CN108647717B - 一种考虑温度的变压器故障率计算方法 - Google Patents

Abstract

本发明涉及电力系统及其自动化领域，尤其涉及一种考虑温度的变压器故障率计算方法。在建立大数据库基础上采用数据聚类原理对大数据进行处理和分析；针对变压器故障状态评估所涉及的随机和模糊不确定性的参量，采用概率模糊集的理论进行处理和分析。利用本发明所提出的一种考虑温度的变压器故障率计算方法，可以评估变压器故障状态，反映了变压器故障状态特征值具有的不确定性，为变压器故障状态评估提供理论指导，为配电网运维提供必要的技术支撑。

Description

一种考虑温度的变压器故障率计算方法

技术领域

本发明涉及电力系统及其自动化领域，尤其涉及一种考虑温度的变压器故障率计算方法。

背景技术

变压器数量多，会存在不同程度的劣化、劣化、缺陷并具有家族性和隐蔽性，难以得到及时检测和评估。因运行年限、环境、检修等有很大差异并受多因素影响，增加了变压器运行劣化状态评价的难度和复杂性，无法满足精准化和智能化评价的更高要求。

传统上，大多通过油中溶解气体等单一因素数据计算和分析方法来评估变压器故障状态，单一参量或少量数据容易造成评价精确度低，进而导致过修或失修等问题。

典型负荷时热点温度、高负荷时热点温度、油温等与温度相关的参量，局部放电量、偏斜度、陡峭度、互相关系数、相位不对称数等与局部放电相关的参量，在不同环境、气象条件下都有不同的数值，具有随机和模糊不确定性，可以说变压器故障是一个随机和模糊不确定性的事故或事件，这些因素也是随机和模糊不确定性的参量。这些影响因素通常都具有随机不确定性或模糊不确定性，或者是具有随机和模糊不确定性，往往以随机和模糊不确定性事件或参量而存在。可见，传统变压器故障状态评估的现有技术都没有全面考虑影响因素的不确定性和随机性，计算方法适用性、实用性和应用性也难以得到满足。

发明内容

本发明的目的就是要克服现有技术的不足，采用一种考虑温度的变压器故障率计算方法。在建立大数据库基础上采用数据聚类原理对大数据进行处理和分析；针对变压器故障状态评估所涉及的随机和模糊不确定性的参量，采用概率模糊集的理论进行处理和分析。该方法用于解决传统方法利用经验、少量参量或数据容易造成评价精确度低而导致过修或失修等问题。

本发明的技术方案是：一种考虑温度的变压器故障率计算方法，变压器故障取决于变压器局部放电、温度元素的异常变化特征，变压器故障概率由变压器局部放电、温度元素的异常变化特征值按照概率原理计算确定，其中，局部放电元素包括：局部放电量、偏斜度、陡峭度、互相关系数、相位不对称数；温度元素包括：典型负荷时热点温度、高负荷时热点温度、油温；对具有随机不确定性的变压器局部放电、温度元素的异常变化特征值进行聚类处理，构建变压器故障率计算函数，包括以下步骤；

S1：变压器局部放电数据集构建与概率数值计算；由局部放电量、偏斜度、陡峭度、互相关系数、相位不对称数，构建变压器局部放电特征类数据集x_SD为：

式中

为与变压器局部放电量、偏斜度、陡峭度、互相关系数、相位不对称数相关数据集，N_SD为变压器局部放电特征类数据集的数量；

第a个变压器局部放电数据集x_SDa为：

式中

为从试验中得到的第a个变压器局部放电数据集x_SGa元素数据值，N_SDa为变压器第a个变压器局部放电数据集x_SDa的元素数量；

从相关数据库系统获取变压器局部放电检测、试验的数据信息，采用模拟的方法，确定第a个变压器局部放电数据集x_SDa的第i个元素按照正态分布规律变化的均值μ_SDai和方差σ_SDai，确定变压器压器局部放电量、偏斜度、陡峭度、互相关系数、相位不对称数按照正态分布规律变化的均值μ_SD1和方差σ_SD1、均值μ_SD2和方差σ_SD2、均值μ_SD3和方差σ_SD3、均值μ_SD4和方差σ_SD4、均值μ_SD5和方差σ_SD5；

S2：变压器温度数据集构建与概率数值计算；由典型负荷时热点温度、高负荷时热点温度、油温，构建变压器温度数据集x_ST为：

式中

为与变压器典型负荷时热点温度、高负荷时热点温度、油温相关的数据集，N_ST为变压器温度数据集的数量；

第a个变压器温度数据集x_STa为：

式中

为从试验中得到的第a个变压器温度数据集x_STa元素数据值，N_STa为变压器第a个变压器温度数据集x_STa的元素数量；

从相关数据库系统获取变压器温度检测、试验的数据信息，采用模拟的方法，确定第a个变压器温度数据集x_STa的第i个元素按照正态分布规律变化的均值μ_STai和方差σ_STai，确定变压器压器典型负荷时热点温度、高负荷时热点温度、油温按照正态分布规律变化的均值μ_ST1和方差σ_ST1、均值μ_ST2和方差σ_ST2、均值μ_ST3和方差σ_ST3；

S3：基于局部放电元素的变压器故障率计算；基于多个局部放电元素关联分析，引入影响因子k_TD，计算变压器故障概率：

式中erf(y)为误差函数，其表达式为：

S4：基于温度元素的变压器故障率计算；基于多个温度元素关联分析，引入影响因子k_TT，计算变压器故障概率：

S5：变压器故障率计算；计算变压器故障概率，计算公式为：

式中

为权重系数。

本发明的有益效果是；利用本发明所提出的一种考虑温度的变压器故障率计算方法，可以评估变压器故障状态，反映了变压器故障状态特征值具有的不确定性，为变压器故障状态评估提供理论指导，为配电网运维提供必要的技术支撑。

附图说明

图1是本发明的流程框图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。

实施例1：

如图1所示，一种考虑温度的变压器故障率计算方法，变压器故障取决于变压器局部放电、温度元素的异常变化特征，变压器故障概率由变压器局部放电、温度元素的异常变化特征值按照概率原理计算确定，其中，局部放电元素包括：局部放电量、偏斜度、陡峭度、互相关系数、相位不对称数；温度元素包括：典型负荷时热点温度、高负荷时热点温度、油温；对具有随机不确定性的变压器局部放电、温度元素的异常变化特征值进行聚类处理，构建变压器故障率计算函数，包括以下步骤；

S1：变压器局部放电数据集构建与概率数值计算；由局部放电量、偏斜度、陡峭度、互相关系数、相位不对称数，构建变压器局部放电特征类数据集x_SD为：

式中

为与变压器局部放电量、偏斜度、陡峭度、互相关系数、相位不对称数相关数据集，N_SD为变压器局部放电特征类数据集的数量；

第a个变压器局部放电数据集x_SDa为：

式中

为从试验中得到的第a个变压器局部放电数据集x_SGa元素数据值，N_SDa为变压器第a个变压器局部放电数据集x_SDa的元素数量；

从相关数据库系统获取变压器局部放电检测、试验的数据信息，采用模拟的方法，确定第a个变压器局部放电数据集x_SDa的第i个元素按照正态分布规律变化的均值μ_SDai和方差σ_SDai，确定变压器压器局部放电量、偏斜度、陡峭度、互相关系数、相位不对称数按照正态分布规律变化的均值μ_SD1和方差σ_SD1、均值μ_SD2和方差σ_SD2、均值μ_SD3和方差σ_SD3、均值μ_SD4和方差σ_SD4、均值μ_SD5和方差σ_SD5；

