CN107085630A - 一种变压器油中溶解气体在线监测装置实用性分析方法 - Google Patents
一种变压器油中溶解气体在线监测装置实用性分析方法 Download PDFInfo
- Publication number
- CN107085630A CN107085630A CN201710194150.4A CN201710194150A CN107085630A CN 107085630 A CN107085630 A CN 107085630A CN 201710194150 A CN201710194150 A CN 201710194150A CN 107085630 A CN107085630 A CN 107085630A
- Authority
- CN
- China
- Prior art keywords
- error
- monitor device
- line monitor
- coefficient
- monitoring data
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种变压器油中溶解气体在线监测装置实用性分析方法。本发明将带电检测数据视为真实数据,在线监测数据则为带有误差的失真数据;通过信号分解,将在线监测数据的误差分解为系统误差、随机误差和巨大误差;将系统误差、随机误差与巨大误差作为测量指标,分别对这三种误差进行量化分析,并进行评价,依次得到巨大误差评价系数、随机误差评价系数和系统误差评价系数,再通过误差综合完成总体误差的评价,得到可用性系数;最后计算在线监测数据的各质量评价指标的可用性综合系数,得出在线监测数据的可用性结果。本发明能够较为全面的对在线监测数据的可用性进行评价。
Description
技术领域
本发明涉及变压器油中溶解气体在线监测装置,具体地说是一种变压器油中溶解气体在线监测装置实用性分析方法。
背景技术
目前,不管变压器油中溶解气体在线监测数据或是带电检测数据,数量都非常大,涉及不同的生产厂家和电压等级,而现阶段的标准判断依据仍采用专家经验公式,因此有必要结合大数据技术,开展油中溶解气体在线监测装置数据实用性分析。在线监测装置能实现设备装置的实时监测,其数据自身的准确性将对后续运维策略的调整产生直接影响,而且在线监测装置的可用性分析可以评估不同品牌在线监测装置的精度。为此,有必要开展在线监测装置的可用性评估工作,为进一步的数据分析工作奠定基础。
现有判断在线监测装置是否有效,常用方法如下:
1)在安装前开展实验室性能检测,参考Q/GDW540.2<变电设备在线监测装置检验规范第2部分:变压器油中溶解气体在线监测装置>,对于配置好的不同浓度的油样,分别作带电检测和在线监测试验,通过比较重复性和误差试验,最后确定装置是否使用;
2)已经安装后的装置,变压器取个油样做带电检测,结果与在线监测数据进行比较,两者误差在一定的范围内,认为合格。
上述方法存在的问题有:
1)安装前的装置试验工作量大,且难以保证安装后的传感器的精度是否随时间发生漂移;
2)现场安装后,拿设备本身绝缘油进行带电检测和在线监测比较,只含一个油样,无法全过程标定。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的缺陷,提供一种变压器油中溶解气体在线监测装置实用性分析方法,为在线监测装置提供一套科学、准确的评价标准。
为此,本发明采用的技术方案如下:一种变压器油中溶解气体在线监测装置实用性分析方法,其包括:将带电检测数据视为真实数据,在线监测数据则为带有误差的失真数据;
通过信号分解,对在线监测数据的系统趋势、随机波动及巨幅跳变的相互分离,将在线监测数据的误差分解为系统误差、随机误差和巨大误差,所述的系统误差反映在线监测数据发生整体的“趋势”偏移的情况,所述的随机误差反映在线监测数据围绕趋势发生高频“波动”的情况,所述的巨大误差反映在线监测数据发生“突变”的情况;
将系统误差、随机误差与巨大误差作为测量指标,分别对这三种误差进行量化分析,并进行评价,依次得到巨大误差评价系数、随机误差评价系数和系统误差评价系数,再通过误差综合完成总体误差的评价,得到可用性系数;最后计算在线监测数据的各质量评价指标的可用性综合系数,得出在线监测数据的可用性结果。
无规律的系统误差说明在线监测数据的测量精度随时间发生无规则变化,可用性很低。较高的随机误差说明在线监测装置的稳定性较差,无法进行精度较高的监测。过多的“突变”数据容易造成监测人员的误判,浪费资源与人力成本。
