CN109033198A - 一种变压器绝缘纸异常辨识的多要素模糊分析方法 - Google Patents
一种变压器绝缘纸异常辨识的多要素模糊分析方法 Download PDFInfo
- Publication number
- CN109033198A CN109033198A CN201810692618.7A CN201810692618A CN109033198A CN 109033198 A CN109033198 A CN 109033198A CN 201810692618 A CN201810692618 A CN 201810692618A CN 109033198 A CN109033198 A CN 109033198A
- Authority
- CN
- China
- Prior art keywords
- paper
- abnormal
- content
- exception
- function
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 230000005856 abnormality Effects 0.000 claims abstract description 27
- 230000007547 defect Effects 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims description 113
- 239000002253 acid Substances 0.000 claims description 28
- HYBBIBNJHNGZAN-UHFFFAOYSA-N furfural Chemical compound O=CC1=CC=CO1 HYBBIBNJHNGZAN-UHFFFAOYSA-N 0.000 claims description 26
- 238000004519 manufacturing process Methods 0.000 claims description 20
- 230000015556 catabolic process Effects 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 239000004215 Carbon black (E152) Substances 0.000 claims description 13
- 229930195733 hydrocarbon Natural products 0.000 claims description 13
- 150000002430 hydrocarbons Chemical class 0.000 claims description 13
- 238000006116 polymerization reaction Methods 0.000 claims description 13
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 abstract description 7
- 238000009413 insulation Methods 0.000 description 27
- 238000012423 maintenance Methods 0.000 description 13
- 238000012360 testing method Methods 0.000 description 11
- 230000008439 repair process Effects 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 8
- 230000032683 aging Effects 0.000 description 7
- 238000004804 winding Methods 0.000 description 7
- 241001269238 Data Species 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000025274 Lightning injury Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 150000001299 aldehydes Chemical class 0.000 description 1
- 230000003712 anti-aging effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010891 electric arc Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007062 hydrolysis Effects 0.000 description 1
- 238000006460 hydrolysis reaction Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000004816 paper chromatography Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000000197 pyrolysis Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- D—TEXTILES; PAPER
