CN108897717B - 一种变压器绝缘油劣化故障率计算方法 - Google Patents

Abstract

本发明涉及电力系统及其自动化领域，尤其涉及一种变压器绝缘油劣化故障率计算方法。针对如何处理变压器绝缘油劣化故障状态评估所涉及种类多、数量大、相互关系复杂的大数据问题，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；针对变压器绝缘油劣化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变压器绝缘油劣化故障率计算方法，可以评估变压器绝缘油劣化故障状态，反映了变压器绝缘油劣化故障状态特征值具有的不确定性，为变压器绝缘油劣化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

一种变压器绝缘油劣化故障率计算方法

技术领域

本发明涉及电力系统及其自动化领域，尤其涉及一种变压器绝缘油劣化故障率计算方法。

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，增加了变压器运行绝缘油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。

油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽等与绝缘油相关参量，在不同环境、气象条件下都有不同的数值，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，传统变压器绝缘油劣化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，采用一种变压器绝缘油劣化故障率计算方法。针对如何处理变压器绝缘油劣化故障状态评估所涉及种类多、数量大、相互关系复杂的大数据问题，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；针对变压器绝缘油劣化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。

本发明的技术方案是：

一种变压器绝缘油劣化故障率计算方法，变压器故障取决于变压器绝缘油的异常变化特征，变压器故障概率由变压器绝缘油的异常变化特征值按照概率原理计算确定,变压器绝缘油劣化故障状态评估所涉及参量包括：油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽；对具有随机不确定性的变压器绝缘油异常变化特征值进行聚类处理，构建变压器绝缘油劣化故障率计算函数,包括以下步骤；

S1：变压器绝缘油数据集构建与概率数值计算；由油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽，构建变压器绝缘油数据集x_SO为：

式中

为与变压器油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽的相关数据集，N_SO为变压器绝缘油数据集的数量；

第a个变压器绝缘油数据集x_SOa为：

式中

为从试验中得到的第a个变压器绝缘油数据集x_SOa元素数据值，N_SOa为变压器第a个变压器绝缘油数据集x_SOa的元素数量；

从相关数据库系统获取变压器绝缘油检测、试验等的数据信息，采用模拟的方法，确定第a个变压器绝缘油数据集x_SOa的第i个元素按照正态分布规律变化的均值μ_SOai和方差σ_SOai，确定变压器油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽按照正态分布规律变化的均值μ_SO1和方差σ_SO1、均值μ_SO2和方差σ_SO2、均值μ_SO3和方差σ_SO3、均值μ_SO4和方差σ_SO4、均值μ_SO5和方差σ_SO5、均值μ_SO6和方差σ_SO6、均值μ_SO7和方差σ_SO7、均值μ_SO8和方差σ_SO8、均值μ_SO9和方差σ_SO9、均值μ_SO10和方差σ_SO10、均值μ_SO11和方差σ_SO11；

S2：基于绝缘油元素的变压器故障率计算；基于多个油元素关联分析，引入影响因子k_TO，计算第a个变压器绝缘油数据集x_SOa的变压器绝缘油劣化故障概率：

式中erf(y)为误差函数，其表达式为：

S3：变压器绝缘油劣化故障率计算：引入影响因子k_T，计算变压器绝缘油劣化故障概率：

本发明的有益效果是；利用本发明所提出的一种变压器绝缘油劣化故障率计算方法，可以评估变压器绝缘油劣化故障状态，反映了变压器绝缘油劣化故障状态特征值具有的不确定性，为变压器绝缘油劣化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，一种变压器绝缘油劣化故障率计算方法，变压器故障取决于变压器绝缘油的异常变化特征，变压器故障概率由变压器绝缘油的异常变化特征值按照概率原理计算确定,变压器绝缘油劣化故障状态评估所涉及参量包括：油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽；对具有随机不确定性的变压器绝缘油异常变化特征值进行聚类处理，构建变压器绝缘油劣化故障率计算函数,包括以下步骤；

S1：变压器绝缘油数据集构建与概率数值计算；由油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽，构建变压器绝缘油数据集x_SO为：

式中

为与变压器油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽的相关数据集，N_SO为变压器油数据集的数量；

第a个变压器绝缘油数据集x_SOa为：

式中

为从试验中得到的第a个变压器绝缘油数据集x_SOa元素数据值，N_SOa为变压器第a个变压器绝缘油数据集x_SOa的元素数量；

从相关数据库系统获取变压器绝缘油检测、试验等的数据信息，采用模拟的方法，确定第a个变压器绝缘油数据集x_SOa的第i个元素按照正态分布规律变化的均值μ_SOai和方差σ_SOai，确定变压器油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽按照正态分布规律变化的均值μ_SO1和方差σ_SO1、均值μ_SO2和方差σ_SO2、均值μ_SO3和方差σ_SO3、均值μ_SO4和方差σ_SO4、均值μ_SO5和方差σ_SO5、均值μ_SO6和方差σ_SO6、均值μ_SO7和方差σ_SO7、均值μ_SO8和方差σ_SO8、均值μ_SO9和方差σ_SO9、均值μ_SO10和方差σ_SO10、均值μ_SO11和方差σ_SO11；

S2：基于绝缘油元素的变压器故障率计算；基于多个油元素关联分析，引入影响因子k_TO，计算第a个变压器绝缘油数据集x_SOa的变压器绝缘油劣化故障概率：

式中erf(y)为误差函数，其表达式为：

S3：变压器绝缘油劣化故障率计算：引入影响因子k_T，计算变压器绝缘油劣化故障概率：

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)

1.一种变压器绝缘油劣化故障率计算方法，其特征在于，变压器故障取决于变压器绝缘油的异常变化特征，变压器故障概率由变压器绝缘油的异常变化特征值按照概率原理计算确定,变压器绝缘油劣化故障状态评估所涉及参量包括：油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽；对具有随机不确定性的变压器绝缘油异常变化特征值进行聚类处理，构建变压器绝缘油劣化故障率计算函数,包括以下步骤；

S1：变压器绝缘油数据集构建与概率数值计算；由油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽，构建变压器绝缘油数据集x_SO为：

式中

为与变压器油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽的相关数据集，N_SO为变压器绝缘油数据集的数量；

第a个变压器绝缘油数据集x_SOa为：

式中

为从试验中得到的第a个变压器绝缘油数据集x_SOa元素数据值，N_SOa为变压器第a个变压器绝缘油数据集x_SOa的元素数量；

从相关数据库系统获取变压器绝缘油检测、试验的数据信息，采用模拟的方法，确定第a个变压器绝缘油数据集x_SOa的第i个元素按照正态分布规律变化的均值μ_SOai和方差σ_SOai，确定变压器油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽按照正态分布规律变化的均值μ_SO1和方差σ_SO1、均值μ_SO2和方差σ_SO2、均值μ_SO3和方差σ_SO3、均值μ_SO4和方差σ_SO4、均值μ_SO5和方差σ_SO5、均值μ_SO6和方差σ_SO6、均值μ_SO7和方差σ_SO7、均值μ_SO8和方差σ_SO8、均值μ_SO9和方差σ_SO9、均值μ_SO10和方差σ_SO10、均值μ_SO11和方差σ_SO11；

S2：基于绝缘油元素的变压器故障率计算；基于多个油元素关联分析，引入影响因子K_SOa ，计算第a个变压器绝缘油数据集x_SOa的变压器绝缘油劣化故障概率：

式中erf(y)为误差函数，其表达式为：

S3：变压器绝缘油劣化故障率计算：引入影响因子k_T，计算变压器绝缘油劣化故障概率：

Images