S2：变压器温度数据集构建与概率数值计算；由典型负荷时热点温度、高负荷时热点温度、油温，构建变压器温度数据集x_ST为：

式中

为与变压器典型负荷时热点温度、高负荷时热点温度、油温相关的数据集，N_ST为变压器温度数据集的数量；

第a个变压器温度数据集x_STa为：

式中

为从试验中得到的第a个变压器温度数据集x_STa元素数据值，N_STa为变压器第a个变压器温度数据集x_STa的元素数量；

从相关数据库系统获取变压器温度检测、试验的数据信息，采用模拟的方法，确定第a个变压器温度数据集x_STa的第i个元素按照正态分布规律变化的均值μ_STai和方差σ_STai，确定变压器压器典型负荷时热点温度、高负荷时热点温度、油温按照正态分布规律变化的均值μ_ST1和方差σ_ST1、均值μ_ST2和方差σ_ST2、均值μ_ST3和方差σ_ST3；

S3：基于局部放电元素的变压器故障率计算；基于多个局部放电元素关联分析，引入影响因子k_TD，计算变压器故障概率：

式中erf(y)为误差函数，其表达式为：

S4：基于温度元素的变压器故障率计算；基于多个温度元素关联分析，引入影响因子k_TT，计算变压器故障概率：

S5：变压器故障率计算；计算变压器故障概率，计算公式为：

式中

为权重系数。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (1)

1.一种考虑温度的变压器故障率计算方法，其特征在于，变压器故障取决于变压器局部放电、温度元素的异常变化特征，变压器故障概率由变压器局部放电、温度元素的异常变化特征值按照概率原理计算确定，其中，局部放电元素包括：局部放电量、偏斜度、陡峭度、互相关系数、相位不对称数；温度元素包括：典型负荷时热点温度、高负荷时热点温度、油温；对具有随机不确定性的变压器局部放电、温度元素的异常变化特征值进行聚类处理，构建变压器故障率计算函数，包括以下步骤；

S1：变压器局部放电数据集构建与概率数值计算；由局部放电量、偏斜度、陡峭度、互相关系数、相位不对称数，构建变压器局部放电特征类数据集x_SD为：

式中

为与变压器局部放电量、偏斜度、陡峭度、互相关系数、相位不对称数相关数据集，N_SD为变压器局部放电特征类数据集的数量；

第a个变压器局部放电数据集x_SDa为：

式中

为从试验中得到的第a个变压器局部放电数据集x_SDa 元素数据值，N_SDa为变压器第a个变压器局部放电数据集x_SDa的元素数量；

从相关数据库系统获取变压器局部放电检测、试验的数据信息，采用模拟的方法，确定第a个变压器局部放电数据集x_SDa的第i个元素按照正态分布规律变化的均值μ_SDai和方差σ_SDai，确定变压器局部放电量、偏斜度、陡峭度、互相关系数、相位不对称数按照正态分布规律变化的均值μ_SD1和方差σ_SD1、均值μ_SD2和方差σ_SD2、均值μ_SD3和方差σ_SD3、均值μ_SD4和方差σ_SD4、均值μ_SD5和方差σ_SD5；

S2：变压器温度数据集构建与概率数值计算；由典型负荷时热点温度、高负荷时热点温度、油温，构建变压器温度数据集x_ST为：

式中

为与变压器典型负荷时热点温度、高负荷时热点温度、油温相关的数据集，N_ST为变压器温度数据集的数量；

第a个变压器温度数据集x_STa为：

式中

为从试验中得到的第a个变压器温度数据集x_STa元素数据值，N_STa为变压器第a个变压器温度数据集x_STa的元素数量；从相关数据库系统获取变压器温度检测、试验的数据信息，采用模拟的方法，确定第a个变压器温度数据集x_STa的第i个元素按照正态分布规律变化的均值μ_STai和方差σ_STai，确定变压器典型负荷时热点温度、高负荷时热点温度、油温按照正态分布规律变化的均值μ_ST1和方差σ_ST1、均值μ_ST2和方差σ_ST2、均值μ_ST3和方差σ_ST3；

S3：基于局部放电元素的变压器故障率计算；基于多个局部放电元素关联分析，引入影响因子k_TD，计算变压器故障概率：

式中erf(y)为误差函数，其表达式为：

S4：基于温度元素的变压器故障率计算；基于多个温度元素关联分析，引入影响因子k_TT，计算变压器故障概率：

S5：变压器故障率计算；计算变压器故障概率，计算公式为：

式中

为权重系数。

Images