CN109102171A

CN109102171A - 一种基于大数据的变电站设备状态智能化评价系统及方法

Info

Publication number: CN109102171A
Application number: CN201810821156.4A
Authority: CN
Inventors: 张卓云; 卢宇; 唐孝君; 刘胜利
Original assignee: SHANGHAI XINYING POWERTECH CO Ltd
Current assignee: SHANGHAI XINYING POWERTECH CO Ltd
Priority date: 2018-07-24
Filing date: 2018-07-24
Publication date: 2018-12-28

Abstract

本发明涉及一种基于大数据的变电站设备状态智能化评价系统及方法，该智能化评价系统采用B/S模式，数据收集模块获取变电站设备的实时运行数据、基本参数、检修数据等，数据处理模块对实时运行数据进行处理，变电站状态评价模块接收数据收集模块采集的数据以及数据处理模块后的数据，并利用AI状态评价评估预测方法对变电站设备进行健康评估，数据规范模块对检修数据进行数据规范化处理，显示预警模块对数据处理模块的数据进行监控及预警，监测终端接收与变电站状态评价模块生成的评估报告，与现有技术相比，本发明具有同步能力强、增加了数据综合交叉分析处理能力，对变电站主设备进行健康状况评价评估预测具有前瞻性等优点。

Description

一种基于大数据的变电站设备状态智能化评价系统及方法

技术领域

本发明涉及变电站运行技术领域，尤其是涉及一种基于大数据的变电站设备状态智能化评价系统及方法。

背景技术

电力设备在日常使用和运转过程中，由于受负荷、内部应力、磨损、腐蚀等因素的影响，个别部位或整体会出现形态、组分和电气性能等方面发生改变的状况，此性能劣化现象将降低电力设备的可靠性，严重者甚至会造成事故。

变电监测设备主要通过对变电环节的电气、机械等设备的运行状态进行监测，通过各类传感器获取其运行状况、运行质量的相关信息，以动态跟踪各种劣化过程的发展状况，以便电力运维管理部门在电力设备可能出现故障或性能下降到影响正常工作前，及时进行维修、更换，从而保障电力设备运行的安全性、稳定性和可靠性。变电在线监测产品主要包括智能除湿器、变压器油中气体在线监测系统、GIS 局部放电在线监测系统、铁芯接地在线监测系统、红外测温在线监测系统、SF 6微水密度在线监测系统等。该类产品的监测对象为变电站内的重要设备，如变压器、断路器、GIS组合电器、容性设备等。

随着智能电网建设和物联网技术的快速发展，通过融合电网设备状态检(监) 测技术，整合监测场所的各类在线检(监)测数据，以大数据平台为基础，以物联网为纽带，关联PMS系统及其它异构数据系统，逐步形成了电网设备状态检修辅助决策系统。变电站在线监测设备已经由孤立存在、独立数据判别的方式向以大数据为核心的综合应用方向发展，这样不同时期安装的不同类型监测设备由于当时技术的局限性必然会导致很多技术层面的问题：

1)数据一致性缺乏机制保证：

接口不统一、数据类型不统一、阈值标准不统一、报警机制不统一等问题普遍存在。

2)数据的稳定性可靠性有待提高：

数据受环境类影响及使用维护不当造成误报率较高，缺少数据综合交叉分析处理，仅具备一定的瞬态故障阈值报警功能，无法有效过滤误报信息，导致检修人员对使用监测类产品产生厌烦排斥情绪。

3)数据孤立零散：

对于部分已经安装了不同类型的在线监测装置的变电站，状态监测数据的管理相对零散，孤立，缺乏综合数据分析，没有形成系统的设备状态评估及潜伏故障预测等前瞻性应用。

4)在线监测数据与状态评估独立存在：

监测评估技术相对单一；缺乏数据综合处理。对暂态、瞬时突发故障有一定的独立的报警作用，但难以对设备长期运行后的稳态隐含故障、设备老化，实现自动、智能、高效的预测及评估(而设备的稳态隐含故障、老化后的故障发生，是设备故障的主要方面)。

5)数据的深度应用缺失：

各类在线监测装置数据之间的横向综合分析、运用使用基本没有，缺乏数据之间的因果联系、数据整合，难以发挥出整体安装在线监测装置后的作用；设备状态评价诊断缺乏科学的数据模型和可量化的依据，主要靠人员经验，难以实现设备状态主动评价。

综上所述，变电站设备状态检修系统在现代化技术的应用上已经与在电网安全生产中所处的重要地位不相匹配，急需构建主要设备的巡检与状态评估预测系统，满足智能状态检修工作的需要。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于大数据的变电站设备状态智能化评价系统。

本发明的目的可以通过以下技术方案来实现：

一种基于大数据的变电站设备状态智能化评价系统，该系统采用B/S模式，该系统包括：

数据收集模块：用于收集变电站设备状态数据，包括：

数据采集单元，用于采集变电站设备状态实时在线数据并发送至数据处理模块；

数据管理单元，用于获取设备基本参数及检修数据；

数据处理模块：与数据采集单元连接，用于对采集的变电站设备状态数据进行处理；

数据规范模块：与数据管理单元连接，用于对检修数据进行数据格式规划处理；

变电站状态评价模块：与数据处理模块、数据管理单元连接，用于对变电站设备状态进行评估，并生成设备评测报告；

显示预警模块：与数据处理模块连接，用于对变电站设备状态数据进行实时在线数据监控及预警；

监测终端：与变电站状态评价模块连接，用于接收并显示设备评测报告；

数据通信模块：用于为各个模块提供统一标准通讯协议。

优选地，所述的数据采集模块单元包括变电站设备监测设备、CAC数据库，所述的变电站设备监测设备与CAC数据库连接。

优选地，所述的数据管理单元包括离线数据管理子单元、遗传数据管理子单元以及设备故障数据管理子单元。

优选地，所述的数据通信模块采用电力104协议。

优选地，所述的数据处理模块包括防误报处理机。

优选地，所述的变电站状态评价模块利用AI状态评价评估预测方法对设备状态进行评估。

优选地，所述的监测终端包括台式电脑、平板电脑、智能手机。

优选地，所述的变电站设备状态数据包括通过报文通讯从CAC数据库获取的变电站设备状态实时运行数据，通过离线数据管理子单元录入的设备基本参数、检修数据，由遗传数据管理子单元录入的遗传数据以及由设备故障数据管理子单元获取的设备缺陷数据及不良工况参数。

一种基于大数据的变电站设备状态智能化评价系统的评价方法，该方法包括以下步骤：

1)变电站设备监测设备采集变电站设备状态实时在线数据并将其存储至CAC 数据库中，离线数据管理子单元录入设备基本参数、遗传数据和检修数据，设备故障数据管理子单元获取并存储设备缺陷数据及不良工况参数；

2)将变电站设备状态实时在线数据输入至数据处理模块；

3)数据处理模块对变电站设备状态实时在线数据进行防误报处理及数据清洗处理；

4)将设备检修后的状况、视频巡视等非格式化数据、图像识别数据进行数据格式规划处理；

5)利用显示预警模块对步骤2)获取的变电站设备状态实时在线数据进行实时数据呈现及趋势分析；

6)将步骤3)处理后的数据、步骤4)处理后的数据以及步骤1)中的设备相关离线数据、设备出厂标牌数据、遗传数据、设备缺陷数据及不良工况参数共同输入至变电站状态评价模块；

7)变电站状态评价模块利用AI状态评价评估预测方法对变电站设备进行健康评估，生成评测报告；具体内容为：

变电站状态评价模块运用获取的数据获取变压器的对应健康指数、结合不良工况，获取变压器的健康评估，建立变压器评估的模型，具体为：

H_i＝(aH_i1+bH_i2+cH_i3)*k

式中，H_i1为基于基本参数的主绝缘老化健康状态，H_i2为基于试验、运行的绝缘状态指数，H_i3为基于可靠性参数的部件缺陷风险健康指数，k为不良工况和环境因素对健康指数的修正，a、b、c分别为H_i1、H_i2、H_i3的权重，以H_i1为例，各健康指数的求解方法为：

