CN107271809A - 一种面向大数据应用的电力设备状态量动态阈值获取方法 - Google Patents
一种面向大数据应用的电力设备状态量动态阈值获取方法 Download PDFInfo
- Publication number
- CN107271809A CN107271809A CN201710354861.3A CN201710354861A CN107271809A CN 107271809 A CN107271809 A CN 107271809A CN 201710354861 A CN201710354861 A CN 201710354861A CN 107271809 A CN107271809 A CN 107271809A
- Authority
- CN
- China
- Prior art keywords
- mrow
- mtd
- mtr
- munderover
- msub
- 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 21
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- HYBBIBNJHNGZAN-UHFFFAOYSA-N furfural Chemical compound O=CC1=CC=CO1 HYBBIBNJHNGZAN-UHFFFAOYSA-N 0.000 claims description 34
- 238000013459 approach Methods 0.000 claims description 19
- 230000032683 aging Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000010219 correlation analysis Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- CSJDCSCTVDEHRN-UHFFFAOYSA-N methane;molecular oxygen Chemical compound C.O=O CSJDCSCTVDEHRN-UHFFFAOYSA-N 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Abstract
本发明公开了一种面向大数据应用的电力设备状态量动态阈值获取方法，通过广义的横纵向对比为设备状态量分析提供了工程可行的方法，使得计算结果更加贴近实际需求，实现了从设备群体到个体的全面分析及状态量所处状态的准确定位。通过实例的验证表明，该方法相比于现在所用的定阈值分析法更加符合电网精益化运维要求，提高了现场运行数据的可利用率，减小了设备过度维修和维修不足的风险。
Description
技术领域
本发明涉及电力系统设备的维护和检修领域，更具体地说，涉及一种面向大数据应用的电力设备状态量动态阈值获取方法。
背景技术
随着智能电网建设和状态检修开展的不断深入，以及传感和计算机技术在电网运维的深入应用，国网及各省设备状态评价中心开展设备的实时、动态分析已成为常态化工作，输变电设备产生的运检数据量呈指数级增长，电力公司获取了设备状态量的大数据样本。如何应用这些大数据样本为精益化运维服务是当前急需解决的问题。当前广泛存在着设备状态评价系统周期长、对信息的分析利用不足等问题。
国内外目前比较常用的设备状态量，大致可分为正常状态、基准态状态、异常状态三类：正常状态表明设备不存在与该状态量相关的缺陷；异常状态表明设备已存在与该状态量相关的缺陷甚至故障；基准态是指设备可能存在或发展为与该状态量相关的缺陷，介于正常与异常之间。目前对设备的状态量分析判断仍然采用定期检修常用的定阈值比较方法，该方法存在以下两种明显的不足：一是状态量超过规定阈值但设备仍能正常运行，只需加强监测；二是状态量没超过规定阈值，但设备继续运行存在较高的故障风险。显然基于简单的阈值判断方法是非常粗放的，不符合状态检修的内在要求。
同时，依照国外对电力设备的差异化管理方法和经验，对于电力公司管理的变压器群来说，可能存在问题变压器是小于10％的，其中比较严重而需要进行检修或更换的可能占2％左右，剩余8％左右只需加强监测或视情提前检修。因此事实上可以挑选出状态劣化最为严重的一批变压器进行检修，以优化配置公司检修资源，提高公司检修效率。
发明内容
本发明要解决的技术问题在于，提供一种面向大数据应用的电力设备状态量动态阈值获取方法。
本发明解决其技术问题所采用的技术方案是：构造一种面向大数据应用的电力设备状态量动态阈值获取方法，针对不随时间年限正常老化的状态量分析，采用广义横向比较分析法；针对随时间年限正常老化的状态量分析，采用广义纵向比较分析法；
广义横向比较分析法包括以下步骤：收集某一地区的同一电压等级变压器群的同一状态量实测值，形成该状态量的大数据样本；计算小于状态量值的变压器占样本总数量的比重，形成百分数-状态量值对，在二维坐标系描绘百分数与状态量值的曲线图并进行拟合，拟合得到的曲线为状态量基准分布曲线；将状态量基准分布曲线分为正常状态区域、基准状态区域、异常状态区域三个区域，将实测状态量与状态量基准分布曲线比较即可对该状态量进行评估。
广义纵向比较分析法包括以下步骤：
收集并形成运行年限、状态量值样本对，在二维坐标系描绘在时间与状态量值的散点图并获取回归线L，采用置信区间理论计算上置信区间线L1及下置信区间线L2，通过L1及L2对当前状态量阈值进行动态修正。
在上述广义纵向比较分析法的步骤中，采用最小二乘算法获取回归线L。
优选地，最小二乘算法包括以下步骤：假设给定数据点(xi,yi)(i＝0,1,...,m)，φ为所有次数不超过n(n≤m)的多项式构成的函数类，确定多项式使得取最小值，由多元函数求极值的必要条件，得
(1)式是关于a0,a1,...,an的线性方程组，用矩阵表示为
方程组(1)的系数矩阵是一个对称正定矩阵，存在唯一解，从(1)式中解出ak(k＝0,1,…，n)，从而可得多项式
优选地，广义纵向比较分析法适用于随时间年限正常老化的状态量值，包括碳氧化物、糠醛、绝缘电阻。
实施本发明一种面向大数据应用的电力设备状态量动态阈值获取方法，具有以下有益效果：
本发明相比于定阈值分析法，提高了状态量分析的准确性，得到的结论更加符合精益化运维的实际需求。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1为广义横向比较分析法的原理图；
图2为广义纵向比较分析法的原理图；
图3为实施例1中的H2基准分布曲线；
图4为实施例1中的C2H2基准分布曲线；
图5为实施例1中的总烃基准分布曲线；
图6为实施例1中的CO基准老化曲线；
图7为实施例1中的CO2基准老化曲线；
图8为实施例2中的单台变压器30年内的糠醛变化趋势；
图9为实施例2中的变压器油中糠醛含量和运行年限关系示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
本发明提供一种面向大数据应用的电力设备状态量动态阈值获取方法，包括以下步骤：针对随时间年限正常老化的状态量分析，如同类型设备较多的状态量，采用广义横向比较分析法；针对不随时间年限正常老化的状态量分析，如碳氧化物、糠醛、绝缘电阻，采用广义纵向比较分析法。
广义横向比较分析法包括以下步骤：收集某一地区的同一电压等级变压器群的同一状态量实测值，形成该状态量的大数据样本；计算小于状态量值的变压器占样本总数量的比重，形成百分数-状态量值对，在二维坐标系描绘百分数与状态量值的曲线图并进行拟合，拟合得到的曲线为状态量基准分布曲线；如图1所示，将状态量基准分布曲线分为正常状态区域、基准状态区域、异常状态区域三个区域，将实测状态量与状态量基准分布曲线比较即可对该状态量进行评估。
广义纵向比较分析法包括以下步骤：
如图2所示，收集并形成运行年限、状态量值样本对，在二维坐标系描绘在时间与状态量值的散点图并获取回归线L，采用置信区间理论计算上置信区间线L1及下置信区间线L2，通过L1及L2对当前状态量阈值进行动态修正。状态量的状态评估原理如下表1：
表1广义纵向比较分析法中状态量的状态评估原理列表
在上述广义纵向比较分析法的步骤中，采用最小二乘算法获取回归线L。最小二乘算法包括以下步骤：假设给定数据点(xi,yi)(i＝0,1,...,m)，φ为所有次数不超过n(n≤m)的多项式构成的函数类，确定多项式使得 取最小值，由多元函数求极值的必要条件，得
(1)式是关于a0,a1,...,an的线性方程组，用矩阵表示为
方程组(1)的系数矩阵是一个对称正定矩阵，存在唯一解，从(1)式中解出ak(k＝0,1,…，n)，从而可得多项式
本发明通过广义横纵向比较建立了面向大数据应用的电力设备状态量动态阈值获取方法，实现从设备群体到个体的全面分析，状态量所处状态的准确定位。最后，通过以下两个实例的验证。
实施例1：采用广义横向比较原理分析油色谱
(1)通过随机调查某一网省公司变压器的油色谱数据，统计分析结论如图3至图5。
依据导则DLT-984-2005中有关变压器油中CO的描述，有如下经验公式：
其中：Cn表示运行n年的CO年平均含量，n表示运行年限。
考虑到滤油等情形会导致滤油后气体含量大幅降低，导致在以CO含量为纵坐标，n为横坐标的基准老化曲线在滤油后存在意义不明等问题。现将将经验公式(4)变形为：
其中：Kn＝Cn/Cn-1，表示第n年CO相对于上年的变化情况，简称变化率。
假设第m年的时候对变压器进行了滤油，则进行分析时，将滤油前第m年的CO平均含量记做Cma，将滤油后第m年CO平均含量记做Cmb，可得到Km＝Cma/Cm-1和Km+1＝Cm+1/Cmb，这样就能有效的避免因滤油造成的气体含量下降的影响。
以Kn为纵坐标，n为横坐标，做出CO基准老化曲线如图6所示。
图6中连续曲线为注意值包络线，若CO变化率超过它，认定此时该台变压器CO已超标。
图6中折线为统计同一运行年限的若干变压器的CO变化率所得的统计结果，表明实际运行变压器的CO变化率的普适值。实际运用中，若某台变压器的CO变化率虽未超注意值，但其变化规律始终处于折线和连续曲线之间且规律和折线不一致，认为CO含量存在异常状态。
依据导则DLT-984-2005中有关变压器油中CO2的描述，有如下经验公式：
C≤1000(2+n) (μl/l) (6)
其中：C表示运行n年的CO2年平均含量，n表示运行年限。
同CO一样考虑，将经验公式变形如下：
对于第一年的数据，将lnC1变换为lnK1，选取上限令lnK1＝8，这样上述等式可以变换为
依据和CO同样的理论，此时以∑lnK为纵坐标，n为横坐标，做出CO2基准老化曲线图7所示。
图7中的连续曲线为注意值包络线，若CO2变化率超过它，认定此时该台变压器CO2已超标。
图7中的折线为统计同一运行年限的若干变压器的CO2变化率之和所得的统计结果，表明实际运行变压器的CO2变化率的普适值。实际运用中，若某台变压器的CO2变化率之和虽未超注意值，但其变化规律始终处于折线和连续曲线之间且规律和折线不一致，认为CO2含量存在异常状态。
实施例2：采用广义纵向比较原理分析糠醛
通过收集大量运行中变压器数据，尤其关注单台变压器几年之间的糠醛变化趋势，如图8所示。采用相关分析、偏相关分析验证糠醛绝对含量(F)、糠醛含量对数值(1gF)以及变压器运行年数之间的相关性，其结果如表2和表3所示。
表2糠醛含量和变压器运行年限相关性分析
表3糠醛含量和变压器运行年限偏相关性分析
由相关分析和偏相关分析表明，变压器运行年限与糠醛含量的对数值之间存在更强的线性关系。由于糠醛对数值与变压器运行年限存在较强的相关性，应用最小二乘法进行回归分析，其结果如式所示。
lgF＝-2.346+0.069T (9)
式中F表示糠醛浓度，单位为mg/L；t表示运行年限，单位为年。
其相关系数R＝0.413，相关系数表示了变压器运行年限与变压器油中的糠醛浓度的对数lgF直线相关关系的密切程度，且服从统计分布规律。对一台运行时间为T的变压器来说，其糠醛浓度实测值的对数值分布应在回归直线以下，且应服从正态分布。由统计学理论，其测定值必定落在某一个单侧置信范围之内，如下：(-∞,-2.346+0.069T+tas]，其中tas-t分布统计量；s为回归直线标准差，表征了数据围绕该直线的分散程度。
变压器纸绝缘的老化是一个长期、缓慢的过程。因此在一般情况下，没有必要将检测周期制定得像检测放电故障和过热故障的油中溶解气体分析那样短。将随机抽样中大约10％糠醛含量超过同期运行设备的平均水平作为需要缩短绝缘老化检测周期的对象是比较合理的，这里将这类变压器称为非正常老化变压器。对于选定的样本，经计算得到S＝0.80。选择显著性水平a＝0.1，即置信概率为90％，查t分布值表得：ta＝1.282，因此单侧置信区间为(-∞,-1.385+0.069T]，见图9。
上述两个实施例验证表明：本发明与定阈值分析法相比，提高了状态量分析的准确性，得到的结论更加符合精益化运维的实际需求。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (4)
1.一种面向大数据应用的电力设备状态量动态阈值获取方法，其特征在于，针对不随时间年限正常老化的状态量分析，采用广义横向比较分析法；针对随时间年限正常老化的状态量分析，采用广义纵向比较分析法；
广义横向比较分析法包括以下步骤：收集某一地区的同一电压等级变压器群的同一状态量实测值，形成该状态量的大数据样本；计算小于状态量值的变压器占样本总数量的比重，形成百分数-状态量值对，在二维坐标系描绘百分数与状态量值的曲线图并进行拟合，拟合得到的曲线为状态量基准分布曲线；将状态量基准分布曲线分为正常状态区域、基准状态区域、异常状态区域三个区域，将实测状态量与状态量基准分布曲线比较即可对该状态量进行评估；
广义纵向比较分析法包括以下步骤：
收集并形成运行年限、状态量值样本对，在二维坐标系描绘在时间与状态量值的散点图并获取回归线L，采用置信区间理论计算上置信区间线L1及下置信区间线L2，通过L1及L2对当前状态量阈值进行动态修正。
2.根据权利要求1所述的一种面向大数据应用的电力设备状态量动态阈值获取方法，其特征在于，在广义纵向比较分析法的步骤中，采用最小二乘算法获取回归线L。
3.根据权利要求2所述的一种面向大数据应用的电力设备状态量动态阈值获取方法，其特征在于，最小二乘算法包括以下步骤：假设给定数据点(xi,yi)(i＝0,1,...,m)，φ为所有次数不超过n(n≤m)的多项式构成的函数类，确定多项式使得取最小值，由多元函数求极值的必要条件，得
<mrow>
<mfrac>
<mrow>
<mo>&part;</mo>
<mi>I</mi>
</mrow>
<mrow>
<mo>&part;</mo>
<msub>
<mi>a</mi>
<mi>j</mi>
</msub>
</mrow>
</mfrac>
<mo>=</mo>
<mn>2</mn>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</munderover>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>a</mi>
<mi>k</mi>
</msub>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mi>k</mi>
</msubsup>
<mo>-</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mi>j</mi>
</msubsup>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
(1)式是关于a0,a1,...,an的线性方程组，用矩阵表示为
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mi>n</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mi>n</mi>
</msubsup>
</mrow>
</mtd>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mi>n</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
</mrow>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mrow>
<mn>2</mn>
<mi>n</mi>
</mrow>
</msubsup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mn>0</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>a</mi>
<mi>n</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mi>n</mi>
</msubsup>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
方程组(1)的系数矩阵是一个对称正定矩阵，存在唯一解，从(1)式中解出ak(k＝0,1,…，n)，从而可得多项式
<mrow>
<msub>
<mi>p</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>a</mi>
<mi>k</mi>
</msub>
<msup>
<mi>x</mi>
<mi>k</mi>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
4.根据权利要求1所述的一种面向大数据应用的电力设备状态量动态阈值获取方法，其特征在于，广义纵向比较分析法适用于随时间年限正常老化的状态量值，包括碳氧化物、糠醛、绝缘电阻。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710354861.3A CN107271809B (zh) | 2017-05-18 | 2017-05-18 | 一种面向大数据应用的电力设备状态量动态阈值获取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710354861.3A CN107271809B (zh) | 2017-05-18 | 2017-05-18 | 一种面向大数据应用的电力设备状态量动态阈值获取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107271809A true CN107271809A (zh) | 2017-10-20 |
| CN107271809B CN107271809B (zh) | 2020-01-31 |
Family
ID=60064031
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710354861.3A Active CN107271809B (zh) | 2017-05-18 | 2017-05-18 | 一种面向大数据应用的电力设备状态量动态阈值获取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107271809B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110017892A (zh) * | 2019-05-10 | 2019-07-16 | 广东石油化工学院 | 一种变压器的异常状态振声的检测方法和装置 |
| CN110017894A (zh) * | 2019-05-14 | 2019-07-16 | 广东石油化工学院 | 变压器运行状态振声检测中随机噪声的滤除方法和装置 |
| CN110031089A (zh) * | 2019-05-15 | 2019-07-19 | 广东石油化工学院 | 一种变压器运行状态振声检测信号的滤波方法和装置 |
| CN110081968A (zh) * | 2019-05-31 | 2019-08-02 | 广东石油化工学院 | 一种变压器振动信号的模拟方法和装置 |
| CN110514295A (zh) * | 2019-08-31 | 2019-11-29 | 广东石油化工学院 | 一种利用svd分解的变压器运行状态振声检测信号滤波方法和系统 |
| CN110657881A (zh) * | 2019-09-14 | 2020-01-07 | 广东石油化工学院 | 一种利用稀疏反演的变压器振声信号滤波方法和系统 |
| CN110702215A (zh) * | 2019-10-19 | 2020-01-17 | 广东石油化工学院 | 一种利用回归树的变压器运行状态振声检测方法和系统 |
| CN112485723A (zh) * | 2020-09-15 | 2021-03-12 | 国网浙江省电力有限公司湖州供电公司 | 一种智能电力监测方法及系统 |
| CN113408402A (zh) * | 2021-06-16 | 2021-09-17 | 广东电网有限责任公司 | 区域电网的稳态与动态电气量数据校核方法、装置及设备 |
| CN115496628A (zh) * | 2022-10-21 | 2022-12-20 | 普杰软件(南京)有限公司 | 一种智慧酒店管理系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103810328A (zh) * | 2014-01-16 | 2014-05-21 | 国家电网公司 | 一种基于混合模型的变压器维修决策方法 |
| CN103914613A (zh) * | 2014-03-04 | 2014-07-09 | 中国南方电网有限责任公司 | 电力系统动态状态估计中异常情况的检测方法 |
| CN104134006A (zh) * | 2014-08-04 | 2014-11-05 | 昆明理工大学 | 一种基于历史数据聚类的电力设备动态阈值整定方法 |
| CN105260814A (zh) * | 2015-09-15 | 2016-01-20 | 国家电网公司 | 一种基于大数据的输变电设备评估模型及处理方法 |
| CN105352815A (zh) * | 2015-10-22 | 2016-02-24 | 广州机械科学研究院有限公司 | 一种静密封氟橡胶o形圈剩余使用寿命的预测方法 |
-
2017
- 2017-05-18 CN CN201710354861.3A patent/CN107271809B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103810328A (zh) * | 2014-01-16 | 2014-05-21 | 国家电网公司 | 一种基于混合模型的变压器维修决策方法 |
| CN103914613A (zh) * | 2014-03-04 | 2014-07-09 | 中国南方电网有限责任公司 | 电力系统动态状态估计中异常情况的检测方法 |
| CN104134006A (zh) * | 2014-08-04 | 2014-11-05 | 昆明理工大学 | 一种基于历史数据聚类的电力设备动态阈值整定方法 |
| CN105260814A (zh) * | 2015-09-15 | 2016-01-20 | 国家电网公司 | 一种基于大数据的输变电设备评估模型及处理方法 |
| CN105352815A (zh) * | 2015-10-22 | 2016-02-24 | 广州机械科学研究院有限公司 | 一种静密封氟橡胶o形圈剩余使用寿命的预测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王致杰 等: "《电力设备状态监测与故障诊断》", 31 May 2012, 上海：上海交通大学出版社 * |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110017892A (zh) * | 2019-05-10 | 2019-07-16 | 广东石油化工学院 | 一种变压器的异常状态振声的检测方法和装置 |
| CN110017892B (zh) * | 2019-05-10 | 2021-06-11 | 广东石油化工学院 | 一种变压器的异常状态振声的检测方法和装置 |
| CN110017894A (zh) * | 2019-05-14 | 2019-07-16 | 广东石油化工学院 | 变压器运行状态振声检测中随机噪声的滤除方法和装置 |
| CN110017894B (zh) * | 2019-05-14 | 2021-06-18 | 广东石油化工学院 | 变压器运行状态振声检测中随机噪声的滤除方法和装置 |
| CN110031089A (zh) * | 2019-05-15 | 2019-07-19 | 广东石油化工学院 | 一种变压器运行状态振声检测信号的滤波方法和装置 |
| CN110031089B (zh) * | 2019-05-15 | 2021-06-11 | 广东石油化工学院 | 一种变压器运行状态振声检测信号的滤波方法和装置 |
| CN110081968B (zh) * | 2019-05-31 | 2021-06-11 | 广东石油化工学院 | 一种变压器振动信号的模拟方法和装置 |
| CN110081968A (zh) * | 2019-05-31 | 2019-08-02 | 广东石油化工学院 | 一种变压器振动信号的模拟方法和装置 |
| CN110514295A (zh) * | 2019-08-31 | 2019-11-29 | 广东石油化工学院 | 一种利用svd分解的变压器运行状态振声检测信号滤波方法和系统 |
| CN110514295B (zh) * | 2019-08-31 | 2021-04-06 | 广东石油化工学院 | 一种利用svd分解的变压器运行状态振声检测信号滤波方法和系统 |
| CN110657881B (zh) * | 2019-09-14 | 2021-04-06 | 广东石油化工学院 | 一种利用稀疏反演的变压器振声信号滤波方法和系统 |
| CN110657881A (zh) * | 2019-09-14 | 2020-01-07 | 广东石油化工学院 | 一种利用稀疏反演的变压器振声信号滤波方法和系统 |
| CN110702215B (zh) * | 2019-10-19 | 2021-04-06 | 广东石油化工学院 | 一种利用回归树的变压器运行状态振声检测方法和系统 |
| CN110702215A (zh) * | 2019-10-19 | 2020-01-17 | 广东石油化工学院 | 一种利用回归树的变压器运行状态振声检测方法和系统 |
| CN112485723A (zh) * | 2020-09-15 | 2021-03-12 | 国网浙江省电力有限公司湖州供电公司 | 一种智能电力监测方法及系统 |
| CN112485723B (zh) * | 2020-09-15 | 2022-12-02 | 国网浙江省电力有限公司湖州供电公司 | 一种智能电力监测方法及系统 |
| CN113408402A (zh) * | 2021-06-16 | 2021-09-17 | 广东电网有限责任公司 | 区域电网的稳态与动态电气量数据校核方法、装置及设备 |
| CN113408402B (zh) * | 2021-06-16 | 2022-03-11 | 广东电网有限责任公司 | 区域电网的稳态与动态电气量数据校核方法、装置及设备 |
| CN115496628A (zh) * | 2022-10-21 | 2022-12-20 | 普杰软件(南京)有限公司 | 一种智慧酒店管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107271809B (zh) | 2020-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107271809A (zh) | 一种面向大数据应用的电力设备状态量动态阈值获取方法 | |
| CN103247008B (zh) | 一种电力统计指标数据的质量评估方法 | |
| CN103576050B (zh) | 一种电容式电压互感器的运行状态评估方法 | |
| CN108009131A (zh) | 基于用电信息采集的用户用电数据异常分析方法 | |
| CN108898311A (zh) | 一种面向智能配电网抢修调度平台的数据质量检测方法 | |
| CN108629525A (zh) | 一种考虑负荷重要程度的节点电压暂降严重程度评估方法 | |
| Li et al. | An integrated method of set pair analysis and association rule for fault diagnosis of power transformers | |
| CN106447205A (zh) | 一种基于层次分析法的配电自动化终端状态评价方法 | |
| CN109188082A (zh) | 一种基于bp神经网络的变压器状态评估方法 | |
| CN103530706A (zh) | 一种配电网综合节能潜力分析方法 | |
| CN102590652B (zh) | 基于电气信息的设备性能评价系统及方法 | |
| CN108805415A (zh) | 基于历史信息挖掘的变压器本体关键评价指标选取方法 | |
| CN105242129A (zh) | 一种变压器绕组故障概率确定方法 | |
| CN109559019A (zh) | 一种基于风险指数的电力系统动态安全评估方法 | |
| CN108710036A (zh) | 一种基于智能变电站状态估计的采样环节状态评估方法 | |
| CN107862459A (zh) | 一种基于大数据的计量设备状态评估方法及系统 | |
| CN111275292A (zh) | 一种基于模糊层次分析法的接地网状态评估方法 | |
| CN103076439B (zh) | 换流变压器转换选择器动作产生的特征气体含量估算方法 | |
| Gu et al. | Power quality early warning based on anomaly detection | |
| CN113780775A (zh) | 一种电网理论线损计算结果评价方法及系统 | |
| CN106054601A (zh) | 确定防滑刹车控制装置低温故障分布的方法 | |
| CN110764043B (zh) | 一种适用于连续型测量结果的设备质量状况评价方法 | |
| Shao | A novel method of transformer fault diagnosis based on extension theory and information fusion in wireless sensor networks | |
| Li et al. | Nonparametric kernel density estimation model of transformer health based on dissolved gases in oil | |
| Li et al. | Research on Key Technology of State Evaluation and Replacement Acquisition System of Intelligent Electric Energy Meter Based on Smart Grid |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20180118 Address after: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant after: State Grid Corporation of China Applicant after: State Grid Gansu Electric Power Company Applicant after: Electric Power Research Institute, State Grid Fujian Electric Power Co., Ltd. Applicant after: State Grid Fujian Electric Power Co., Ltd. Applicant after: Wuhan Nari Limited Liability Company of State Grid Electric Power Research Institute Address before: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant before: State Grid Corporation of China Applicant before: State Grid Gansu Electric Power Company Applicant before: State Grid Fujian Electric Power Co., Ltd. Applicant before: Wuhan Nari Limited Liability Company of State Grid Electric Power Research Institute |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |