CN109856488A - 一种基于多源数据融合的变压器状态评估及故障检测方法 - Google Patents
一种基于多源数据融合的变压器状态评估及故障检测方法 Download PDFInfo
- Publication number
- CN109856488A CN109856488A CN201910196824.3A CN201910196824A CN109856488A CN 109856488 A CN109856488 A CN 109856488A CN 201910196824 A CN201910196824 A CN 201910196824A CN 109856488 A CN109856488 A CN 109856488A
- Authority
- CN
- China
- Prior art keywords
- transformer
- data
- bee
- nectar source
- fault
- 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
Landscapes
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明属于变压器故障类型检测技术领域,公开了一种基于多源数据融合的变压器状态评估及故障检测方法,利用基于最小二乘法循环校正的电流传感器检测变压器电流数据;利用基于余数拆分算法提高精准度的电压表检测变压器电压数据;利用温度传感器检测变压器温度数据;利用基于标准人工蜂群算法进行温度补偿的气体传感器检测变压器故障特征气体的浓度数据;利用数据处理软件构建变压器故障模型;根据检测的数据对变压器故障状态进行评估;利用报警器根据评估结果并及时报警通知。本发明采用概率模糊集的理论进行处理和分析;可以评估变压器故障状态,反映出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。
Description
技术领域
本发明属于变压器故障类型检测技术领域,尤其涉及一种基于多源数据融合的变压器状态评估及故障检测方法。
背景技术
变压器(Transformer)是利用电磁感应的原理来改变交流电压的装置,主要构件是初级线圈、次级线圈和铁芯(磁芯)。主要功能有:电压变换、电流变换、阻抗变换、隔离、稳压(磁饱和变压器)等。按用途可以分为:电力变压器和特殊变压器(电炉变、整流变、工频试验变压器、调压器、矿用变、音频变压器、中频变压器、高频变压器、冲击变压器、仪用变压器、电子变压器、电抗器、互感器等)。电路符号常用T当作编号的开头.例:T01,T201等。变压器由铁芯(或磁芯)和线圈组成,线圈有两个或两个以上的绕组,其中接电源的绕组叫初级线圈,其余的绕组叫次级线圈。它可以变换交流电压、电流和阻抗。最简单的铁心变压器由一个软磁材料做成的铁心及套在铁心上的两个匝数不等的线圈构成,铁心的作用是加强两个线圈间的磁耦合。为了减少铁内涡流和磁滞损耗,铁心由涂漆的硅钢片叠压而成;两个线圈之间没有电的联系,线圈由绝缘铜线(或铝线)绕成。一个线圈接交流电源称为初级线圈(或原线圈),另一个线圈接用电器称为次级线圈(或副线圈)。实际的变压器是很复杂的,不可避免地存在铜损(线圈电阻发热)、铁损(铁心发热)和漏磁(经空气闭合的磁感应线)等,为了简化讨论这里只介绍理想变压器。理想变压器成立的条件是:忽略漏磁通,忽略原、副线圈的电阻,忽略铁心的损耗,忽略空载电流(副线圈开路原线圈线圈中的电流)。例如电力变压器在满载运行时(副线圈输出额定功率)即接近理想变压器情况。然而,现有变压器故障类型检测不能将设备役龄、状态特征量检修措施的影响考虑在内,导致检测数据不准确;同时,传统变压器故障状态评估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。
综上所述,现有技术存在的问题是:
现有变压器故障类型检测不能将设备役龄、状态特征量检修措施的影响考虑在内,导致检测数据不准确、报警不及时;同时,传统变压器故障状态评估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;电流传感器采集电流数据不准确;电压表中小数位的处理直接影响数据的精确度;气体传感器会受温度影响而发生变化导致测试精度和稳定性降低。
发明内容
针对现有技术存在的问题,本发明提供了一种基于多源数据融合的变压器状态评估及故障检测方法。
本发明是这样实现的,一种基于多源数据融合的变压器状态评估及故障检测方法,所述基于多源数据融合的变压器状态评估及故障检测方法包括:
第一步,基于多数据融合的变压器故障类型检测系统进行电量数据检测,利用基于最小二乘法循环校正的电流传感器检测变压器电流数据;利用基于“余数拆分”算法提高精准度的电压表检测变压器电压数据;
第二步,利用温度传感器检测变压器温度数据;利用基于标准人工蜂群算法进行温度补偿的气体传感器检测变压器故障特征气体的浓度数据;
第三步,利用数据处理软件构建变压器故障模型;
第四步,利用评估软件根据检测的数据对变压器故障状态进行评估;
第五步,利用报警器根据评估结果进及时报警通知;
第六步,利用显示器显示变压器故障类型检测系统界面及检测的电流、电压、温度、特征气体数据信息。
进一步,所述第一步中基于最小二乘法的校准方法包括:
根据电流传感器的输出范围,取均匀分布的10个校准点,将电流比例标准感应得到的电流值按比例换算得到直流源输出的电流值,调节直流源电流输出,使输出电流依次为200A,400A,600A,800A,1000A,1200A,1400A,1600A,1800A,2000A,在每个电流校准点上保持15s后读取电流传感器两端的电压输出,即可得到其副边电流值;完成一个正行程的校准后,再进行反行程校准,一个正反行程为一个校准循环,共进行3次校准循环。
进一步,所述第二步中标准人工蜂群算法包括:
(1)蜜源的位置代表目标函数的可能解向量,解的适应度值fiti决定了蜜源i(i=1,2,…,NP)的质量,NP为蜜源的数量,人工蜂群算法中引领蜂和跟随蜂的数量相等且各占蜂群的一半,蜂群总数量等于蜜源的数量,每个引领蜂同一时间内只对一个蜜源引进行采蜜;设求解的输出维数为D,在t次迭代时蜜源i的位置表示为其中,t表示当前的迭代次数;xid∈(Ld,Ud),Ld和Ud分别表示搜索空间的下限和上限,d=1,2,…,D;蜜源i的初始位置产生于搜索空间中的随机位置,产生公式如式(1)所示:
xid=Ld+rand(0,1)(Ud-Ld) (1)
引领蜂将在搜索开始时根据式(2)在蜜源i的周围搜索产生一个新的蜜源:
式中,d是在[1,D]中的一个随机整数,表示引领蜂随机的选择解向量中的一维进行搜索;j∈{1,2,…,NP},j≠i,表示在NP个蜜源中随机选择一个不等于i的蜜源;是[-1,1]均匀分布随机数;
当新蜜源Vi=[Vi1Vi2……Vid]的适应度优于Xi时,采用贪婪选择的方法用Vi代替Xi,否则保留Xi;
(2)所有的引领蜂完成式(2)的运算后,飞回信息交流区共享蜜源信息;跟随蜂根据式(3)计算的概率决定是否跟随引领蜂:
随后跟随蜂采用轮盘赌的方式进行选择引领蜂,轮盘赌方式为产生一个[-1,1]均匀分布的随机数r,如果pi大于r,该跟随蜂按式(2)在蜜源i周围产生一个新的蜜源,并且采用同引领蜂相同的贪婪选择方式确定保留的蜜源;蜜源质量越高则吸引的跟随蜂越多;fi为目标值函数,解的适应度根据式(4)计算:
(3)搜索过程中如果蜜源Xi经过trial次迭代搜索到达蜜源最大开采次数limit没有找到更好的蜜源,引领蜂将放弃该蜜源并且转变为侦查蜂,该侦查蜂会在搜索空间中随机产生一个新的蜜源代替Xi,整个过程按照式(5):
进一步,第五步利用报警器根据评估结果并及时报警通知中,报警器包括探测组件、光线报警组件、语音报警组件,所述的探测组件设置在报警系统的上端,所述的光线报警组件连接在探测组件的下侧,所述的语音报警组件连接在光线报警组件的一侧。
本发明的另一目的在于提供一种实现所述基于多源数据融合的变压器状态评估及故障检测方法的故障类型检测系统,该系统包括:
供电模块,与主控模块连接,用于为基于多源数据融合的变压器故障类型检测系统供电操作;
电流检测模块,与主控模块连接,用于通过电流表检测变压器电流数据;
电压检测模块,与主控模块连接,用于通过电压表检测变压器电压数据;
温度检测模块,与主控模块连接,用于通过温度传感器检测变压器温度数据;
特征气体检测模块,与主控模块连接,用于通过气体传感器检测变压器故障特征气体的浓度数据;
主控模块,与供电模块、电流检测模块、电压检测模块、温度检测模块、特征气体检测模块、故障建模模块、状态评估模块、警报模块、显示模块连接,用于通过单片机控制各个模块正常工作;
故障建模模块,与主控模块连接,用于通过数据处理软件构建变压器故障模型;
状态评估模块,与主控模块连接,用于通过评估软件根据检测的数据对变压器故障状态进行评估;
警报模块,与主控模块连接,用于通过报警器根据评估结果进及时报警通知;
显示模块,与主控模块连接,用于通过显示器显示变压器故障类型检测系统界面及检测的电流、电压、温度、特征气体数据信息。
本发明的另一目的在于提供一种应用所述基于多源数据融合的变压器状态评估及故障检测方法的变压器检测平台。
本发明的优点及积极效果为:
本发明通过故障建模模块采用预先计算变压器的健康指数;并根据健康指数建立变压器故障概率模型及计算相关参数;应用变压器的故障率模型计算配电变压器故障率,计算出的故障率符合统计数据呈现的变压器设备随役龄出现的故障率变化趋势,该变压器故障率模型提高了对变压器故障率的预测准确度,能对实际工程应用提供有效帮助;不仅能够反映服役年限、关键特征量及检修措施对健康指数的影响,而且建立的故障率模型能体现时间和健康指数两个因素对变压器故障率的影响,更符合物理实际,因而能够更准确的评价设备的可靠性,从而科学地指导现场设备的管理和维修,对状态检修策略的制定提供有益的帮助;同时,通过状态评估模块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;可以评估变压器故障状态,反映出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;利用最小二乘法循环校正电流传感器,提高电流传感器的精确度;应用“余数拆分”算法可以有效地避免16位的除法运算,减少利用的寄存器数量及编程的复杂度,只利用8位的寄存器就可以得到小数点后所要求的精度的位数;利用人工蜂群算法对气体传感器进行温度补偿,提高了温度传感器的精度以及稳定性,且人工蜂群算法对目标函数和约束几乎没有要求,初始参数的设置对算法结果几乎没有影响。
附图说明
图1是本发明实施例提供的基于多源数据融合的变压器状态评估及故障检测方法流程图;
图2是本发明实施例提供的基于多源数据融合的变压器故障类型检测系统结构框图;
图中:1、供电模块;2、电流检测模块;3、电压检测模块;4、温度检测模块;5、特征气体检测模块;6、主控模块;7、故障建模模块;8、状态评估模块;9、警报模块;10、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明提供的基于多源数据融合的变压器状态评估及故障检测方法包括以下步骤:
S101:基于多数据融合的变压器故障类型检测系统进行电量数据检测,利用基于最小二乘法循环校正的电流传感器检测变压器电流数据。利用基于“余数拆分”算法提高精准度的电压表检测变压器电压数据。
S102:利用温度传感器检测变压器温度数据。利用基于标准人工蜂群算法进行温度补偿的气体传感器检测变压器故障特征气体的浓度数据。
S103:利用数据处理软件构建变压器故障模型。
S104:利用评估软件根据检测的数据对变压器故障状态进行评估。
S105:利用报警器根据评估结果并及时报警通知。
S106:利用显示器显示变压器故障类型检测系统界面及检测的电流、电压、温度、特征气体数据信息。
步骤S101中,所述基于最小二乘法的校准方法包括:
根据电流传感器的输出范围,取均匀分布的10个校准点,将电流比例标准感应得到的电流值按比例换算得到直流源输出的电流值,调节直流源电流输出,使输出电流依次为200A,400A,600A,800A,1000A,1200A,1400A,1600A,1800A,2000A,在每个电流校准点上保持15s后读取电流传感器两端的电压输出,即可得到其副边电流值。完成一个正行程的校准后,再进行反行程校准,一个正反行程为一个校准循环,共进行3次校准循环。
步骤S101中,所述余数拆分算法包括:
设电压测量范围为0~5V,某一电压经A/D转换后的数字值为data,则要重显该电压值(包括整数位n和小数位)时,所采用的处理方法如下:
(1)先进行如下运算:
Data/51=商(即为整数位n)……
余数a(以此获取第一位小数)
式中:除数51=8位寄存器的最大值/最大电压值=255/5。
(2)小数位的获取:小数点后第1位小数要由(10a/5)取商而得到。当a≤25时,由于10a≤250﹤255,即可直接用8位的寄存器来完成该除法运算。而当26≤a﹤51时,则10a≥260,要完成(10a 5),被除数需要2个8位的寄存器,使得程序的编写复杂;此时可对余数a作如下拆分:
a=25+b
式中:26≤a﹤51,b﹤26。
则:
10a/51=10(25+b)/51=(250+10b)/51
=(255+10b-5)/51=5+(10b-5)/51
在式中由于b<26,则(10b-5)<255,即可以直接用8位的寄存器来完成“(10b-5)51”的运算。利用(10b-5)51的商再加上5就可得到第1位小数。要想得到第2位小数,则再对(10b-5)51运算后的余数做拆分,进而获取第2位小数。依次类推,不管获得小数点后多少位的精度,8位的寄存器都可以完成。
步骤S102中,所述标准人工蜂群算法包括:
(1)蜜源的位置代表目标函数的可能解向量,解的适应度值fiti决定了蜜源i(i=1,2,…,NP)的质量,NP为蜜源的数量,人工蜂群算法中引领蜂和跟随蜂的数量相等且各占蜂群的一半,蜂群总数量等于蜜源的数量,每个引领蜂同一时间内只对一个蜜源引进行采蜜。设求解的输出维数为D,在t次迭代时蜜源i的位置表示为其中,t表示当前的迭代次数。xid∈(Ld,Ud),Ld和Ud分别表示搜索空间的下限和上限,d=1,2,…,D。蜜源i的初始位置产生于搜索空间中的随机位置,产生公式如式(1)所示:
xid=Ld+rand(0,1)(Ud-Ld) (1)
引领蜂将在搜索开始时根据式(2)在蜜源i的周围搜索产生一个新的蜜源:
式中,d是在[1,D]中的一个随机整数,表示引领蜂随机的选择解向量中的一维进行搜索。j∈{1,2,…,NP},j≠i,表示在NP个蜜源中随机选择一个不等于i的蜜源。是[-1,1]均匀分布随机数。
当新蜜源Vi=[Vi1Vi2……Vid]的适应度优于Xi时,采用贪婪选择的方法用Vi代替Xi,否则保留Xi。
(2)所有的引领蜂完成式(2)的运算后,飞回信息交流区共享蜜源信息。跟随蜂根据式(3)计算的概率决定是否跟随引领蜂:
随后跟随蜂采用轮盘赌的方式进行选择引领蜂,轮盘赌方式为产生一个[-1,1]均匀分布的随机数r,如果pi大于r,该跟随蜂按式(2)在蜜源i周围产生一个新的蜜源,并且采用同引领蜂相同的贪婪选择方式确定保留的蜜源。蜜源质量越高则吸引的跟随蜂越多。fi为目标值函数,解的适应度根据式(4)计算:
(3)搜索过程中如果蜜源Xi经过trial次迭代搜索到达蜜源最大开采次数limit没有找到更好的蜜源,引领蜂将放弃该蜜源并且转变为侦查蜂,该侦查蜂会在搜索空间中随机产生一个新的蜜源代替Xi,整个过程按照式(5):
如图2所示,本发明实施例提供的基于多源数据融合基于多数据融合的变压器故障类型检测系统包括:供电模块1、电流检测模块2、电压检测模块3、温度检测模块4、特征气体检测模块5、主控模块6、故障建模模块7、状态评估模块8、警报模块9、显示模块10。
供电模块1,与主控模块6连接,用于为基于多数据融合的变压器故障类型检测系统的变压器故障类型检测系统供电操作。
电流检测模块2,与主控模块6连接,用于通过电流表检测变压器电流数据。
电压检测模块3,与主控模块6连接,用于通过电压表检测变压器电压数据。
温度检测模块4,与主控模块6连接,用于通过温度传感器检测变压器温度数据。
特征气体检测模块5,与主控模块6连接,用于通过气体传感器检测变压器故障特征气体的浓度数据。
主控模块6,与供电模块1、电流检测模块2、电压检测模块3、温度检测模块4、特征气体检测模块5、故障建模模块7、状态评估模块8、警报模块9、显示模块10连接,用于通过单片机控制各个模块正常工作。
故障建模模块7,与主控模块6连接,用于通过数据处理软件构建变压器故障模型。
状态评估模块8,与主控模块6连接,用于通过评估软件根据检测的数据对变压器故障状态进行评估。
警报模块9,与主控模块6连接,用于通过报警器根据评估结果进及时报警通知。
显示模块10,与主控模块6连接,用于通过显示器显示变压器故障类型检测系统界面及检测的电流、电压、温度、特征气体数据信息。
本发明实施例提供的故障建模模块7建模方法如下:
首先根据采集的数据,计算变压器的健康指数。
然后,建立变压器故障概率模型,如下式所示:
λ(HI,t)=K(t)e-C(t)×HI (5)
其中,K(t):比例参数。C(t):曲率系数。HI:检修后的变压器健康指数。
最后,确定变压器故障率。
本发明实施例提供的健康指数的计算包括:
(1)按下式(1)计算变压器的老化健康指数HIa:
HIa=HI0e-B·ΔT (1)
式中,HI0:设备初始健康指数。ΔT:投入运行时间。
老化系数B如下式(2)所示:
其中,Texp:变压器的预期寿命,且Texp=Tact×fL,Tact:变压器的实际使用寿命。fL:负荷系数。HI′:设备达到使用寿命时的健康指数。
(2)变压器的本体状态特征量、非本体状态特征量与静态健康指数HIs按下式(3)计算:
其中α1:变压器本体修正系数。α1n:本体状态特征量n的修正系数。α2:设备非本体修正系数。α2m:非本体状态特征量m的修正系数。本体状态特征量包括:变压器绕组直流电阻不平衡率、变压器局部放电量、变压器绝缘电阻吸收比和变压器油温。非本体状态特征量包括:变压器污秽程度和变压器所处的恶劣天气。
(3)确定变压器的检修方式,检修方式包括:小修,吸附净化绝缘油。大修,更换严重劣化或污染的绝缘油,并修复设备的其他劣化部件。或更换失灵部件。
(4)按下式(4)计算配电设备检修后的健康指数HI:
式中,β:健康修复因子。HIs:静态健康指数。B:老化系数。Tm:表示设备检修后的投入运行时间。
本发明实施例提供的状态评估模块8评估方法如下:
1)构建变压器绝缘油特征类数据集、变压器绝缘纸特征类数据集、变压器气体特征类数据集、变压器温度特征类数据集、变压器电容特征类的数据集、变压器局部放电特征类数据集。并计算相应的概率数值。
2)进行反映变压器故障状态的油、纸、气体、温度、电容、局部放电特征值平均值计算。
3)构建变压器故障状态评估函数。
4)进行变压器故障状态评估。
步骤1)中,本发明实施例提供的构建的变压器绝缘油特征类数据集为:
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、油色泽相关数据集,NSO为变压器油特征类数据集的数量。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、油色泽各自按照正态分布规律变化的均值和方差。
步骤1)中,本发明实施例提供的构建的变压器绝缘纸特征类数据集为:
式中,为与变压器纸介质损耗、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、纸色泽相关数据集,NSP为变压器纸特征类数据集的数量。
从相关数据库系统获取变压器绝缘纸检测、试验的数据信息,采用模拟的方法,确定变压器纸介质损耗、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、纸色泽各自按照正态分布规律变化的均值和方差。
步骤1)中,本发明实施例提供的构建的变压器气体特征类数据集为:
式中,为与变压器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、总烃相关数据集,NSG为变压器气体特征类数据集的数量。
从相关数据库系统获取变压器气体检测、试验的数据信息,采用模拟的方法,确定变压器压器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、总烃各自按照正态分布规律变化的均值和方差。
步骤1)中,本发明实施例提供的构建的变压器温度特征类数据集为:
式中,为与变压器典型负荷时热点温度、高负荷时热点温度、油温相关数据集,NST为变压器温度特征类数据集的数量。
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和方差。
步骤1)中,本发明实施例提供的构建的变压器电容特征类数据集为:
式中,为与变压器高压侧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相电容值相关数据集,NSC为变压器电容特征类数据集的数量。
从相关数据库系统获取变压器电容检测、试验的数据信息,采用模拟的方法,确定变压器压器高压侧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相电容值各自按照正态分布规律变化的均值和方差。
步骤1)中,本发明实施例提供的构建的变压器局部放电特征类数据集为:
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的元素数量,NSD为变压器局部放电特征类数据集的数量。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、相位不对称数各自按照正态分布规律变化的均值和方差。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (7)
1.一种基于多源数据融合的变压器状态评估及故障检测方法,其特征在于,所述基于多源数据融合的变压器状态评估及故障检测方法包括:
第一步,基于多数据融合的变压器故障类型检测系统进行电量数据检测,利用基于最小二乘法循环校正的电流传感器检测变压器电流数据;利用基于“余数拆分”算法提高精准度的电压表检测变压器电压数据;
第二步,利用温度传感器检测变压器温度数据;利用基于标准人工蜂群算法进行温度补偿的气体传感器检测变压器故障特征气体的浓度数据;
第三步,利用数据处理软件构建变压器故障模型;
第四步,利用评估软件根据检测的数据对变压器故障状态进行评估;
第五步,利用报警器根据评估结果并及时报警通知;
第六步,利用显示器显示变压器故障类型检测系统界面及检测的电流、电压、温度、特征气体数据信息。
2.如权利要求1所述的基于多源数据融合的变压器状态评估及故障检测方法,其特征在于,所述第一步中基于最小二乘法的校准方法包括:
根据电流传感器的输出范围,取均匀分布的10个校准点,将电流比例标准感应得到的电流值按比例换算得到直流源输出的电流值,调节直流源电流输出,使输出电流依次为200A,400A,600A,800A,1000A,1200A,1400A,1600A,1800A,2000A,在每个电流校准点上保持15s后读取电流传感器两端的电压输出,即可得到其副边电流值;完成一个正行程的校准后,再进行反行程校准,一个正反行程为一个校准循环,共进行3次校准循环。
3.如权利要求1所述的基于多源数据融合的变压器状态评估及故障检测方法,其特征在于,所述第二步中标准人工蜂群算法包括:
(1)蜜源的位置代表目标函数的可能解向量,解的适应度值fiti决定了蜜源i(i=1,2,…,NP)的质量,NP为蜜源的数量,人工蜂群算法中引领蜂和跟随蜂的数量相等且各占蜂群的一半,蜂群总数量等于蜜源的数量,每个引领蜂同一时间内只对一个蜜源引进行采蜜;设求解的输出维数为D,在t次迭代时蜜源i的位置表示为其中,t表示当前的迭代次数;xid∈(Ld,Ud),Ld和Ud分别表示搜索空间的下限和上限,d=1,2,…,D;蜜源i的初始位置产生于搜索空间中的随机位置,产生公式如式(1)所示:
xid=Ld+rand(0,1)(Ud-Ld) (1)
引领蜂将在搜索开始时根据式(2)在蜜源i的周围搜索产生一个新的蜜源:
式中,d是在[1,D]中的一个随机整数,表示引领蜂随机的选择解向量中的一维进行搜索;j∈{1,2,…,NP},j≠i,表示在NP个蜜源中随机选择一个不等于i的蜜源;是[-1,1]均匀分布随机数;
当新蜜源Vi=[Vi1Vi2……Vid]的适应度优于Xi时,采用贪婪选择的方法用Vi代替Xi,否则保留Xi;
(2)所有的引领蜂完成式(2)的运算后,飞回信息交流区共享蜜源信息;跟随蜂根据式(3)计算的概率决定是否跟随引领蜂:
随后跟随蜂采用轮盘赌的方式进行选择引领蜂,轮盘赌方式为产生一个[-1,1]均匀分布的随机数r,如果pi大于r,该跟随蜂按式(2)在蜜源i周围产生一个新的蜜源,并且采用同引领蜂相同的贪婪选择方式确定保留的蜜源;蜜源质量越高则吸引的跟随蜂越多;fi为目标值函数,解的适应度根据式(4)计算:
(3)搜索过程中如果蜜源Xi经过trial次迭代搜索到达蜜源最大开采次数limit没有找到更好的蜜源,引领蜂将放弃该蜜源并且转变为侦查蜂,该侦查蜂会在搜索空间中随机产生一个新的蜜源代替Xi,整个过程按照式(5):
4.如权利要求1所述的基于多源数据融合的变压器状态评估及故障检测方法,其特征在于,第五步利用报警器根据评估结果并及时报警通知中,报警器包括探测组件、光线报警组件、语音报警组件,所述的探测组件设置在报警系统的上端,所述的光线报警组件连接在探测组件的下侧,所述的语音报警组件连接在光线报警组件的一侧。
5.如权利要求4所述的基于多源数据融合的变压器状态评估及故障检测方法,其特征在于,所述的语音报警组件具体采用警笛声音喇叭报警器,设置操作键盘、语音提示器、LCD数据异常显示屏。
6.一种实现权利要求1所述基于多源数据融合的变压器状态评估及故障检测方法的检测系统,其特征在于,所述检测系统包括:
供电模块,与主控模块连接,用于为基于多源数据融合的变压器故障类型检测系统供电操作;
电流检测模块,与主控模块连接,用于通过电流表检测变压器电流数据;
电压检测模块,与主控模块连接,用于通过电压表检测变压器电压数据;
温度检测模块,与主控模块连接,用于通过温度传感器检测变压器温度数据;
特征气体检测模块,与主控模块连接,用于通过气体传感器检测变压器故障特征气体的浓度数据;
主控模块,与供电模块、电流检测模块、电压检测模块、温度检测模块、特征气体检测模块、故障建模模块、状态评估模块、警报模块、显示模块连接,用于通过单片机控制各个模块正常工作;
故障建模模块,与主控模块连接,用于通过数据处理软件构建变压器故障模型;
状态评估模块,与主控模块连接,用于通过评估软件根据检测的数据对变压器故障状态进行评估;
警报模块,与主控模块连接,用于通过报警器根据评估结果进及时报警通知;
显示模块,与主控模块连接,用于通过显示器显示变压器故障类型检测系统界面及检测的电流、电压、温度、特征气体数据信息。
7.一种应用权利要求1~5任意一项所述基于多源数据融合的变压器状态评估及故障检测方法的变压器检测平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910196824.3A CN109856488A (zh) | 2019-03-15 | 2019-03-15 | 一种基于多源数据融合的变压器状态评估及故障检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910196824.3A CN109856488A (zh) | 2019-03-15 | 2019-03-15 | 一种基于多源数据融合的变压器状态评估及故障检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109856488A true CN109856488A (zh) | 2019-06-07 |
Family
ID=66900904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910196824.3A Pending CN109856488A (zh) | 2019-03-15 | 2019-03-15 | 一种基于多源数据融合的变压器状态评估及故障检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109856488A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543730A (zh) * | 2019-09-05 | 2019-12-06 | 长沙理工大学 | 一种变压器绕组变形故障判定方法 |
CN110609200A (zh) * | 2019-09-20 | 2019-12-24 | 长沙理工大学 | 一种基于模糊度量融合判据的配电网接地故障保护方法 |
CN111443686A (zh) * | 2020-03-23 | 2020-07-24 | 杭州电子科技大学 | 基于多目标优化与证据迭代更新的工业报警器设计方法 |
CN112347663A (zh) * | 2020-11-30 | 2021-02-09 | 海南电网有限责任公司电力科学研究院 | 融合变压器健康状态和役龄的故障概率预测方法 |
CN112731018A (zh) * | 2020-12-21 | 2021-04-30 | 广州浩能机电安装工程有限公司 | 一种变压器监控方法、系统、计算机设备及其存储介质 |
CN112748317A (zh) * | 2021-03-23 | 2021-05-04 | 国网河南省电力公司电力科学研究院 | 基于多种监测数据的开关柜局部放电故障检测方法及系统 |
CN113341251A (zh) * | 2021-06-02 | 2021-09-03 | 启晗电力建设集团有限公司 | 一种输变电现场施工监测系统 |
CN114091984A (zh) * | 2022-01-21 | 2022-02-25 | 北京智盟信通科技有限公司 | 一种电力变压器运行状态评估方法和设备 |
CN115248292A (zh) * | 2022-09-23 | 2022-10-28 | 江苏永鼎股份有限公司 | 一种变压器故障分析诊断方法及系统 |
CN115683230A (zh) * | 2022-11-17 | 2023-02-03 | 广东电网有限责任公司 | 油浸式变压器故障检测方法、装置、设备、介质及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202582602U (zh) * | 2012-04-26 | 2012-12-05 | 江苏骏龙电力科技股份有限公司 | 变压器运行状态综合监测系统 |
CN106093612A (zh) * | 2016-05-26 | 2016-11-09 | 国网江苏省电力公司电力科学研究院 | 一种电力变压器故障诊断方法 |
CN106841846A (zh) * | 2016-12-19 | 2017-06-13 | 广东电网有限责任公司电力调度控制中心 | 一种变压器状态分析与故障诊断方法及系统 |
WO2017146877A1 (en) * | 2016-02-03 | 2017-08-31 | General Electric Company | Systems and methods for monitoring and diagnosing transformer health |
CN107644127A (zh) * | 2017-09-08 | 2018-01-30 | 西安工程大学 | 基于imabc优化支持向量机的变压器故障诊断方法 |
CN108090237A (zh) * | 2016-11-22 | 2018-05-29 | 中国电力科学研究院 | 一种确定配电变压器故障率的建模方法 |
CN108680811A (zh) * | 2018-06-29 | 2018-10-19 | 广东工业大学 | 一种变压器故障状态评估方法 |
-
2019
- 2019-03-15 CN CN201910196824.3A patent/CN109856488A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202582602U (zh) * | 2012-04-26 | 2012-12-05 | 江苏骏龙电力科技股份有限公司 | 变压器运行状态综合监测系统 |
WO2017146877A1 (en) * | 2016-02-03 | 2017-08-31 | General Electric Company | Systems and methods for monitoring and diagnosing transformer health |
CN106093612A (zh) * | 2016-05-26 | 2016-11-09 | 国网江苏省电力公司电力科学研究院 | 一种电力变压器故障诊断方法 |
CN108090237A (zh) * | 2016-11-22 | 2018-05-29 | 中国电力科学研究院 | 一种确定配电变压器故障率的建模方法 |
CN106841846A (zh) * | 2016-12-19 | 2017-06-13 | 广东电网有限责任公司电力调度控制中心 | 一种变压器状态分析与故障诊断方法及系统 |
CN107644127A (zh) * | 2017-09-08 | 2018-01-30 | 西安工程大学 | 基于imabc优化支持向量机的变压器故障诊断方法 |
CN108680811A (zh) * | 2018-06-29 | 2018-10-19 | 广东工业大学 | 一种变压器故障状态评估方法 |
Non-Patent Citations (2)
Title |
---|
叶晓雯 等: "基于最小二乘法的霍尔电流传感器静态", 《航空科学技术》 * |
李丽 等: ""余数拆分"算法在简易数字电压表中的应用", 《现代电子技术》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543730A (zh) * | 2019-09-05 | 2019-12-06 | 长沙理工大学 | 一种变压器绕组变形故障判定方法 |
CN110543730B (zh) * | 2019-09-05 | 2023-04-07 | 长沙理工大学 | 一种变压器绕组变形故障判定方法 |
CN110609200A (zh) * | 2019-09-20 | 2019-12-24 | 长沙理工大学 | 一种基于模糊度量融合判据的配电网接地故障保护方法 |
CN111443686A (zh) * | 2020-03-23 | 2020-07-24 | 杭州电子科技大学 | 基于多目标优化与证据迭代更新的工业报警器设计方法 |
CN112347663B (zh) * | 2020-11-30 | 2022-02-22 | 海南电网有限责任公司电力科学研究院 | 融合变压器健康状态和役龄的故障概率预测方法 |
CN112347663A (zh) * | 2020-11-30 | 2021-02-09 | 海南电网有限责任公司电力科学研究院 | 融合变压器健康状态和役龄的故障概率预测方法 |
CN112731018A (zh) * | 2020-12-21 | 2021-04-30 | 广州浩能机电安装工程有限公司 | 一种变压器监控方法、系统、计算机设备及其存储介质 |
CN112731018B (zh) * | 2020-12-21 | 2024-05-14 | 广州浩能机电安装工程有限公司 | 一种变压器监控方法、系统、计算机设备及其存储介质 |
CN112748317B (zh) * | 2021-03-23 | 2022-03-25 | 国网河南省电力公司电力科学研究院 | 基于多种监测数据的开关柜局部放电故障检测方法及系统 |
CN112748317A (zh) * | 2021-03-23 | 2021-05-04 | 国网河南省电力公司电力科学研究院 | 基于多种监测数据的开关柜局部放电故障检测方法及系统 |
CN113341251A (zh) * | 2021-06-02 | 2021-09-03 | 启晗电力建设集团有限公司 | 一种输变电现场施工监测系统 |
CN113341251B (zh) * | 2021-06-02 | 2024-02-27 | 启晗电力建设集团有限公司 | 一种输变电现场施工监测系统 |
CN114091984A (zh) * | 2022-01-21 | 2022-02-25 | 北京智盟信通科技有限公司 | 一种电力变压器运行状态评估方法和设备 |
CN115248292A (zh) * | 2022-09-23 | 2022-10-28 | 江苏永鼎股份有限公司 | 一种变压器故障分析诊断方法及系统 |
CN115683230A (zh) * | 2022-11-17 | 2023-02-03 | 广东电网有限责任公司 | 油浸式变压器故障检测方法、装置、设备、介质及系统 |
CN115683230B (zh) * | 2022-11-17 | 2024-03-29 | 广东电网有限责任公司 | 油浸式变压器故障检测方法、装置、设备、介质及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109856488A (zh) | 一种基于多源数据融合的变压器状态评估及故障检测方法 | |
CN105512962B (zh) | 一种气体绝缘组合电器绝缘状态综合评估方法 | |
CN101324657B (zh) | 变电站高压计量用互感器在线监测方法 | |
CN102162842A (zh) | 高压电能计量装置在线校验仪 | |
CN110070282A (zh) | 一种基于综合关联度的低压台区线损影响因素分析方法 | |
GB2504899A (en) | Field integral detecting system of three-phase electric energy measuring system of electric distribution network | |
CN106203863A (zh) | 一种综合多源信息的电力变压器全量状态评价模型 | |
CN106651189A (zh) | 一种基于多层复合规则的变压器状态评价方法 | |
CN111007450A (zh) | 一种检测负荷辨识设备的结果可信度的方法 | |
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 | |
CN109800998A (zh) | 一种台区线损管理系统和方法 | |
CN112288303A (zh) | 确定线损率的方式、装置 | |
CN109345090A (zh) | 一种基于配电网可靠性提升的网架评价方法 | |
CN109636663A (zh) | 背靠背配电变压器的户变关系识别方法与装置 | |
EP3999861A1 (en) | Method for determining electrical losses of an electric line, due to a malfunctioning or tampering of an electricity meter | |
CN202075405U (zh) | 配电网三相电能计量系统现场整体检测系统 | |
CN109522615B (zh) | 电力系统继电保护的零序涌流耐受能力评估方法及装置 | |
CN108845074A (zh) | 油浸式变压器状态评价方法 | |
CN110011416A (zh) | 一种变电设备在线监测装置可靠性评估方法及装置 | |
CN110048511A (zh) | 基于供电侧微扰的电网用户与变压器关系在线动态监管系统及方法 | |
CN108107313A (zh) | 空载状况下判断电能表接线正确性的方法 | |
CN103941216A (zh) | 电压互感器现场自动检查仪 | |
Wang et al. | Power equipment fault information acquisition system based on Internet of things | |
CN115656674A (zh) | 一种格雷码处理卡件的离线测试装置和寿命预测方法 | |
Meyer et al. | Accuracy of voltage instrument transformers for harmonic measurements in elering's 330-kV-transmission network |
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 |