其中，T₂-T₁为变压器的运行时间；B₀为变压器初始老化系数，其表达式为：

式中，T为变压器预期运行年限，H_iend为变压器退役时的健康指数，H_i0为变压器初始运行的健康指数；

根据上述式子可获取H_i1、H_i2、H_i3，将各个健康水平指数*100获取变电站设备的评分，同时按照评分给出评测报告及检修策略。

8)变电站状态评价模块将评测报告发送至监测终端进行显示及在线监测。

与现有技术相比，本发明具有以下优点：

1)本发明制定了统一标准通讯协议，解决了当下普遍存在的接口不统一、数据类型不统一、阈值标准不统一、报警机制不统一等问题，同步能力强；

2)本发明采用数据容错技术，对采集到的数据按照标准规则进行数据清洗校正，从而排除了目前普遍存在的环境及使用条件对采集数据造成的干扰，降低监测设备误报率，增加了数据综合交叉分析处理能力；

3)本发明针对变电主设备及其监测设备进行统一管理，数据综合分析，从而实现系统设备状态评估及故障预测，解决了当下存在的数据孤岛问题；

4)本发明对变电站主设备的遗传数据、历史数据、现场采集数据等进行深度应用，通过科学的公式计算，对变电站主设备各种状态检测数据进行深度挖掘，深入分析影响设备运行的各方面因素，包括设备老化以及家族遗传故障等隐性影响设备状态的因素，从而全面体现设备综合状态，避免了当前单一数据造成的分析缺陷；

5)本发明通过大数据分析，对各种不同规则和商家的设备进行横向综合分析，从而实现设备对比对标，解决了当前存在的零散维护问题；

6)本发明采用基于大数据的AI状态评价评估预测技术，前瞻性对变电站主设备进行健康状况评价评估预测，从而将设备问题提前预报，提前处理，保障设备健康运行，解决了现有技术存在的出现问题再去维修的问题；

7)本发明成本低，采用浏览器/服务器(B/S)模式，可以方便的增加通道的数量，具有良好的扩展性，解决了当前存在的系统安装维护繁琐问题。

附图说明

图1为本发明实施例中基于大数据的变电站设备状态智能化评价系统的结构示意图；

图2为本发明实施例中基于大数据的变电站设备状态智能化评价方法的流程示意图；

图1中标号所示：

1、数据收集模块，101、数据采集单元，102、数据管理单元，2、数据规范模块，3、数据处理模块，4、显示预警模块，5、变电站状态评价模块，6、监测终端，7、变电站设备。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

本发明涉及一种基于大数据的变电站设备状态智能化评价系统，该系统采用 B/S模式，如图1所示，该系统包括数据收集模块1、数据处理模块3、数据规范模块2、变电站状态评价模块5、显示预警模块4、监测终端6和数据通信模块。

数据收集模块1包括数据采集单元101和数据管理单元102。

数据采集单元101与各个变电站设备7连接，用于收集各个变电站设备7的状态数据。数据采集单元101包括变电站设备监测设备、CAC数据库，变电站设备监测设备与CAC数据库连接。变电站设备监测设备主要包括智能除湿器、变压器油中气体在线监测系统、GIS局部放电在线监测系统、铁芯接地在线监测系统、红外测温在线监测系统、SF6微水密度在线监测系统等。变电站设备监测设备的监测对象为变电站内的重要设备，如变压器、断路器、GIS组合电器、容性设备、测温装置、避雷器等。变电站设备状态数据包括通过报文通讯从CAC数据库获取的变电站设备状态实时运行数据，通过离线数据管理子单元录入的设备基本参数、检修数据，由遗传数据管理子单元录入的遗传数据以及由设备故障数据管理子单元获取的设备缺陷数据及不良工况参数。

数据管理单元102包括离线数据管理子单元、遗传数据管理子单元以及设备故障数据管理子单元。离线数据管理子单元录入设备基本参数、检修数据，遗传数据管理子单元录入设备的遗传数据，设备故障数据管理子单元获取设备缺陷数据及不良工况参数。

数据处理模块3与数据采集单元101连接，用于对采集的变电站设备状态数据进行处理，数据处理模块3包括防误报处理机。

数据规范模块2与数据管理单元102连接，用于将设备检修后的状况、视频巡视等非格式化数据、图像识别数据，进行数据格式规划处理；规范化数据规格如表 1所示：

表1规范化数据格式

变电站状态评价模块5与数据处理模块3、数据管理单元102连接，用于对变电站设备状态进行评估，并生成设备评测报告。变电站状态评价模块5利用AI状态评价评估预测方法对设备状态进行评估。

显示预警模块4与数据处理模块3连接，用于对变电站设备状态数据进行实时在线数据监控及预警。显示预警模块4可显示包括变压器、GIS开关、测温装置、避雷器在内的多个变电站监测设备监测的数据内容。具体包括：

(a)变压器显示内容：主变压器评测数据、油色谱检测、变压器局放数据、变压器容性设备数据、变压器铁芯接地数据、红外本体监测数据、变压器读表数据等。

(b)GIS开关显示内容：GIS开关局放数据、机械特性、SF6微水、密度、温度；

(c)测温装置显示内容：测温数据、测温装置设备状态。

(d)避雷器显示内容：避雷器监测数据、套管红外测温数据、容性设备数据。

监测终端6与变电站状态评价模块5连接，用于接收并显示设备评测报告。监测终端6可以为台式电脑、平板电脑、智能手机等设备。

数据通信模块用于为各个模块提供统一标准通讯协议，本发明的数据通信模块采用电力104协议。

本发明还涉及一种基于大数据的变电站设备状态智能化评价方法，如图2所示，该方法包括以下步骤：

步骤一、变电站设备监测设备采集变电站设备状态实时在线数据并将其存储至CAC数据库中，离线数据管理单元录入设备基本参数、遗传数据和检修数据，设备故障数据管理子单元获取并存储设备缺陷数据及不良工况参数。

步骤二、将变电站设备状态实时在线数据输入至数据处理模块。

步骤三、数据处理模块对变电站设备状态实时在线数据进行防误报处理及数据清洗处理。

步骤四、将设备检修后的状况、视频巡视等非格式化数据、图像识别数据进行数据格式规划处理。

步骤五、利用显示预警模块对步骤二获取的变电站设备状态实时在线数据进行实时数据呈现及趋势分析；

步骤六、将步骤三处理后的数据、步骤四处理后的数据以及步骤一中的设备基本参数、遗传数据、检修数据、设备缺陷数据及不良工况参数共同输入至变电站状态评价模块；

步骤七、变电站状态评价模块利用AI状态评价评估预测方法对变电站设备进行健康评估，生成评测报告；

步骤八、变电站状态评价模块将评测报告发送至监测终端进行显示及在线监测。

本实施例针对变电站主要设备变压器的评估对本发明方法进行说明。

针对变压器健康状态的评估流程为：

数据管理单元获取长期运行主绝缘老化状态的基本参数、铭牌参数、运行时间、平均负荷、运行环境等信息，数据采集单元获取变压器实时运行数据，变电站状态评价模块接收上述信息后，通过模型收集用于多维的变压器评估的信息特征参量、多源异构参量及可以削弱变压器寿命参量的误差修正，采用基于大数据的AI智能分析算法进行变压器健康评估，以提高变压器评估的精度。通过划分综合评估目标，并建立4个层次的结构体系，具体内容为：