- D21—PAPER-MAKING; PRODUCTION OF CELLULOSE
- D21H—PULP COMPOSITIONS; PREPARATION THEREOF NOT COVERED BY SUBCLASSES D21C OR D21D; IMPREGNATING OR COATING OF PAPER; TREATMENT OF FINISHED PAPER NOT COVERED BY CLASS B31 OR SUBCLASS D21G; PAPER NOT OTHERWISE PROVIDED FOR
- D21H27/00—Special paper not otherwise provided for, e.g. made by multi-step processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明涉及一种变压器绝缘纸异常辨识的多要素模糊分析方法，包括以下步骤：S1：确定变压器绝缘纸异常状态；S2：确定变压器绝缘纸异常特征值及其区间；S3：确定变压器气体异常特征值及其区间；S4：构建纸元素对纸异常状态的相对隶属度函数；S5：构建气体元素对纸异常状态的相对隶属度函数S6：构建纸元素的相对隶属度矩阵；S7：构建气体元素的相对隶属度矩阵；S8：构建广义权距离函数；S9：构建绝缘纸异常辨识函数并进行辨识。本发明可以评估绝缘油异常状态，反映出绝缘油异常状态特征值具有的不确定性，为绝缘油异常辨识提供理论指导，为配电网运维提供必要的技术支撑。
Description
技术领域
本发明涉及电力系统及其自动化的技术领域，尤其涉及到一种变压器绝缘纸异常辨识的多要素模糊分析方法。
背景技术
传统配网主设备的事后维修和定期计划检修往往需要投入大量的人为、物力，而且维修的性价比不高。随着设备自动化程度的提高，与时间相关的设备的故障模式只占设备所有故障模式的6％，因此基于时间的定期维修策略只对6％的设备故障模式有效。以定期维修为主结合经验决定延长或缩短检修周期的维修方式，取得了一定的效果。
随着电力设备数量与日俱增，设备间关联关系日趋复杂，社会对供电可靠性要求越来越高，安排停电检修日益困难；配电网设备量多面广、运行状态复杂多变，难以及时检测和评估配网主设备状态，以往检修策略更多地重视试验数据而很少重视运行数据，无法适应日趋精益化的状态检修管理要求。
变压器数量多，会存在不同程度的老化、老化、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，增加了变压器绝缘异常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。
变压器安全可靠运行首先要有严格质量保障，还要有足够的维护和检修保证。虽然定期预防性检修能够在一定程度上预防老化、老化或缺陷问题所导致的故障事故事件的发生，但是很难发现潜在性、隐蔽性极强的缺陷等。故障检修是一种被动的检修模式，具有极大的压力和不确定性，也容易导致过修或失修的问题。状态检修具有针对性和合理性，能够有效克服定期检修造成的过修和失修的问题，能够防范配电设备老化、老化或缺陷问题的扩大化和严重化，是今后设备检修发展的趋势。
传统上，大多通过纸中溶解气体等单一因素数据计算和分析方法来评估绝缘异常状态，能够较准确、可靠地发现逐步发展的变压器潜在缺陷；利用小波网络法、神经网络方法、模糊聚类法、灰色聚类、支持向量机、粗糙集方法、证据推理法、贝叶斯网络分类器等数学方法对单一因素数据进行处理、计算和分析，也能够较准确、可靠地评估绝缘异常、老化和缺陷状态。虽然神经网络法利用预先自训练和自学习的方式对高危数据进行处理和计算，受系统或参数的状态值严重影响，一旦状态发生变化就需要进行重新训练和学习，其适应性偏弱并影响分析结果；故障树法按照一定的规则对故障的细化分解，以剖析故障类型及其原因，需要非常细化的故障信息完整性和正确性，对潜在性故障难以发现；支持向量机法采用一定的规则对数据进行分层处理，在数据量多时容易出现误分、错分等问题；粗糙集和模糊理论方法在处理随机性和模糊性数据方面有独到的优势，但是粗糙集只能处理离散数据，模糊理论方法没有自学习和自适应能力；贝叶斯网络分类方法能够较好地处理不完备数据，但需要提供足够完备的系统或参数的关键属性数据，否则其计算和评估正确率会较低；证据推理理论能够较好、较准确地处理冗余信息或数据，但在信息或数据之间存在相互矛盾时应用于证据的事件判别有很大的局限性。
利用经验、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。在出厂、监测、试验、测试、巡检、运行、计量、自动化等多源数据的融合基础上，根据设备类型、运行工况和应用环境进行分类评估，建立基于数据驱动的绝缘异常状态模型，以关键指标的冗余分析和相关性分析进行状态评价，为变压器的可靠运行提供技术支撑，为变压器的故障发生提供风险预警。