本发明具有如下创造性:(1)将在线监测数据的误差分解为巨大误差、随机误差和系统误差三个部分,并针对每一部分提出了相应的量化方法,能够较为全面的对在线监测数据的可用性进行评价;(2)对于系统误差的评价,本发明解决了两个不同长度的时间序列的相关性测度问题,是一种衡量两个不同长度的在线数据和带电数据序列走势一致性的方法,并对不同数据类型的数据集进行了区分对待,考虑了气体浓度大小和时间间隔长短对在线监测数据和带电检测数据走势的权重影响;(3)对于随机误差,本发明考虑了在线监测数据随机波动的时域特征,并利用信噪比对波动的幅度进行了量化,可以较好的显示出在线监测装置的阶段可用性;(4)对于巨大误差,本发明能够较好契合在线监测数据的实际情况,对在线监测装置的巨大误差进行准确的评价。
作为对上述技术方案的进一步完善和补充,本发明采取以下技术措施:
设x为在线监测数据的系统误差评价系数,y为在线监测数据的随机误差评价系数,r为在线监测数据的巨大误差评价系数,误差综合得到的可用性系数ρ由下式计算:
综合三种误差评价系数得到的可用性系数可以准确评价在线监测数据是否可以真实反应变压器油内特征气体的含量。本发明的可用性系数能够较好的对在线监测数据与带电检测数据趋势的相似程度、波动情况和突变情况进行量化,刻画出在线监测数据的系统误差、随机误差和巨大误差,因此本发明对于单台设备同样适用。
需要对在线监测序列进行集合经验模式分解,分别得到多个本征模函数,即在线趋势子序列、随机子序列和巨大误差序列;然后通过在线趋势子序列、随机子序列和巨大误差子序列分别对系统误差、随机误差和巨大误差进行量化。
所述系统误差的具体量化方法如下:对在线监测序列进行集合经验模式分解后,提取其中符合白噪声特征的本征模函数,得到在线监测数据的真实信号序列St与随机误差序列Nt;其中,St作为系统误差的判别依据,并被分为两个部分,一部分是在线时间序列对应时间点带电检测数据的部分组成的集合,记作O1,对应的在线时间序列部分为F1;另一部分是在线时间序列对应时间点不带电数据的部分组成的集合,记作O2,对应的在线时间序列部分为F2;记O1、F1部分对整体系统误差的影响权重为α,O2、F2部分对整体系统误差的影响权重为1-α,x1和x2分别表示O1、F1和O2、F2两部分的系统误差评价系数,则整体的系统误差评价系数为x=αx1+(1-α)x2。
对于每一部分的系统误差,用其序列内每两个对应点的系统误差加权之和来衡量,而每两个对应点的系统误差用这两个对应点变化的方向和幅度来衡量,变化方向相同,变化幅度相近的系统误差值大,表示两时间序列走势相似度高;变化方向相反,变化幅度差距大的系统误差值小,表示两时间序列走势相似度低。
对于每两个点的系统误差对整体系统误差的权重分配,采用气体浓度和时间距离两个复合权重,两点的气体浓度越高、时间距离越远权重越大。
所述随机误差的具体量化方法如下:通过集合经验模式分解得到在线监测数据的真实信号序列St与随机误差序列Nt,按照在线监测装置的精度要求及真实信号序列St构造误差参考序列Nt′,并计算序列mt=St+Nt与m′t=St+Nt′的信噪比;若序列mt的信噪比大于序列m′t的信噪比,说明在线装置的随机误差比实际需求小,可用性较高;
同时,考虑序列mt=St+Nt的时域特征,利用矩形窗函数对mt与m′t每个时间点上的信噪比进行估算,设在线监测序列的时间点总数为n,数据可用(随机误差小于实际需求值)的时间点为na,则在线监测装置的随机误差评价系数y=na/n。
所述巨大误差的具体量化方法如下:假设Turkey 53H法所识别出的巨大误差为i个,每个巨大误差与平滑值之间的比值为di,di=oi/oi′,其中,oi为实际的在线监测数据,oi′为该在线监测数据的Turkey平滑值,则巨大误差的评价系数r=∑di,之后,对其进行归一化处理,函数映射为使其取值范围在(0,1]之间。巨大误差的数目越多,与平滑值之间的距离越长,测度指标的值越低。
在线监测数据的质量评价指标分为放电、过热和正常三种类型,分别用于评价在线装置在放电故障、过热故障和正常情况下的表现;
所述放电评价指标的可用性综合系数计算公式为:ρ∑放电=0.27*ρ氢气+0.12*ρ甲烷+0.08*ρ乙烷+0.16*ρ乙烯+0.23*ρ乙炔+0.13*ρCO+0.03*ρCO2,
其中,ρ∑放电是在线监测装置在设备过热情况下的可用性综合系数,ρ氢气是在线监测装置的氢气可用性系数,ρ甲烷是在线监测装置的甲烷可用性系数,ρ乙烷是在线监测装置的乙烷可用性系数,ρ乙烯是在线监测装置的乙烯可用性系数,ρ乙炔是在线监测装置的乙炔可用性系数,ρCO是在线监测装置的CO可用性系数,ρCO2是在线监测装置的CO2可用性系数;
所述过热评价指标的可用性综合系数计算公式为:
ρ∑过热=0.08*ρ氢气+0.32*ρ甲烷+0.08*ρ乙烷+0.32*ρ乙烯+0.0*ρ乙炔+0.16*ρCO+0.04*ρCO2,
其中,ρ∑过热是在线监测装置在设备过热情况下的可用性综合系数,ρ氢气是在线监测装置的氢气可用性系数,ρ甲烷是在线监测装置的甲烷可用性系数,ρ乙烷是在线监测装置的乙烷可用性系数,ρ乙烯是在线监测装置的乙烯可用性系数,ρ乙炔是在线监测装置的乙炔可用性系数,ρCO是在线监测装置的CO可用性系数,ρCO2是在线监测装置的CO2可用性系数;
所述正常评价指标的可用性综合系数计算公式为:
ρ∑正常=0.3*ρ氢气+0.3*ρ乙炔+0.3*ρ总烃,
其中,ρ∑正常是在线监测装置在设备正常情况下的可用性综合系数,ρ氢气是在线监测装置的氢气可用性系数,ρ乙炔是在线监测装置的乙炔可用性系数,ρ总烃是在线监测装置的总烃可用性系数。
在三种误差量化分析的过程中,首先,关注在线监测数据的系统误差,即在线监测数据与带电检测数据的趋势相关性,趋势相关性较差说明在线监测装置存在不确定的系统误差,不能使用;其次,在系统误差较小的情况下,需要关注在线监测数据的随机误差,即在线监测数据波动带电剧烈程度,在线监测数据的波动过于剧烈,说明其测量精度较低,需要进行矫正;最后,在系统误差与随机误差均较小的情况下,考虑在线监测数据的巨大误差,在线监测数据的“突变”情况越小,其巨大误差也就越小,数据的可用性也就越高。在线监测装置实用性是指在线监测数据能够准确描述气体含量的状态及其变化规律,即具有数据趋势相关性;可用性评价原则如下:1)系统误差的变动趋势应与真值保持一致,容许偏离,不容许背离;2)随机误差应在可控范围内,不对状态判断造成严重干扰;3)巨大误差应尽可能少,不影响对突变的判断。本发明具有的有益效果如下:本发明考虑了在线监测数据随机波动的时域特征,并利用信噪比对波动的幅度进行了量化,可以衡量两个不同长度的在线监测数据和带电检测数据序列走势一致性,解决了两个不同长度的时间序列的相关性测度问题,在对在线监测装置总体或者单台的可用性进行评价时都有很好的效果。
附图说明
图1为本发明实施例原始数据图;
图2为图1中系统误差数据图;
图3为图1中随机误差数据图;
图4为图1中巨大误差数据图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明作进一步说明。
1、误差的分类和定义
在线监测装置的可用性由其测量精度所决定,测量误差越大,其可用性越低。在分析的过程中,将带电检测数据视为真实数据,在线监测数据则为带有误差的失真数据。变压器在线监测装置的可用性分析将系统误差、随机误差与巨大误差作为测量指标,分别对这种误差水平进行量化分析,为在线装置提供一套科学、准确的评价标准。
系统误差:对于在线数据发生整体的“趋势”偏移的情况,将其称为系统误差,无规律的系统误差说明在线数据的测量精度随时间发生无规则变化,可用性很低。
随机误差:对于在线数据围绕趋势发生高频“波动”的情况,将其称为随机误差,较高的随机误差说明在线装置的稳定性较差,无法进行精度较高的监测。
巨大误差:对于在线数据发生“突变”的情况,将其称为巨大误差,过多的“突变”数据容易造成监测人员的误判,浪费资源与人力成本。
2.可用性定义与评价原则
在线监测数据可用性指在线监测数据能够准确描述气体含量的状态及其变化规律(即具有数据趋势相关性)。评价原则:(1)系统误差的变动趋势应与真值保持一致:容许偏离,不容许背离;(2)随机扰动误差应该在可控范围内(不对状态判断造成严重干扰);(3)巨大误差应尽可能少(不影响对突变的判断)。
3.可用性评价指标
在线监测装置主要应用于变压器故障诊断(包括放电故障和过热故障),其质量由测量精度决定。根据2014年版的行业标准(表3.1),将在线监测装置数据质量的评价指标分为放电、过热、总体三种类型,分别用于评价在线装置在放电故障、过热故障和总体故障下的表现,指标的综合方法如表3.2所示。
表3.1
故障类型 | 主要特征气体 | 次要特征气体 |
油过热 | CH4,C2H4 | H2,C2H6 |
油和纸过热 | CH4,C2H4,CO | H2,C2H6,CO2 |
油纸绝缘中局部放电 | H2,CH4,CO | C2H4,C2H6,C2H2 |
油中火花放电 | H2,C2H2 | |
油中电弧 | H2,C2H2,C2H4 | CH4,C2H6 |
油和纸中电弧 | H2,C2H2,C2H4,CO | CH4,C2H6,CO2 |