第一层：

融合变压器主绝缘老化状态存在长期运行的运行环境与长期运行负荷，并以此修正由设计寿命计算得到的变压器预期寿命。

第二层：

考虑绝缘运行状态的变压器个体差异，利用模糊推理，阈值诊断等，评估变压器的运行及试验情况，各个参量对变压器运行寿命的影响程度，依据层次结构的权重来修正。

第三层：

考虑设备管理系统中同一变压器部件的缺陷风险，家族遗传情况，建立部件的可靠性评估，得到部件运行的可靠度。

第四层：

运用热点温度对短路及严重过热等不良工况，对上述健康指数进行修正。最终提供变压器的预期运行寿命，状态检修策略，变压器故障概率，设备评分状况。

针对每日计算的变压器健康指数(建立训练样本集)，选取合适的算法，建立 AI智能学习机制，以提高今后评估的准确性。即：

1)首先将数据进行量化(包括格式化，非格式化)。

2)分层进行处理，指标逐步修正。

3)获取长期运行变压器的绝缘老化状态情况(基本参数包括：铭牌参数、运行时间、平均负荷、运行环境)、变压器的个体绝缘健康状态(运行参数包括：油色谱、绝缘油、绝缘纸、例行试验、诊断性试验参数)、变压器部件发生缺陷的风险值评估(可靠性参数包括：组部件状态、缺陷性质、缺陷内容)、异常情况下对变压器绝缘损伤程度的评估(不良工况参数包括：出口/进区短路、过负荷)并进行信息汇总，形成多特征参量的信息，获取初步的健康指数。

4)将得到的初步健康指数与进行修正后重调的权重相乘(短路-健康指数修正、过负荷-老化系数修正)，得到最终评估健康指数，同时给出剩余寿命与故障的概率。

具体操作包括：

(一)获取变压器绝缘老化健康指数

运用变压器的基本参数：铭牌、环境、运行、负荷等进行健康指数计算，改进的变压器健康水平指数关系为：

X_hi＝(1-X_hi0)e^B(T2-T1)

式中，X_hi0为设备初始投运日期，X_hi为设备在T2时刻的健康指数(最终的数值在0—1范围)。B为老化系数。T1为设备此刻的健康水平，是全新设备投运时刻的对应年份，优选为0.95。T2为所要计算的X_hi对应的年份，可以是当前，也可以是未来。

变压器主绝缘的老化情况具有长期影响的参数作为(基本参数)。包括：

1、长期运行的环境(温度、湿度、海拔、风速)；

2、长期运行的平均负荷；

3、设备台帐中的变压器折旧年限，作为变压器的设计寿命TD。

用运行环境参数、长期平均负荷对TD进行修正，得到实际的变压器预期运行寿命T，即：

T＝TD/(fl*fE)

式中，T为考虑负荷及环境因素，计算出的变压器预期运行寿命时间。fl为负荷系数：变压器负荷率0-40％＝1，变压器负荷率40-60％＝1.05，变压器负荷率 60-70％＝1.1，变压器负荷率70-80％＝1.25，变压器负荷率80-100％＝1.6。fE为环境系数：环境恶劣等级0级＝1，环境恶劣等级1级＝1，环境恶劣等级2级＝1.05，环境恶劣等级3级＝1.15，环境恶劣等级4级＝1.3。

修正变压器初始老化系数为：

B₀＝ln(1-X_hiend)-ln(1-X_hi0)/(T2-T1)

式中，T2-T1为计算出的变压器设计寿命时间(年)，优选为30～40年。X_hiend为设备退出运行的最终健康指数，优选0.35。X_hi0为变压器开始投运时的老化系数，优选0.95。根据下式计算变压器绝缘老化健康指数X_hi1：

1-X_hi1＝(1-X_hi0)e^B(T2-T1)

(二)评估变压器个体绝缘状态

运用运行参数：油色谱、绝缘油指标、绝缘纸指标、例行试验数据、诊断性试验数据，将上述6个指标与权重相乘，得出次相的健康指数。

按照升、降梯度公式的方式，分别计算出油色谱(在线监测)健康指数、油质试验的健康指数、绝缘纸集合度的健康指数、例行试验的健康指数、诊断性试验的健康指数。

例行试验数据包括绕组直流电阻、铁芯绝缘电阻、绕组电阻/吸收比/极化指数、绕组介损、套管试验(数据*分项权重)。诊断性试验数据包括红外成像温度、局放、耐压试验、铁芯接地电流、绕组直流泄露电流等(数据*分项权重)。

(1)油色谱：采用梯度计算出每项指标的健康指数x权重，所有指标再相加获取最终健康指数。如果每天有多次油色谱的数据，每次数据计算出的健康指数，挑出指标最差的一组，作为当天的健康指数。

(2)油质试验：采用梯度计算出每项指标的健康指数x权重，所有指标再相加获取最终健康指数。

(3)油中糠醛对变压器影响，作为糠醛试验的健康指标，计算出糠醛的X_hi1的值(设备试验做过糠醛的指标，使用糠醛指标来计算)，即：

Dp＝-121*ln(FFA)+458

FFA为糠醛测量值，则有：

X_hi＝2.33*(FFA)^0.68

(4)健康指数(绝缘纸)：采用下式计算绝缘纸集合度d_DP

Dp＝-121*ln(FFA)+458

则绝缘纸的健康指数X_hiDP为：

X_hiDP＝(d_DP0-d_DP)/(-d_DP0-d_DPend)

式中，d_DP0为缘纸集合度初始值，其默认值为1000；d_DPend为绝缘纸聚合度终值，其默认值为250，d_DP为此台变压器的绝缘纸聚合度测试值。

(5)诊断性试验：采用梯度计算出每项指标的健康指数x权重，所有指标再相加获取最终健康指数。

(6)例行试验：采用梯度计算出每项指标的健康指数x权重，所有指标再相加获取最终健康指数。

(7)将上述步骤获取的各个最终健康指数与各自计算的权重相乘后求和，获取变压器个体绝缘状态X_hi2。

(三)缺陷因素修正计算结果

缺陷计算按照打分计算方式，最终得分归化成0-1之间的数据。此数据*风险系数*家族遗传系数＝修正后的变压器部件健康指数。

家族缺陷因素γ₁的量化公式为：

式中，m₁为统计变压器的总台数；W_1i为家族质量缺陷的权重；n_1i为家族缺陷评分(变压器家族不存在缺陷时，评分为1，存在致命缺陷评分为0)。家族遗传关系为：1.5ⁿ：同电压、同制造商；2ⁿ：同型号、同制造商；3ⁿ：同型号、同图纸、同制造商；n为已知缺陷次数。特别说明：家族遗传为故障放大器，适用于GIS，变压器的评估体系之中。

变压器不良工况统计计算健康指数γ₂的公式为：

式中，m₂为变压器发生自身事件的次数；n_2i为变压器自身质量事件评分，根据质量事件对变压器运行状态潜在影响的程度，对其进行取值，0表示对变压器运行状态会产生致命的影响，1表示对变压器运行状态基本没有影响。

变压器不良工况出现的位置共有：变压器本体、冷却系统、分接开关、非电量保护、套管五类部件。5类部件的缺陷风险健康指数的获取方法为：

本体：X_hib＝R*R₁*R₂

冷却系统：X_hil＝R*R₁*R₂

分接开关:X_hif＝R*R₁*R₂

非电量保护装置:X_hid＝R*R₁*R₂

套管:X_hit＝R*R₁*R₂

上式中，R为可靠性指数等级，R＝1-P，P为失效概率(发生缺陷时，已经运行的时间，计算出5类部件的故障累计概率)。R₁为缺陷风险修正系数，R₂为拟定后的修正系数。

P的计算公式为：

P＝1-exp{-(x/w)^0.9524}

其中，w为部件发生缺陷的时间(小时)-检修记录；x为变压器已经运行的时间(按天计算)。

计算出5类部件的可靠性指数R，取最坏的一个参数作为部件的可靠性指数，进而获取5个附件的缺陷风险健康指数。考虑缺陷次数进行修正，变压器五类部件取最低的缺陷风险健康指数为部件的健康指数。

缺陷风险评价得分R_A为：

0-1：缺陷风险修正系数R₁＝0.95；

1-2：缺陷风险修正系数R₁＝0.9；

2-3：缺陷风险修正系数R₁＝0.85；

3-4：缺陷风险修正系数R₁＝0.8；

4-5：缺陷风险修正系数R₁＝0.7；

拟定后的修正系数R₂为：

R₂＝1：正常；

R₂＝0.95：一般；

R₂＝0.9：注意；

R₂＝0.7：异常；

R₂＝0.6：严重。

考虑不良工况后，最终再考虑缺陷，获取修正后变压器健康指数X_hi3为：

X_hi3＝R*R₁*R₂*家族遗传系数

利用变压器绝缘老化健康指数的值+运行绝缘老化状态健康指数的值+权限管理计算的变压器健康指数的值获取最终得到变压器的状态健康指数的值。

(4)不良工况计算

不良工况包括出口/进口短路、过负荷运行修正系数，计算出负荷对变压器健康的指数影响。

算过负荷时间内变压器绝缘损失率L′：

L′＝(F_EQA*t/L_N)*100％

式中，F_EQA为等效加速老化因子，L_N为变压器今后预期寿命(小时)，t为变压器过负荷的持续时间(小时)。

其中，F_EQA＝0.98时，表示短路冲击电流在短路允许电流的50-70％之间，累计达到6次及以上；F_EQA＝0.95时，表示短路冲击电流在短路允许电流的70-90％之间，按照次数扣分，一次0.95减0.02；F_EQA＝0.9时，表示短路冲击电流在短路允许电流的90％及以上，按照次数扣分，一次0.9减0.03。

修正后的老化系数B为：

B＝B₀*k₂

k₂＝1/(1-L′)

其中，B₀为初始老化系数，默认值为0.0988。

评估的变压器今后故障发生概率f_POF为：

式中，K、C为相关系数，K＝0.57，C＝13.4，X_hi为最后修正过后的变压器健康指数。

考虑变压器短路及过负荷后的最终健康水平指数为：

X_hi＝(a*X_hi1+b*X_hi2+c*X_hi3)*F_EQA

式中，a、b、c分别是X_hi1、X_hi2、X_hi3的权重，经验值为a＝0.5234，b＝0.3657， c＝0.1109。将获取的X_hi带入到下式计算出变压器剩余寿命(预期还能够运行的年限)：

L(％)＝ln(1-X_hiend)-ln(1-X_h0)/B

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的工作人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims

1.一种基于大数据的变电站设备状态智能化评价系统，其特征在于，该系统采用B/S模式，该系统包括：

数据收集模块：用于收集变电站设备状态数据，包括：

数据管理单元，用于获取设备基本参数及检修数据；

数据通信模块：用于为各个模块提供统一标准通讯协议。

2.根据权利要求1所述的一种基于大数据的变电站设备状态智能化评价系统，其特征在于，所述的数据采集模块单元包括变电站设备监测设备、CAC数据库，所述的变电站设备监测设备与CAC数据库连接。

3.根据权利要求2所述的一种基于大数据的变电站设备状态智能化评价系统，其特征在于，所述的数据管理单元包括离线数据管理子单元、遗传数据管理子单元以及设备故障数据管理子单元。

4.根据权利要求3所述的一种基于大数据的变电站设备状态智能化评价系统，其特征在于，所述的数据通信模块采用电力104协议。

5.根据权利要求1所述的一种基于大数据的变电站设备状态智能化评价系统，其特征在于，所述的数据处理模块包括防误报处理机。

6.根据权利要求1所述的一种基于大数据的变电站设备状态智能化评价系统，其特征在于，所述的变电站状态评价模块利用AI状态评价评估预测方法对设备状态进行评估。

7.根据权利要求1所述的一种基于大数据的变电站设备状态智能化评价系统，其特征在于，所述的监测终端包括台式电脑、平板电脑、智能手机。

8.根据权利要求4所述的一种基于大数据的变电站设备状态智能化评价系统，其特征在于，所述的变电站设备状态数据包括通过报文通讯从CAC数据库获取的变电站设备状态实时运行数据，通过离线数据管理子单元录入的设备基本参数、检修数据，由遗传数据管理子单元录入的遗传数据以及由设备故障数据管理子单元获取的设备缺陷数据及不良工况参数。

9.一种应用如权利要求1-8任一项所述的基于大数据的变电站设备状态智能化评价系统的评价方法，其特征在于，该方法包括以下步骤：

1)变电站设备监测设备采集变电站设备状态实时在线数据并将其存储至CAC数据库中，离线数据管理子单元录入设备基本参数、遗传数据和检修数据，设备故障数据管理子单元获取并存储设备缺陷数据及不良工况参数；

2)将变电站设备状态实时在线数据输入至数据处理模块；

7)变电站状态评价模块利用AI状态评价评估预测方法对变电站设备进行健康评估，生成评测报告；

10.根据权利要求9所述的一种基于大数据的变电站设备状态智能化评价方法，其特征在于，步骤7)的具体内容为：

H_i＝(aH_i1+bH_i2+cH_i3)*k