导致变压器绝缘异常的因素有绝缘受潮、铁心故障、电流回路过热、绕组故障、局部放电、纸流放电、电弧放电、绝缘老化和老化，影响绝缘异常状态有绝缘介质损耗、纸中含水量、纸击穿电压、绝缘电阻吸收比、极化指数、体积电阻率、H2含量、铁心绝缘电阻等参量。变压器差异化运维需要整体评估，而异常辨识涉及台账信息、巡检信息、带电检测及在线监测数据、离线试验数据等，数据量大，影响机理不同，常规评估方法侧重于某些层面或指标研究，已无法满足多维度、大数据的要求。采用大数据技术，可以全面反映主设备状态变化并确定其特征和关键参量。利用出厂试验数据、缺陷和事故记录、定期和非定期的试验数据等静态数据，利用设备在线检测的数据及实时运行信息等动态数据，包括电压、电流、功率等实时运行信息，短路故障、雷击跳间、家族性缺陷等故障信息，红外测温、密封、污秽等巡检信息，直流电阻、绝缘电阻、纸色谱、介损等停电检测信息等状态数据，建立变压器、断路器、避雷器、电容器等配网主设备的数据库，采用大数据技术研究主设备状态特征评估方法，阐明主设备状态与水解、热解的关联关系，采用模糊C-均值聚类分析方法提取变压器绝缘异常状态特征。
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、油色泽等与绝缘相关参量，纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽等与绝缘相关的参量，H2含量、C2H2含量、C2H6含量、C2H4含量、CH4含量、CO相对产气速率、CO2相对产气速率、总烃等与气体相关的参量，铁心绝缘电阻、铁心接地电流等与铁心相关的参量数据，绕组直流电阻、绝缘电阻吸收比、绕组直流电阻及其不平衡率、绕组短路阻抗初值差、绕组绝缘介质损耗、绕组电容量初值差等与绕组相关的参量，高压侧A相电容值、高压侧B相电容值、高压侧C相电容值、低压侧a相电容值、低压侧b相电容值、低压侧c相电容值等与电容值相关的参量，典型负荷时热点温度、高负荷时热点温度、纸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，可以说绝缘异常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，传统绝缘异常辨识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
本发明的目的在于克服现有技术的不足，提供一种变压器绝缘纸异常辨识的多要素模糊分析方法，针对如何处理绝缘异常辨识所涉及种类多、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；针对绝缘异常辨识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；从而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
绝缘异常辨识的基本原理是，利用出厂、监测、试验、测试、巡检、运行、计量、自动化等多源数据，建立与绝缘、绝缘、铁心、绕组相关参量的大数据库，建立与纸中气体、电容值、温度、局部放电相关参量的大数据库，建立温度、风力、湿度和降水等气象的大数据库，建立变压器电流、电压、功率、负载率等运行数据库；构建油、纸、气体等元素对绝缘纸异常状态的相对隶属度函数和广义权距离函数，计算随机不确定性或模糊不确定性参量与绝缘纸异常相关的综合属性值，进而确定变压器绝缘纸异常。
本发明的技术方案是这样实现的：
一种变压器绝缘纸异常辨识的多要素模糊分析方法，包括以下步骤：
S1：确定变压器绝缘纸异常状态；
S2：确定变压器绝缘纸异常特征值及其区间；
S3：确定变压器气体异常特征值及其区间；
S4：构建纸元素对纸异常状态的相对隶属度函数；
S5：构建气体元素对纸异常状态的相对隶属度函数
S6：构建纸元素的相对隶属度矩阵；
S7：构建气体元素的相对隶属度矩阵；
S8：构建广义权距离函数；
S9：构建绝缘纸异常辨识函数并进行辨识。
进一步地，所述步骤S1确定变压器绝缘纸异常状态的具体过程为：
从电网数据库系统获取变压器与纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽各纸元素以及H2含量、C2H2含量、C2H6含量、C2H4含量、CH4含量、CO相对产气速率、CO2相对产气速率、总烃各气体元素相关数据信息，通过模糊数学分析，剖析变压器绝缘纸状态具有模糊随机特性，确定纸极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态。
进一步地，所述步骤S4构建的函数为九个纸元素对七种纸异常状态的相对隶属度函数，具体为：
纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽元素对于纸极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态的左、右相对隶属度函数分别为：
(a＝1,2,...,NSPM；i＝1,2,...,NSP)
式中，β由数据分析结果确定，kaLi、kaRi为小于1的系数。
进一步地，所述步骤S5构建的函数为八个气体元素对七种纸异常状态的相对隶属度函数，具体为：
H2含量、C2H2含量、C2H6含量、C2H4含量、CH4含量、CO相对产气速率、CO2相对产气速率、总烃等气体元素对于纸极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态的左、右相对隶属度函数分别为：
(a＝1,2,...,NSGM；i＝1,2,...,NSG)
式中，αaLi、αaRi为小于1的系数。
进一步地，所述步骤S6通过步骤S4构建的纸元素对纸异常状态的相对隶属度函数计算相应的隶属度，并构建纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽各元素对于极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态的左、右相对隶属度矩阵：