表3.2
指标权重 | H2 | CH4 | C2H6 | C2H4 | C2H2 | CO | CO2 | 总烃 |
放电故障 | 0.27 | 0.12 | 0.08 | 0.16 | 0.23 | 0.13 | 0.03 | 0.00 |
过热故障 | 0.08 | 0.32 | 0.08 | 0.32 | 0.00 | 0.16 | 0.04 | 0.00 |
正常指标 | 0.33 | 0.00 | 0.00 | 0.00 | 0.33 | 0.00 | 0.00 | 0.33 |
设x为在线监测数据的系统误差评价系数,y为在线监测数据的随机误差评价系数,r为在线监测数据的巨大误差评价系数,误差综合得到的可用性系数ρ由下式计算:
4.可用性评价方法
利用信号分解的相关理论,本发明实现了对在线数据的系统趋势、随机波动及巨幅跳变的相互分离,并对巨大误差、随机误差与系统误差进行了量化处理。在分析的过程中,本发明首先关注在线数据的系统误差,即在线数据与带电数据的趋势相关性,趋势相关性较差说明在线装置存在不确定的系统误差,不能使用。其次,在系统误差较小的情况下,本发明需要关注在线数据的随机误差,即在线数据波动带电剧烈程度,在线数据的波动过于剧烈,说明其测量精度较低,需要进行一定的矫正。最后,在系统误差与随机误差均较小的情况下,本发明考虑在线数据的巨大误差,在线数据的“突变”情况越小,其巨大误差也就越小,数据的可用性也就越高。
4.1误差系数计算
在实际的计算过程当中,本发明首先需要对在线监测序列进行集合经验模式分解,分别得到多个本征模函数,即在线趋势子序列(与系统误差对应)、随机子序列(与随机误差对应)和巨大误差序列(与巨大误差对应);并通过这些子序列对系统误差、随机误差和巨大误差分别进行量化,具体方法如下。
系统误差:对在线监测序列进行集合经验模式分解后,将其中符合白噪声特征的本征模函数提取出,得到在线监测数据的真实信号序列St与随机误差序列Nt。其中,St将作为系统误差的判别依据,并被分为两个部分来研究,一部分是在线时间序列对应时间点有带电数据的部分组成的集合,记作O1,对应的带电时间序列部分为F1,另一部分是在线时间序列对应时间点没有带电数据的部分组成的集合,记作O2,对应的带电时间序列部分为F2。记O1、F1部分对整体系统误差的影响权重为α,O2、F2部分对整体系统误差的影响权重为1-α,x1和x2分别表示O1、F1和O2、F2两部分的系统误差,则整体的系统误差为x=αx1+(1-α)x2。
对于每一部分的系统误差,本发明用其序列内每两个对应点的系统误差加权之和来衡量,而每两个对应点的系统误差,本发明用这两个对应点变化的方向和幅度来衡量,变化方向相同,变化幅度相近的系统误差值大,表示两时间序列走势相似度高;变化方向相反,变化幅度差距大的系统误差值小,表示两时间序列走势相似度低。
对于每两个点的系统误差对整体系统误差的权重分配,本发明采用气体浓度和时间距离两个复合权重,两点的气体浓度越高、时间距离越远权重越大。
随机误差:通过集合经验模式分解得到在线监测数据的真实信号序列St与随机误差序列Nt,本发明按照在线监测装置的精度要求及真实信号序列St构造了误差参考序列Nt′,并计算序列mt=St+Nt与m′t=St+Nt′的信噪比,若序列mt的信噪比大于序列m′t的信噪比,说明在线装置的随机误差比实际需求小,可用性较高。
同时,考虑序列mt=St+Nt的时域特征,利用矩形窗函数对mt与m′t每个时间点上的信噪比进行估算,设在线监测序列的时间点总数为n,数据可用(随机误差小于实际需求值)的时间点为na,则在线监测装置随机误差的评价系数y=na/n。
巨大误差:巨大误差的量化方法主要基于Turkey 53H方法,并在Turkey 53H方法基础上进行一定的延伸,具体做法是。假设Turkey 53H法所识别出的巨大误差为i个,每个巨大误差与平滑值之间的比值为di(di=oi/oi′,其中,oi为实际的在线监测数据,oi′为该在线数据的Turkey平滑值),则巨大误差的测量指标r=∑di。之后,本发明对指标进行了归一化处理,函数映射为使其取值范围在(0,1]之间,巨大误差的数目越多,与平滑值之间的距离越长,测度指标的值越低。
4.2可用性综合系数计算
为了配合全省2000余台变压器在线监测装置实用性评价分析,实现可用性评价方法的大规模推广,本发明对上述评价过程进行的程序编译,包括数据的预处理、在线数据的成分分解、系统误差的评价过程、随机误差的评价过程以及巨大误差的评价过程,并对3种质量评价指标进行了计算。程序中,首先对在线数据与带电数据输入,对其预处理,预处理包括线性插值及数据填补,使得在线数据与带电数据等长、时间点一一对应,并利用预处理后的数据对巨大误差评价系数进行了计算。其次,对预处理后的数据进行了集合经验模式分解,将在线数据分为趋势子序列和随机波动子序列两个部分,趋势子序列用于系统误差评价系数的计算,随机波动子序列用于随机误差评价系数的计算。最后,根据计算所得的八种特征气体,系统误差、随机误差及巨大误差的有用性系数,构造三种质量评价指标的有用性综合系数,得出在线监测数据的可用性结果。
Claims (9)
1.一种变压器油中溶解气体在线监测装置实用性分析方法,其包括:
将带电检测数据视为真实数据,在线监测数据则为带有误差的失真数据;
通过信号分解,对在线监测数据的系统趋势、随机波动及巨幅跳变的相互分离,将在线监测数据的误差分解为系统误差、随机误差和巨大误差,所述的系统误差反映在线监测数据发生整体的“趋势”偏移的情况,所述的随机误差反映在线监测数据围绕趋势发生高频“波动”的情况,所述的巨大误差反映在线监测数据发生“突变”的情况;
将系统误差、随机误差与巨大误差作为测量指标,分别对这三种误差进行量化分析,并进行评价,依次得到巨大误差评价系数、随机误差评价系数和系统误差评价系数,再通过误差综合完成总体误差的评价,得到可用性系数;最后计算在线监测数据的各质量评价指标的可用性综合系数,得出在线监测数据的可用性结果。
2.根据权利要求1所述的变压器油中溶解气体在线监测装置实用性分析方法,其特征在于,
设x为在线监测数据的系统误差评价系数,y为在线监测数据的随机误差评价系数,r为在线监测数据的巨大误差评价系数,误差综合得到的可用性系数ρ由下式计算:
<mrow>
<mi>&rho;</mi>
<mo>=</mo>
<mn>0.9</mn>
<mo>*</mo>
<msup>
<mi>x</mi>
<mfrac>
<mn>2</mn>
<mn>3</mn>
</mfrac>
</msup>
<msup>
<mi>y</mi>
<mfrac>
<mn>1</mn>
<mn>3</mn>
</mfrac>
</msup>
<mo>+</mo>
<mn>0.1</mn>
<mo>*</mo>
<mi>r</mi>
<mo>.</mo>
</mrow>
3.根据权利要求1或2所述的变压器油中溶解气体在线监测装置实用性分析方法,其特征在于,
需要对在线监测序列进行集合经验模式分解,分别得到多个本征模函数,即在线趋势子序列、随机子序列和巨大误差序列;然后通过在线趋势子序列、随机子序列和巨大误差子序列分别对系统误差、随机误差和巨大误差进行量化。
4.根据权利要求3所述的变压器油中溶解气体在线监测装置实用性分析方法,其特征在于,
所述系统误差的具体量化方法如下:对在线监测序列进行集合经验模式分解后,提取其中符合白噪声特征的本征模函数,得到在线监测数据的真实信号序列St与随机误差序列Nt;其中,St作为系统误差的判别依据,并被分为两个部分,一部分是在线时间序列对应时间点带电检测数据的部分组成的集合,记作O1,对应的在线时间序列部分为F1;另一部分是在线时间序列对应时间点不带电数据的部分组成的集合,记作O2,对应的在线时间序列部分为F2;记O1、F1部分对整体系统误差的影响权重为α,O2、F2部分对整体系统误差的影响权重为1-α,x1和x2分别表示O1、F1和O2、F2两部分的系统误差评价系数,则整体的系统误差评价系数为x=αx1+(1-α)x2。
5.根据权利要求3所述的变压器油中溶解气体在线监测装置实用性分析方法,其特征在于,
所述随机误差的具体量化方法如下:通过集合经验模式分解得到在线监测数据的真实信号序列St与随机误差序列Nt,按照在线监测装置的精度要求及真实信号序列St构造误差参考序列N′t,并计算序列mt=St+Nt与m′t=St+N′t的信噪比;
同时,考虑序列mt=St+Nt的时域特征,利用矩形窗函数对mt与m′t每个时间点上的信噪比进行估算,设在线监测序列的时间点总数为n,数据可用的时间点为na,则在线监测装置的随机误差评价系数y=na/n。
6.根据权利要求3所述的变压器油中溶解气体在线监测装置实用性分析方法,其特征在于,
所述巨大误差的具体量化方法如下:假设Turkey 53H法所识别出的巨大误差为i个,每个巨大误差与平滑值之间的比值为di,di=oi/o′i,其中,oi为实际的在线监测数据,o′i为该在线监测数据的Turkey平滑值,则巨大误差的评价系数r=∑di,之后,对其进行归一化处理,函数映射为使其取值范围在(0,1]之间。
7.根据权利要求2所述的变压器油中溶解气体在线监测装置实用性分析方法,其特征在于,
在线监测数据的质量评价指标分为放电、过热和正常三种类型,分别用于评价在线装置在放电故障、过热故障和正常情况下的表现;
所述放电评价指标的可用性综合系数计算公式为:ρ∑放电=0.27*ρ氢气+0.12*ρ甲烷+0.08*ρ乙烷+0.16*ρ乙烯+0.23*ρ乙炔+0.13*ρCO+0.03*ρCO2,
其中,ρ∑放电是在线监测装置在设备过热情况下的可用性综合系数,ρ氢气是在线监测装置的氢气可用性系数,ρ甲烷是在线监测装置的甲烷可用性系数,ρ乙烷是在线监测装置的乙烷可用性系数,ρ乙烯是在线监测装置的乙烯可用性系数,ρ乙炔是在线监测装置的乙炔可用性系数,ρCO是在线监测装置的CO可用性系数,ρCO2是在线监测装置的CO2可用性系数;
所述过热评价指标的可用性综合系数计算公式为:
ρ∑过热=0.08*ρ氢气+0.32*ρ甲烷+0.08*ρ乙烷+0.32*ρ乙烯+0.0*ρ乙炔+0.16*ρCO+0.04*ρCO2,
其中,ρ∑过热是在线监测装置在设备过热情况下的可用性综合系数,ρ氢气是在线监测装置的氢气可用性系数,ρ甲烷是在线监测装置的甲烷可用性系数,ρ乙烷是在线监测装置的乙烷可用性系数,ρ乙烯是在线监测装置的乙烯可用性系数,ρ乙炔是在线监测装置的乙炔可用性系数,ρCO是在线监测装置的CO可用性系数,ρCO2是在线监测装置的CO2可用性系数;
所述正常评价指标的可用性综合系数计算公式为:
ρ∑正常=0.3*ρ氢气+0.3*ρ乙炔+0.3*ρ总烃,
其中,ρ∑正常是在线监测装置在设备正常情况下的可用性综合系数,ρ氢气是在线监测装置的氢气可用性系数,ρ乙炔是在线监测装置的乙炔可用性系数,ρ总烃是在线监测装置的总烃可用性系数。
8.根据权利要求1或2所述的变压器油中溶解气体在线监测装置实用性分析方法,其特征在于,
在三种误差量化分析的过程中,首先,关注在线监测数据的系统误差,即在线监测数据与带电检测数据的趋势相关性,趋势相关性较差说明在线监测装置存在不确定的系统误差,不能使用;其次,在系统误差较小的情况下,需要关注在线监测数据的随机误差,即在线监测数据波动带电剧烈程度,在线监测数据的波动过于剧烈,说明其测量精度较低,需要进行矫正;最后,在系统误差与随机误差均较小的情况下,考虑在线监测数据的巨大误差,在线监测数据的“突变”情况越小,其巨大误差也就越小,数据的可用性也就越高。
9.根据权利要求1所述的变压器油中溶解气体在线监测装置实用性分析方法,其特征在于,
在线监测装置实用性是指在线监测数据能够准确描述气体含量的状态及其变化规律,即具有数据趋势相关性;可用性评价原则如下:1)系统误差的变动趋势应与真值保持一致,容许偏离,不容许背离;2)随机误差应在可控范围内,不对状态判断造成严重干扰;3)巨大误差应尽可能少,不影响对突变的判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710194150.4A CN107085630B (zh) | 2017-03-28 | 2017-03-28 | 一种变压器油中溶解气体在线监测装置实用性分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710194150.4A CN107085630B (zh) | 2017-03-28 | 2017-03-28 | 一种变压器油中溶解气体在线监测装置实用性分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107085630A true CN107085630A (zh) | 2017-08-22 |
CN107085630B CN107085630B (zh) | 2019-03-08 |
Family
ID=59615203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710194150.4A Active CN107085630B (zh) | 2017-03-28 | 2017-03-28 | 一种变压器油中溶解气体在线监测装置实用性分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107085630B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108732226A (zh) * | 2018-04-02 | 2018-11-02 | 北京拓扑智鑫环境科技股份有限公司 | 硫醚类气体检测装置及方法 |
CN109765515A (zh) * | 2018-12-28 | 2019-05-17 | 国网辽宁省电力有限公司电力科学研究院 | 在线监测装置数据准确性智能核查系统 |
CN115032323A (zh) * | 2022-06-06 | 2022-09-09 | 云南电网有限责任公司电力科学研究院 | 确定油色谱数据异常的方法、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104280526A (zh) * | 2014-10-23 | 2015-01-14 | 北京理工大学 | 水质自动在线监测设备测量误差的分析和估计方法 |
US20160047765A1 (en) * | 2014-08-12 | 2016-02-18 | Abb Inc. | Method and Apparatus for Leakage Monitoring for Oil-Immersed Electrical Transformers |
CN106770861A (zh) * | 2016-11-21 | 2017-05-31 | 浙江大学 | 油浸式变压器在线监控数据可用性的评价方法 |
-
2017
- 2017-03-28 CN CN201710194150.4A patent/CN107085630B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160047765A1 (en) * | 2014-08-12 | 2016-02-18 | Abb Inc. | Method and Apparatus for Leakage Monitoring for Oil-Immersed Electrical Transformers |
CN104280526A (zh) * | 2014-10-23 | 2015-01-14 | 北京理工大学 | 水质自动在线监测设备测量误差的分析和估计方法 |
CN106770861A (zh) * | 2016-11-21 | 2017-05-31 | 浙江大学 | 油浸式变压器在线监控数据可用性的评价方法 |
Non-Patent Citations (2)
Title |
---|
杨莉等: "在线监测数据剔点处理算法的研究", 《高压电器》 * |
漆薇: "变压器油中溶解糠醛拉曼光谱检测表面增强方法研究", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108732226A (zh) * | 2018-04-02 | 2018-11-02 | 北京拓扑智鑫环境科技股份有限公司 | 硫醚类气体检测装置及方法 |
CN109765515A (zh) * | 2018-12-28 | 2019-05-17 | 国网辽宁省电力有限公司电力科学研究院 | 在线监测装置数据准确性智能核查系统 |
CN115032323A (zh) * | 2022-06-06 | 2022-09-09 | 云南电网有限责任公司电力科学研究院 | 确定油色谱数据异常的方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107085630B (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6978541B2 (ja) | 動的外れ値偏り低減のコンピュータ実装方法、コンピュータシステム及びコンピュータ装置 | |
Methot Jr et al. | Adjusting for bias due to variability of estimated recruitments in fishery assessment models | |
Rajbahadur et al. | The impact of using regression models to build defect classifiers | |
Wilson | Measures of association for bivariate ordinal hypotheses | |
CN110319982B (zh) | 基于机器学习的埋地式燃气管线泄漏判断方法 | |
CN104764869B (zh) | 一种基于多维特征量的变压器气体故障诊断和报警方法 | |
CN104483598B (zh) | 一种电缆故障检测分析方法 | |
CN106019026B (zh) | 一种基于波形匹配的谐波电压责任的划分方法 | |
CN107085630B (zh) | 一种变压器油中溶解气体在线监测装置实用性分析方法 | |
White et al. | Methodological tools | |
CN106680211A (zh) | 一种变压器油中溶解气体在线监测装置在线同步比对准确度的评价方法 | |
Teixeira et al. | An ultrasound-based water-cut meter for heavy fuel oil | |
Dugan et al. | An empirical comparison of alternative methods for the estimation of the degree of operating leverage | |
Yan et al. | Mutual Information‐Assisted Wavelet Function Selection for Enhanced Rolling Bearing Fault Diagnosis | |
Hansen et al. | Exploring data quality and seasonal variations of N2O in wastewater treatment: a modeling perspective | |
CN111024347B (zh) | 一种电抗器健康状态评估方法 | |
CN110472801B (zh) | 直流输电线路电磁环境评估方法及系统 | |
Smirnov et al. | Correlation between main structural group parameters of crude oils of the Volga–Urals oil and gas basin by 1 H and 13 C NMR data | |
Chen et al. | Study on the Relationship between Total Hydrocarbon and Gases Dissolved in Transformer Oil | |
Guo et al. | Exploring the instability of spectra based fault localization performance | |
CN117147807B (zh) | 一种用于石油勘探的油质监测系统及方法 | |
JP2017181106A (ja) | アセチレン発生可能性の評価方法、評価装置、及び評価プログラム | |
CN101672664A (zh) | 一种变值系统误差检测系统及其检测方法 | |
CN106771091B (zh) | 油浸式变压器在线监测数据和带电检测数据间系统误差的评价方法 | |
Wen et al. | Online Intelligent Identification of Modal Parameters for Large Cable‐Stayed Bridges |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 310014 Huadian Lane 1, Zhaohui eight district, Xiacheng District, Hangzhou, Zhejiang Applicant after: Power Science Research Institute of Zhejiang Electric Power Co., Ltd. Applicant after: State Grid Corporation of China Address before: 310014 Huadian Lane 1, Zhaohui eight district, Xiacheng District, Hangzhou, Zhejiang Applicant before: Electric Power Research Institute of State Grid Zhejiang Electric Power Company Applicant before: State Grid Corporation of China |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |