参数进行统计和相关性分析，得到第一结果；

S2：将变电站的分布式控制系统中的数据提取到数据库服务器中，用于相关性分析和可靠性评估，得到第二结果；

S3：监测电力设备的参数，并进行分析和故障概率预测，得到第三结果；

S4：根据所述第一结果、所述第二结果和所述第三结果，进行预警和警报。

通过上述描述可知，本申请实施例提供的上述地下变电站状态监测和可靠性分析方法，由于包括：对环境的参数进行监测，对记录的所述环境的参数进行统计和相关性分析，得到第一结果；将变电站的分布式控制系统中的数据提取到数据库服务器中，用于相关性分析和可靠性评估，得到第二结果；监测电力设备的参数，并进行分析和故障概率预测，得到第三结果；根据所述第一结果、所述第二结果和所述第三结果，进行预警和警报，因此能够针对地下变电站的恶劣环境进行状态监测和分析预测，从而保障地下变电站的运行可靠性和安全性。

本申请实施例提供的第二种地下变电站状态监测和可靠性分析方法，是在上述第一种地下变电站状态监测和可靠性分析方法的基础上，还包括如下技术特征：所述对环境的参数进行监测包括：对所述环境的温度、湿度、盐度和动态情景进行监测。具体的，通常采用ECMS(环境状态监测系统)来测量上述环境参数，在ECMS中，监测的环境的传感器有温度、湿度和盐度传感器，同时也要使用CCTV来监测非正常状态，并且来调查产生非正常状态的原因，其中，该CCTV即Closed Circuit Television(闭路电视)。RCMS(可靠性状态监测系统)中的传感器用来监测绕组温度和局部放电，这些传感器设置在变压器柜内或者在变压器柜表面。ECMS系统中要监测的参数有：环境温度、空气湿度和渗透水盐度。根据IEC标准，正常的运行状态应该包括：1)冷却气体的温度不超过40摄氏度，环境平均温度不超过30摄氏度；2)空气湿度低于60％日平均相对湿度。参见图2，图2为ECMS的原理示意图。影响环境温度的因素有两个方面：变压器的负载和空调的运作。当环境温度改变后，将影响到局部放电和空气湿度。当记录的数据不满足以上的标准时，将产生早期预警。如果在预警之后情况没有好转或者冷却设备损坏，就发出警报，采取进一步的保护措施，所述ECMS的结构如表1所示。

表1ECMS的结构表

本申请实施例提供的第三种地下变电站状态监测和可靠性分析方法，是在上述第二种地下变电站状态监测和可靠性分析方法的基础上，还包括如下技术特征：

所述将变电站的分布式控制系统中的数据提取到数据库服务器中包括：

将所述变电站的分布式控制系统中的电压、电流、功率和功率因素数据提取到所述数据库服务器中。

具体的，利用OCMS(运行状态监测系统)来执行上述步骤，进行相关性分析，进一步进行可靠性估计和判断是否发出警报，OCMS的结构如表2所示。

表2OCMS的结构示意图

本申请实施例提供的第四种地下变电站状态监测和可靠性分析方法，是在上述第三种地下变电站状态监测和可靠性分析方法的基础上，还包括如下技术特征：

所述监测电力设备的参数包括：

监测所述电力设备的局部放电和内部温度。

具体的，可以利用RCMS来实现上述目的，RCMS系统中要测量视在放电量、内部温度，用来警报，分析和预测。参考图3，图3为本申请实施例提供的地下变电站状态监测和可靠性分析系统的数据通信结构示意图。为了收集ECMS和RCMS两系统的传感器的测量数据，区域服务器安装在变压器室内，OCMS的数据通过分布式控制系统(DCS)提取然后储存到安装在控制室内的数据库服务器，最后所有数据库服务器的数据被传输到远程数据分析服务器。由于周围环境恶劣，为了保护电力设备，将它们放在一个封闭的区域，内部环境由空调调节。

RCMS的结构如下表所示。

表3RCMS的结构示意图

参考图4，图4为RCMS的运行原理图，在未来时间点i的变压器内部温度可以通过人工神经网络在输入环境温度Ta，空相对湿度H，空气盐度S，电力设备的输入电流I和i-1时间点的记录的内部温度来预测。类似地，在未来i时刻的放电量可以用同样的方式预测，可以根据预测的放电量和变压器温度来估计未来时刻设备的故障概率和设备的寿命。

上述系统测量的参数有：ECMS有环境温度Ta，空气湿度H，空气盐度S；OCMS有均方根电压V、电流I，有功功率P，功率因数cosα；RCMS有变压器内部温度Tc，视在放电量q，放电强度M。可以将这一系列参数表示成矩阵形式

其中每一个参数都表示成时间序列的n维矢量。

参见图5(a)和图5(b)，可以得出内部温度Tc与有功功率P和环境温度Ta的相关性。其中，图5(a)为Tc与P的关系示意图，图5(b)为Tc与Ta的关系示意图，可见，内部温度Tc与有功功率P有明显的正相关性，内部温度Tc与环境温度Ta有较弱的正相关性。两参数时间序列的相关性可以由皮尔森相关系数来进行评估。xi和xj的相关系数由下式计算

相关系数取值在-1到1之间，越接近1，表示两个参数越正相关，越接近-1，表示两个参数越负相关。对变压器的相关性分析结果表明{I，P}与{Q，M}有强正相关性，在一个大括号中的量视作一个参量。Tc与Ta、I和P有强正相关性，与H和S有负相关性。局部放电量q与Tc、负载电流I、湿度H、盐度S正相关。

变压器内部的温度Tc、视在放电量q越限时，变压器可能停运。对于与其他参数相关性不强的自相关参数，只能根据它自己的时间序列来对其进行预测。而对于互相关参数(如Tc、q)，可以根据它相关的参数来得到。Ta、I、H和S这一系列自相关参数可以根据自回归综合动态平均模型预测。预测时要使用它们的真实数据和历史预测值。预测误差满足正态分布。

参见图6，图6为参数预测值的概率分布的示意图。预测值可以根据历史预测和真实数据得出。

对于互相关参数的预测，可以通过BP人工神经网络。Tc、q可以根据它们上一个时刻的监测值和自相关参数Ta,I,H,S的预测值来预测。根据预测误差满足正态分布这一特性，第i个参数xi在第j个时间段通过自相关参数的预测值X’a得到的越限概率如下：

P_ij(X′_a)＝P_ij(x′_i＞x_i,lim-Δx_i,j-1)＝1-F(x_i,lim-Δx_i,j-1)

互相关参数的预测值x’i也满足正态分布，x’ij是xi在j时刻的预测值，它可以由自相关参数在j时刻的预测值X’a和xi在j-1时刻的监测值xi，j-1得到。xi,lim是互相关参数xi的上限。△xi,j-1是xi在j-1时刻的预测误差。假设X’a中有L个参数。则xi的越限概率可以由各自相关参数的概率密度函数积分得到。

P_ij＝∫…∫p(x′_a1)…p(x′_al)dx′_a1…dx′_al

上式x’a1,…,x’al为矩阵X’a的参数。p(x’a1)，…，p(x’al)是正态分布的概率密度函数，正态分布的均值和标准差由历史预测值得到。

对于系统中任意一个参数越限都将导致设备断电，所以系统的故障概率计算如下：

上式中Pkj是第k个参数在j时刻的越限概率。一共有M个参数。以申请实施例为例，需要计算越限概率的参数有Tc、q两个。

本申请实施例提供的第一种地下变电站状态监测和可靠性分析系统如图7所示，图7为本申请实施例提供的第一种地下变电站状态监测和可靠性分析系统的示意图。该系统包括：

环境参数监测和分析模块701，用于对环境的参数进行监测，对记录的所述环境的参数进行统计和相关性分析，得到第一结果；

变电站数据提取和分析模块702，用于将变电站的分布式控制系统中的数据提取到数据库服务器中，用于相关性分析和可靠性评估，得到第二结果；

电力设备参数监测和分析模块703，用于监测电力设备的参数，并进行分析和故障概率预测，得到第三结果；

预警和警报模块704，用于根据所述第一结果、所述第二结果和所述第三结果，进行预警和警报。

通过上述描述可知，本申请实施例提供的上述第一种地下变电站状态监测和可靠性分析系统，能够针对地下变电站的恶劣环境进行状态监测和分析预测，从而保障地下变电站的运行可靠性和安全性。

本申请实施例提供的第二种地下变电站状态监测和可靠性分析系统，是在上述第一种地下变电站状态监测和可靠性分析系统的基础上，还包括如下技术特征：

所述环境参数监测和分析模块包括：

温度监测单元，用于对所述环境的温度进行监测；

湿度监测单元，用于对所述环境的湿度进行监测；

盐度监测单元，用于对所述环境的盐度进行监测；

CCTV监测单元，用于对所述环境的动态情景进行监测。

本申请实施例提供的第三种地下变电站状态监测和可靠性分析系统，是在上述第二种地下变电站状态监测和可靠性分析系统的基础上，还包括如下技术特征：

所述变电站数据提取和分析模块包括：

电压提取单元，用于将所述变电站的分布式控制系统中的电压提取到所述数据库服务器中；

电流提取单元，用于将所述变电站的分布式控制系统中的电流提取到所述数据库服务器中；

功率提取单元，用于将所述变电站的分布式控制系统中的功率提取到所述数据库服务器中；

功率因素提取单元，用于将所述变电站的分布式控制系统中的功率因素提取到所述数据库服务器中。

本申请实施例提供的第四种地下变电站状态监测和可靠性分析系统，是在上述第三种地下变电站状态监测和可靠性分析系统的基础上，还包括如下技术特征：

所述电力设备参数监测和分析模块包括：

局部放电监测单元，用于监测所述电力设备的局部放电；

电力设备内部温度监测单元，用于监测所述电力设备的内部温度。

需要说明的是，还可以监测其他电力设备，如断路器。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (2)

1.一种地下变电站状态监测和可靠性分析方法，其特征在于，包括：

对环境的参数进行监测，对记录的所述环境的参数进行统计和相关性分析，得到第一结果；

将变电站的分布式控制系统中的数据提取到数据库服务器中，用于相关性分析和可靠性评估，得到第二结果；

监测电力设备的参数，并进行分析和故障概率预测，得到第三结果；

根据所述第一结果、所述第二结果和所述第三结果，进行预警和警报；

所述对环境的参数进行监测包括：

对所述环境的温度、湿度、盐度和动态情景进行监测；

所述将变电站的分布式控制系统中的数据提取到数据库服务器中包括：

将所述变电站的分布式控制系统中的电压、电流、功率和功率因素数据提取到所述数据库服务器中；

所述监测电力设备的参数包括：

监测所述电力设备的局部放电和内部温度所述根据所述第一结果、所述第二结果和所述第三结果，进行预警和警报包括：

测得的各个参数表示如下：环境温度T_a，空气湿度H，空气盐度S，均方根电压V、电流I，有功功率P，功率因素cosα；RCMS有变压器内部温度T_c，视在放电量q，放电强度M，将这一系列参数表示成矩阵形式

其中每一个参数都表示成时间序列的n维矢量；

x_i和x_j的相关系数由下式计算：

对于互相关参数的预测，通过BP人工神经网络，T_c、q根据上一个时刻的监测值和自相关参数T_a,I,H,S的预测值来预测，根据预测误差满足正态分布这一特性，第i个参数x_i在第j个时间段通过自相关参数的预测值X_a’得到的越限概率如下：

P_ij(X′_a)＝P_ij(x′_i＞x_i，lim-Δx_i，j-1)＝1-F(x_i，lim-Δx_i，j-1)

互相关参数的预测值x_i’也满足正态分布，x_ij’是x_i在j时刻的预测值，由自相关参数在j时刻的预测值X_a’和x_i在j-1时刻的监测值x_i，j-1得到，x_i,lim是互相关参数x_i的上限，△x_i,j-1是x_i在j-1时刻的预测误差，假设X_a’中有L个参数，则x_i的越限概率由各自相关参数的概率密度函数积分得到：

P_ij＝∫…∫p(x′_a1)…p(x′_al)dx′_a1…dx′_al

上式x_a1’,…,x_al’为矩阵X_a’的参数，p(x_a1’)，…，p(x_al’)是正态分布的概率密度函数，正态分布的均值和标准差由历史预测值得到；

对于系统中任意一个参数越限都将导致设备断电，所以系统的故障概率计算如下：

上式中P_kj是第k个参数在j时刻的越限概率，一共有m个参数，此处需要计算越限概率的参数有T_c、q两个。

2.一种地下变电站状态监测和可靠性分析系统，其特征在于，包括：

环境参数监测和分析模块，用于对环境的参数进行监测，对记录的所述环境的参数进行统计和相关性分析，得到第一结果；

变电站数据提取和分析模块，用于将变电站的分布式控制系统中的数据提取到数据库服务器中，用于相关性分析和可靠性评估，得到第二结果；

电力设备参数监测和分析模块，用于监测电力设备的参数，并进行分析和故障概率预测，得到第三结果；

预警和警报模块，用于根据所述第一结果、所述第二结果和所述第三结果，进行预警和警报；

所述环境参数监测和分析模块包括：

温度监测单元，用于对所述环境的温度进行监测；

湿度监测单元，用于对所述环境的湿度进行监测；

盐度监测单元，用于对所述环境的盐度进行监测；

CCTV监测单元，用于对所述环境的动态情景进行监测；

所述变电站数据提取和分析模块包括：

电压提取单元，用于将所述变电站的分布式控制系统中的电压提取到所述数据库服务器中；

电流提取单元，用于将所述变电站的分布式控制系统中的电流提取到所述数据库服务器中；

功率提取单元，用于将所述变电站的分布式控制系统中的功率提取到所述数据库服务器中；

功率因素提取单元，用于将所述变电站的分布式控制系统中的功率因素提取到所述数据库服务器中；

所述电力设备参数监测和分析模块包括：

局部放电监测单元，用于监测所述电力设备的局部放电；

电力设备内部温度监测单元，用于监测所述电力设备的内部温度；

所述预警和警报模块，用于根据所述第一结果、所述第二结果和所述第三结果，进行预警和警报具体包括：

测得的各个参数表示如下：环境温度T_a，空气湿度H，空气盐度S，均方根电压V、电流I，有功功率P，功率因素cosα；RCMS有变压器内部温度T_c，视在放电量q，放电强度M，将这一系列参数表示成矩阵形式

其中每一个参数都表示成时间序列的n维矢量；

x_i和x_j的相关系数由下式计算：

对于互相关参数的预测，通过BP人工神经网络，T_c、q根据上一个时刻的监测值和自相关参数T_a,I,H,S的预测值来预测，根据预测误差满足正态分布这一特性，第i个参数x_i在第j个时间段通过自相关参数的预测值X_a’得到的越限概率如下：

P_ij(X′_a)＝P_ij(x′_i＞x_i，lim-Δx_i，j-1)＝1-F(x_i，lim-Δx_i，j-1)

互相关参数的预测值x_i’也满足正态分布，x_ij’是x_i在j时刻的预测值，由自相关参数在j时刻的预测值X_a’和x_i在j-1时刻的监测值x_i，j-1得到，x_i,lim是互相关参数x_i的上限，△x_i,j-1是x_i在j-1时刻的预测误差，假设X_a’中有L个参数，则x_i的越限概率由各自相关参数的概率密度函数积分得到：

P_ij＝∫…∫p(x′_a1)…p(x′_al)dx′_a1…dx′_al

上式x_a1’,…,x_al’为矩阵X_a’的参数，p(x_a1’)，…，p(x_al’)是正态分布的概率密度函数，正态分布的均值和标准差由历史预测值得到；

对于系统中任意一个参数越限都将导致设备断电，所以系统的故障概率计算如下：

上式中P_kj是第k个参数在j时刻的越限概率，一共有m个参数，此处需要计算越限概率的参数有T_c、q两个。