CN106841877A - 基于行波电流的变压器隐患在线监测方法 - Google Patents

Abstract

本发明提供了一种基于行波电流的变压器隐患在线监测方法。该方法包括：接收高频行波电流数据，高频行波电流数据是从变压器的被测线路上采集到的；提取高频行波电流数据的特征，特征包括以下至少之一：均值、能量、短时傅里叶变换、标准差；根据特征与预设特征的比较结果，判断变压器是否存在异常放电隐患。通过本发明，解决了变压器放电隐患的在线监测不可靠的问题，提高了变压器放电隐患的在线监测可靠性。

Description

基于行波电流的变压器隐患在线监测方法

技术领域

本发明涉及变压器维护领域，具体而言，涉及一种基于行波电流的变压器隐患在线监测方法。

背景技术

电力变压器是电力系统中最重要的设备之一，它发生故障会造成极大的经济损失。目前监测变压器内部放电主要有两种方式：一是变压器油色谱分析，通过分析变压器油中特征气体成分来判断是否发生了放电；二是变压器局部放电监测。油色谱分析法相对比较成熟，误判相对较少，也有在线监测系统，但是设备昂贵、安装复杂，低电压等级的变压器一般不安装油色谱在线监测系统，另外，较弱的放电对气体含量及气体产生速度特征影响不明显，油色谱法难于发现这类放电。局部放电监测也是一种测量方法，但由于局部放电量非常微小，目前的测量手段对其监测容易发生误报，无法对其进行准确判断。

发明内容

本发明提供了一种基于行波电流的变压器隐患在线监测方法，以至少解决相关技术中变压器放电隐患的在线监测不可靠的问题。

根据本发明的一个方面，提供了一种基于行波电流的变压器隐患在线监测方法，包括：接收高频行波电流数据，所述高频行波电流数据是从变压器的被测线路上采集到的；提取所述高频行波电流数据的特征，所述特征包括以下至少之一：均值、能量、短时傅里叶变换、标准差；根据所述特征与预设特征的比较结果，判断变压器是否存在异常放电隐患。

可选地，所述被测线路包括以下至少之一：变压器高压三相出线、变压器低压三相出线、高压中性点接地线、低压中性点接地线、铁芯接地线、夹件接地线、外壳接地线。

可选地，接收高频行波电流信息包括：通过无线通信网络接收高频行波电流数据。

可选地，提取所述高频行波电流数据的特征包括：利用窗函数对所述高频行波电流数据进行分段；提取每段分段数据的特征，并将每段分段数据的特征转换为特征向量。

可选地，根据所述特征与预设特征的比较结果，判断变压器是否存在异常放电隐患包括：将所述特征向量中的能量的数值与所述预设特征中对应的特征向量的能量的数值阀值进行比较；在所述特征向量中的能量的数值大于所述数值阀值的情况下，确定所述变压器存在异常放电隐患。

可选地，在确定所述变压器存在异常放电隐患之后，所述方法还包括：发出所述变压器存在异常放电隐患的预警信号。

可选地，所述方法还包括：统计预定时间段内根据特征向量判断异常放电隐患的判断结果和对异常放电隐患的人工判断结果；根据所述判断结果和所述人工判断结果，调整所述数值阈值。

根据本发明的另一个方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行如下操作：接收高频行波电流数据，所述高频行波电流数据是从变压器的被测线路上采集到的；提取所述高频行波电流数据的特征，所述特征包括以下至少之一：均值、能量、短时傅里叶变换、标准差；根据所述特征与预设特征的比较结果，判断变压器是否存在异常放电隐患。

通过本发明，采用接收高频行波电流数据，高频行波电流数据是从变压器的被测线路上采集到的；提取高频行波电流数据的特征，特征包括以下至少之一：均值、能量、短时傅里叶变换、标准差；根据特征与预设特征的比较结果，判断变压器是否存在异常放电隐患的方式，解决了变压器放电隐患的在线监测不可靠的问题，提高了变压器放电隐患的在线监测可靠性。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的基于行波电流的变压器隐患在线监测方法的流程图；

图2是根据本发明实施例的高频行波测量装置安装在被测线路上的示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

实施例1

在本实施例中提供了一种基于行波电流的变压器隐患在线监测方法，图1是根据本发明实施例的基于行波电流的变压器隐患在线监测方法的流程图，如图1所示，该流程包括如下步骤：

步骤S101，接收高频行波电流数据，高频行波电流数据是从变压器的被测线路上采集到的；

步骤S102，提取高频行波电流数据的特征，特征包括以下至少之一：均值、能量、短时傅里叶变换、标准差；

步骤S103，根据特征与预设特征的比较结果，判断变压器是否存在异常放电隐患。

通过上述步骤，从变压器的被测线路上采集高频行波电流数据，并提取高频行波电流数据的特征，根据这些特征与预设特征的比较结果来判断变压器是否存在异常放电隐患。上述的高频行波电流数据可以在线采集，并且，任何异常放电均会产生行波电流，产生的行波电流沿着变压器绕组的导线传播，由于行波频率较高，能够容易地从工频中提取出来。通过行波电流来判断变压器放电隐患，装置比油色谱法简单，比局部放电法有效，能够较好地解决变压器隐患在线监测问题。

高频行波电流数据通过高频行波测量装置测量，该装置通过罗氏线圈互感器测量被测线路的电流，安装方便，造价便宜。在测得被测线路的电流后，将50Hz的工频电流滤除后，就能够得到高频行波电流，高频行波电流的频率为1kHz～5MHz。图2是根据本发明实施例的高频行波测量装置安装在被测线路上的示意图，如图2所示，可选地，高频行波测量装置10可以安装在：变压器高压三相出线20、变压器低压三相出线30、高压中性点接地线40、低压中性点接地线50、铁芯接地线60、夹件接地线70、外壳接地线80中的一处或者多处。结合多条被测线路的特征，可以提高变压器异常放电隐患的判断结果的准确性。

可选地，在步骤S101中，通过无线通信网络接收高频行波电流数据，以实现高频行波电流数据的远程采集。较优地采用移动通信网络(例如4G网络)收发高频行波电流数据。

可选地，高频行波电流数据在线实时采集，采集到的数据流不断通过无线通信网络发送出去。在高频行波电流数据的处理中心，在提取高频行波电流数据的特征时，可以利用窗函数对高频行波电流数据进行分段，以提取每段分段数据的特征，并将每段分段数据的特征转换为特征向量。

可选地，根据特征与预设特征的比较结果，判断变压器是否存在异常放电隐患包括：将特征向量中的能量的数值与预设特征中对应的特征向量的能量的数值阀值进行比较；在特征向量中的能量的数值大于数值阀值的情况下，确定变压器存在异常放电隐患。其中，根据特征向量的不同维度(均值、能量、短时傅里叶变换、标准差)可以匹配到变压器的异常放电隐患的故障类型，而根据其中的能量的数值能够判断出异常放电隐患的程度。对于故障类型的判断，初期人工对特征向量进行判断来确定故障类型，将人工判断结果作为输入特征向量的输出，在大量数据的基础上，通过监督学习算法实现自动判断系统，最终实现隐患类别的智能诊断。当特征向量中，能量大于预设阀值A时，则认为变压器存在异常放电隐患。其中预设阀值A可以为经验值，也可以为根据统计结果修正的经验值。

可选地，在确定变压器存在异常放电隐患之后，根据需要可以发出变压器存在异常放电隐患的预警信号，以通知运维人员排查处理。运维人员在接到预警信号后，对相应变压器的放电异常隐患进行人工判断复查，若人工判断结果与特征判断结果一致，则对变压器进行抢修维护；同时将人工判断结果录入统计数据库中。

可选地，在本方法中，还可以统计预定时间段内根据特征向量判断异常放电隐患的判断结果和对异常放电隐患的人工判断结果；根据判断结果和人工判断结果，调整数值阈值。初始阶段，预设阀值的大小取决于运行经验与人工判断。当系统运行一段时间后，利用监督学习算法，对统计数据库中的大量数据进行分类，通过分类结果动态调节阈值大小，将阈值判断与人工系统相结合，提高系统的准确率，实现变压器智能预警系统。

实施例2

本发明的实施例还提供了一种存储介质。在本实施例中，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在的设备执行如下操作：

步骤S101，接收高频行波电流数据，高频行波电流数据是从变压器的被测线路上采集到的；

步骤S102，提取高频行波电流数据的特征，特征包括以下至少之一：均值、能量、短时傅里叶变换、标准差；

步骤S103，根据特征与预设特征的比较结果，判断变压器是否存在异常放电隐患。

可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

综上所述，通过本发明的上述实施例和实施方式，可以利用监测高频行波电流来判断变压器运行状态，判断变压器中是否有放电的存在。在判断变压器异常放电隐患时，通过统计及监督学习算法，动态调整预警阈值，能够实现隐患的智能识别。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于行波电流的变压器隐患在线监测方法，其特征在于包括：

接收高频行波电流数据，所述高频行波电流数据是从变压器的被测线路上采集到的；

提取所述高频行波电流数据的特征，所述特征包括以下至少之一：均值、能量、短时傅里叶变换、标准差；

根据所述特征与预设特征的比较结果，判断变压器是否存在异常放电隐患。

2.根据权利要求1所述的基于行波电流的变压器隐患在线监测方法，其特征在于，所述被测线路包括以下至少之一：变压器高压三相出线、变压器低压三相出线、高压中性点接地线、低压中性点接地线、铁芯接地线、夹件接地线、外壳接地线。

3.根据权利要求1所述的基于行波电流的变压器隐患在线监测方法，其特征在于，接收高频行波电流信息包括：

通过无线通信网络接收高频行波电流数据。

4.根据权利要求1所述的基于行波电流的变压器隐患在线监测方法，其特征在于，提取所述高频行波电流数据的特征包括：

利用窗函数对所述高频行波电流数据进行分段；

提取每段分段数据的特征，并将每段分段数据的特征转换为特征向量。

5.根据权利要求4所述的基于行波电流的变压器隐患在线监测方法，其特征在于，根据所述特征与预设特征的比较结果，判断变压器是否存在异常放电隐患包括：

将所述特征向量中的能量的数值与所述预设特征中对应的特征向量的能量的数值阀值进行比较；

在所述特征向量中的能量的数值大于所述数值阀值的情况下，确定所述变压器存在异常放电隐患。

6.根据权利要求5所述的基于行波电流的变压器隐患在线监测方法，其特征在于，在确定所述变压器存在异常放电隐患之后，所述方法还包括：

发出所述变压器存在异常放电隐患的预警信号。

7.根据权利要求5所述的基于行波电流的变压器隐患在线监测方法，其特征在于，所述方法还包括：

统计预定时间段内根据特征向量判断异常放电隐患的判断结果和对异常放电隐患的人工判断结果；

根据所述判断结果和所述人工判断结果，调整所述数值阈值。

8.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在的设备执行如下操作：

接收高频行波电流数据，所述高频行波电流数据是从变压器的被测线路上采集到的；

提取所述高频行波电流数据的特征，所述特征包括以下至少之一：均值、能量、短时傅里叶变换、标准差；

根据所述特征与预设特征的比较结果，判断变压器是否存在异常放电隐患。