进一步地，所述步骤S7通过步骤S5构建的气体元素对纸异常状态的相对隶属度函数计算相应的隶属度，并构建H2含量、C2H2含量、C2H6含量、C2H4含量、CH4含量、CO相对产气速率、CO2相对产气速率、总烃各气体元素对于极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态的左、右相对隶属度矩阵：
进一步地，所述步骤S8引入权重系数，构建极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常广义距离函数：
式中，wL1i和wR1i、wL2i和wR2i、wL3i和wR3i、wL4i和wR4i、wL5i和wR5i、wL6i和wR6i、wL7i和wR7i分别为极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常的左、右权重系数，kLP和kLG、RLP和RLG分别为与dLa、dLa的权重系数。
进一步地，所述步骤S9构建绝缘纸极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常辨识函数：
当va小于设定值εa时，判定变压器纸异常已经处于i状态，i＝1,2,...,7，分别对应极微异常，微小异常，小异常，异常，大异常，严重异常，极端异常。
与现有技术相比，本方案对具有随机不确定性的绝缘异常状态特征数据和实验数据进行聚类处理，构建纸、气体等元素对绝缘纸异常状态的相对隶属度函数和广义权距离函数，构建变压器绝缘纸异常状态的评估/辨识函数。本方案可以评估绝缘异常状态，反映出绝缘异常状态特征值具有的不确定性，为绝缘异常辨识提供理论指导，为配电网运维提供必要的技术支撑。
附图说明
图1是本发明所提出的一种变压器绝缘纸异常辨识的多要素模糊分析方法的流程框图。
具体实施方式
下面参照附图并结合实例对本发明的具体实施方式做进一步详细描述。
如图1所示，一种变压器绝缘纸异常辨识的多要素模糊分析方法，包括以下步骤：
S1：确定变压器绝缘纸异常状态：
从电网数据库系统获取变压器与纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽等纸元素以及H2含量、C2H2含量、C2H6含量、C2H4含量、CH4含量、CO相对产气速率、CO2相对产气速率、总烃等气体元素相关数据信息，通过模糊数学分析，剖析变压器绝缘纸状态具有模糊随机特性，确定纸极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态。
S2：确定变压器绝缘纸异常特征值及其区间：
从电网数据库系统获取变压器与纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽等相关数据信息，通过数据分析，确定与极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态相对应的纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽等元素特征值并确定特征值区间。
特征值分别为：
saMi(a＝1,2,...,NSPM；i＝1,2,...,NSP)
在这里，NSPM＝7，NSP＝9。
确定特征值区间分别为：
[saDia,saUi](a＝1,2,...,NSPM；i＝1,2,...,NSP)。
S3：确定变压器气体异常特征值及其区间：
从电网数据库系统获取变压器与H2含量、C2H2含量、C2H6含量、C2H4含量、CH4含量、CO相对产气速率、CO2相对产气速率、总烃等相关数据信息，通过数据分析，确定与纸极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态相对应的H2含量、C2H2含量、C2H6含量、C2H4含量、CH4含量、CO相对产气速率、CO2相对产气速率、总烃等元素特征值并确定特征值区间。
特征值分别为：
gaMi(a＝1,2,...,NSGM；i＝1,2,...,NSG)
在这里，NSGM＝7，NSG＝8。
确定特征值区间分别为：
[gaDia,gaUi](a＝1,2,...,NSGM；i＝1,2,...,NSG)。
S4：构建九个纸元素对七种纸异常状态的相对隶属度函数，具体为：
纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽元素对于纸极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态的左、右相对隶属度函数分别为：
(a＝1,2,...,NSPM；i＝1,2,...,NSP)
式中，β由数据分析结果确定，kaLi、kaRi为小于1的系数。
S5：构建八个气体元素对七种纸异常状态的相对隶属度函数，具体为：
H2含量、C2H2含量、C2H6含量、C2H4含量、CH4含量、CO相对产气速率、CO2相对产气速率、总烃等气体元素对于纸极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态的左、右相对隶属度函数分别为：
(a＝1,2,...,NSGM；i＝1,2,...,NSG)
式中，αaLi、αaRi为小于1的系数。
S6：构建纸元素的相对隶属度矩阵：
纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽等元素对于极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态的相对隶属度函数计算相应的隶属度，并构建纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽等元素对于极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态的左、右相对隶属度矩阵：
S7：构建气体元素的相对隶属度矩阵：
H2含量、C2H2含量、C2H6含量、C2H4含量、CH4含量、CO相对产气速率、CO2相对产气速率、总烃等气体元素对于极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态的相对隶属度函数计算相应的隶属度，并构建H2含量、C2H2含量、C2H6含量、C2H4含量、CH4含量、CO相对产气速率、CO2相对产气速率、总烃等气体元素对于极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态的左、右相对隶属度矩阵：
S8：构建广义权距离函数：
引入权重系数，极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常广义距离函数：
式中，wL1i和wR1i、wL2i和wR2i、wL3i和wR3i、wL4i和wR4i、wL5i和wR5i、wL6i和wR6i、wL7i和wR7i为极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常的左、右权重系数，kLP和kLG、RLP和RLG分别为与dLa、dLa的权重系数。
S9：构建绝缘纸异常辨识函数并进行辨识：
构建绝缘纸极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常辨识函数：
当va小于设定值εa时，判定变压器纸异常已经处于i状态，i＝1,2,...,7，分别对应极微异常，微小异常，小异常，异常，大异常，严重异常，极端异常。
本实施例针对如何处理绝缘异常辨识所涉及种类多、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；针对绝缘异常辨识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；本实施例可以评估绝缘异常状态，反映出绝缘异常状态特征值具有的不确定性，为绝缘异常辨识提供理论指导，为配电网运维提供必要的技术支撑。
以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。
Claims (8)
1.一种变压器绝缘纸异常辨识的多要素模糊分析方法，其特征在于，包括以下步骤：
S1：确定变压器绝缘纸异常状态；
S2：确定变压器绝缘纸异常特征值及其区间；
S3：确定变压器气体异常特征值及其区间；
S4：构建纸元素对纸异常状态的相对隶属度函数；
S5：构建气体元素对纸异常状态的相对隶属度函数
S6：构建纸元素的相对隶属度矩阵；
S7：构建气体元素的相对隶属度矩阵；
S8：构建广义权距离函数；
S9：构建绝缘纸异常辨识函数并进行辨识。
2.根据权利要求1所述的一种变压器绝缘纸异常辨识的多要素模糊分析方法，其特征在于，所述步骤S1确定变压器绝缘纸异常状态的具体过程为：
从电网数据库系统获取变压器与纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽各纸元素以及H2含量、C2H2含量、C2H6含量、C2H4含量、CH4含量、CO相对产气速率、CO2相对产气速率、总烃各气体元素相关数据信息，通过模糊数学分析，剖析变压器绝缘纸状态具有模糊随机特性，确定纸极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态。
3.根据权利要求1所述的一种变压器绝缘纸异常辨识的多要素模糊分析方法，其特征在于，所述步骤S4构建的函数为九个纸元素对七种纸异常状态的相对隶属度函数，具体为：
纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽元素对于纸极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态的左、右相对隶属度函数分别为：
式中，β由数据分析结果确定，kaLi、kaRi为小于1的系数。
4.根据权利要求1所述的一种变压器绝缘纸异常辨识的多要素模糊分析方法，其特征在于，所述步骤S5构建的函数为八个气体元素对七种纸异常状态的相对隶属度函数，具体为：
H2含量、C2H2含量、C2H6含量、C2H4含量、CH4含量、CO相对产气速率、CO2相对产气速率、总烃等气体元素对于纸极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态的左、右相对隶属度函数分别为：
式中，αaLi、αaRi为小于1的系数。
5.根据权利要求1所述的一种变压器绝缘纸异常辨识的多要素模糊分析方法，其特征在于，所述步骤S6通过步骤S4构建的纸元素对纸异常状态的相对隶属度函数计算相应的隶属度，并构建纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽各元素对于极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态的左、右相对隶属度矩阵：
6.根据权利要求1所述的一种变压器绝缘纸异常辨识的多要素模糊分析方法，其特征在于，所述步骤S7通过步骤S5构建的气体元素对纸异常状态的相对隶属度函数计算相应的隶属度，并构建H2含量、C2H2含量、C2H6含量、C2H4含量、CH4含量、CO相对产气速率、CO2相对产气速率、总烃各气体元素对于极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常七个模糊状态的左、右相对隶属度矩阵：
7.根据权利要求1所述的一种变压器绝缘纸异常辨识的多要素模糊分析方法，其特征在于，所述步骤S8引入权重系数，构建极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常广义距离函数：
式中，wL1i和wR1i、wL2i和wR2i、wL3i和wR3i、wL4i和wR4i、wL5i和wR5i、wL6i和wR6i、wL7i和wR7i分别为极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常的左、右权重系数，kLP和kLG、RLP和RLG分别为与dLa、dLa的权重系数。
8.根据权利要求1所述的一种变压器绝缘纸异常辨识的多要素模糊分析方法，其特征在于，所述步骤S9构建绝缘纸极微异常、微小异常、小异常、异常、大异常、严重异常、极端异常辨识函数：
当va小于设定值εa时，判定变压器纸异常已经处于i状态，i＝1,2,...,7，分别对应极微异常，微小异常，小异常，异常，大异常，严重异常，极端异常。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810692618.7A CN109033198A (zh) | 2018-06-29 | 2018-06-29 | 一种变压器绝缘纸异常辨识的多要素模糊分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810692618.7A CN109033198A (zh) | 2018-06-29 | 2018-06-29 | 一种变压器绝缘纸异常辨识的多要素模糊分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109033198A true CN109033198A (zh) | 2018-12-18 |
Family
ID=65520898
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810692618.7A Pending CN109033198A (zh) | 2018-06-29 | 2018-06-29 | 一种变压器绝缘纸异常辨识的多要素模糊分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109033198A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111814917A (zh) * | 2020-08-28 | 2020-10-23 | 成都千嘉科技有限公司 | 一种存在模糊态的字轮图像数字识别方法 |
| CN113705615A (zh) * | 2021-07-29 | 2021-11-26 | 南京邮电大学 | 一种基于神经网络的电动汽车充电过程多级设备故障诊断方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120257798A1 (en) * | 2011-04-11 | 2012-10-11 | King Fahd University Of Petroleum And Minerals | Method of performing facial recognition using genetically modified fuzzy linear discriminant analysis |
| CN103761684A (zh) * | 2014-01-20 | 2014-04-30 | 广州供电局有限公司 | 一种输电电缆整体状态的综合评估方法及系统 |
| CN105785244A (zh) * | 2016-04-21 | 2016-07-20 | 陈盈洁 | 一种新型变压器油绝缘特性的判定方法 |
| CN107808044A (zh) * | 2017-10-20 | 2018-03-16 | 广东电网有限责任公司河源供电局 | 一种考虑运行温度影响的变压器绝缘纸劣化评估方法 |
| CN107831415A (zh) * | 2017-10-20 | 2018-03-23 | 广东电网有限责任公司河源供电局 | 一种变压器绝缘纸老化状态评估的区间值模糊集方法 |
-
2018
- 2018-06-29 CN CN201810692618.7A patent/CN109033198A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120257798A1 (en) * | 2011-04-11 | 2012-10-11 | King Fahd University Of Petroleum And Minerals | Method of performing facial recognition using genetically modified fuzzy linear discriminant analysis |
| CN103761684A (zh) * | 2014-01-20 | 2014-04-30 | 广州供电局有限公司 | 一种输电电缆整体状态的综合评估方法及系统 |
| CN105785244A (zh) * | 2016-04-21 | 2016-07-20 | 陈盈洁 | 一种新型变压器油绝缘特性的判定方法 |
| CN107808044A (zh) * | 2017-10-20 | 2018-03-16 | 广东电网有限责任公司河源供电局 | 一种考虑运行温度影响的变压器绝缘纸劣化评估方法 |
| CN107831415A (zh) * | 2017-10-20 | 2018-03-23 | 广东电网有限责任公司河源供电局 | 一种变压器绝缘纸老化状态评估的区间值模糊集方法 |
Non-Patent Citations (2)
| Title |
|---|
| 覃新闻等: "基于可变模糊评价法的农业干旱风险评估", 《塔河流域干旱预警及灾害效应风险评估》 * |
| 陈守煜: "《复杂水资源系统优化模糊识别理论与应用》", 31 March 2002 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111814917A (zh) * | 2020-08-28 | 2020-10-23 | 成都千嘉科技有限公司 | 一种存在模糊态的字轮图像数字识别方法 |
| CN113705615A (zh) * | 2021-07-29 | 2021-11-26 | 南京邮电大学 | 一种基于神经网络的电动汽车充电过程多级设备故障诊断方法及系统 |
| CN113705615B (zh) * | 2021-07-29 | 2024-05-28 | 南京邮电大学 | 一种基于神经网络的电动汽车充电过程多级设备故障诊断方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107843718B (zh) | 一种变压器绝缘油老化状态评估的方法 | |
| CN107831415B (zh) | 一种变压器绝缘纸老化状态评估的区间值模糊集方法 | |
| CN108680811B (zh) | 一种变压器故障状态评估方法 | |
| CN107831300A (zh) | 一种基于三维梯形概率模糊集的变压器绝缘油劣化评估方法 | |
| CN107843816A (zh) | 一种考虑负载率影响的变压器绝缘缺陷状态评估方法 | |
| CN106908674B (zh) | 一种基于多状态量预测的变压器状态评估方法 | |
| CN107808044A (zh) | 一种考虑运行温度影响的变压器绝缘纸劣化评估方法 | |
| CN108802584B (zh) | 一种变压器绝缘纸老化状态评估方法 | |
| Ghiasi et al. | Resiliency/cost-based optimal design of distribution network to maintain power system stability against physical attacks: A practical study case | |
| CN109655712A (zh) | 一种配电网线路故障原因分析方法与系统 | |
| CN109490726A (zh) | 基于云理论的电力变压器绝缘状态评估方法 | |
| CN108846591A (zh) | 一种变电站开关柜多运行状态智能监测系统及评估方法 | |
| CN108304931A (zh) | 一种变电设备状态检修故障诊断方法 | |
| CN110263837A (zh) | 一种基于多层dbn模型的断路器故障诊断方法 | |
| CN109033198A (zh) | 一种变压器绝缘纸异常辨识的多要素模糊分析方法 | |
| CN114167204A (zh) | 一种配变运行异常的识别预警方法 | |
| CN118209905B (zh) | 一种基于物联感知的配电变压器在线故障预测方法 | |
| CN109086483A (zh) | 一种变压器老化状态评估的证据融合与集对分析方法 | |
| CN108805467A (zh) | 一种变压器老化状态评估的概率模糊集方法 | |
| CN109086484A (zh) | 一种变压器健康状态评估的证据融合与集对分析方法 | |
| CN109062971A (zh) | 一种变压器绝缘油异常辨识方法 | |
| CN108681835B (zh) | 一种变压器绝缘油劣化状态评估方法 | |
| CN103049661B (zh) | Gis剩余使用寿命评估方法和系统 | |
| Tippannavar et al. | Smart transformer-An analysis of recent technologies for monitoring transformer | |
| CN108805468A (zh) | 一种变压器绝缘纸异常辨识方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181218 |
|
| RJ01 | Rejection of invention patent application after publication |