CN109919394B - 电力变压器剩余寿命预测方法 - Google Patents

电力变压器剩余寿命预测方法 Download PDF

Info

Publication number
CN109919394B
CN109919394B CN201910249793.3A CN201910249793A CN109919394B CN 109919394 B CN109919394 B CN 109919394B CN 201910249793 A CN201910249793 A CN 201910249793A CN 109919394 B CN109919394 B CN 109919394B
Authority
CN
China
Prior art keywords
transformer
state
monitoring point
probability
calculating
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.)
Active
Application number
CN201910249793.3A
Other languages
English (en)
Other versions
CN109919394A (zh
Inventor
马胤刚
陈长征
蒋辉
王巍
陈宇航
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Seic Information Technology Co ltd
Original Assignee
Shenyang Seic Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenyang Seic Information Technology Co ltd filed Critical Shenyang Seic Information Technology Co ltd
Priority to CN201910249793.3A priority Critical patent/CN109919394B/zh
Publication of CN109919394A publication Critical patent/CN109919394A/zh
Application granted granted Critical
Publication of CN109919394B publication Critical patent/CN109919394B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70Smart grids as climate change mitigation technology in the energy generation sector
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Protection Of Transformers (AREA)
  • Housings And Mounting Of Transformers (AREA)

Abstract

本发明公开了一种电力变压器剩余寿命预测方法,包括如下步骤:S1:根据电力变压器的历史运行故障数据确定参数β、η、γ;S2:在变压器外部壳体设置多个监测点,并得到各个监测点在同一时刻的观测值θ为m×n矩阵;S3:通过观测值θ计算第k个监测点处于状态的概率分布;S4:计算完全可观测信息可靠度函数;S5:计算变压器部分可观测信息条件下可靠度函数;S6:计算电力变压器剩余寿命。该电力变压器剩余寿命预测方法为变压器检修及维护人员提前停机,视情维修提供参考方案,大大减小由于非人为停机所带来的大量经济损失。

Description

电力变压器剩余寿命预测方法
技术领域
本发明涉及电力变压器寿命预测领域,特别提供了一种电力变压器剩余寿命预测方法。
背景技术
大型电力变压器的运行与维护一直以来是电力系统运行过程中的关键问题,做到视情维修能将由于意外事故造成的停电的时间大大缩短,可以为整个电力系统的稳定及安全运行提供保障,然而,现有的电力变压器的寿命预测模型并不完善,现有寿命预测大多利用浅层神经网络如前馈型神经网络及ANN进行基于时间序列的参数预测,准确度并不高,在实际应用当中存在预测不准确及误差较大等情况。
因此,研制一种新型的电力变压器剩余寿命预测方法,为变压器维修工作者的视情维修提供时间参考,成为人们亟待解决的问题。
发明内容
鉴于此,本发明的目的在于提供一种电力变压器剩余寿命预测方法,以为变压器维修工作者的视情维修提供时间参考。
本发明提供了一种电力变压器剩余寿命预测方法,包括如下步骤:
S1:根据电力变压器的历史运行故障数据确定参数β、η、γ,其中,电力变压器的运行故障概率服从两参数的威布尔分布,β、η为两参数的威布尔分布系数,γ为对应退化状态的回归变量系数;
S2:在变压器外部壳体设置多个监测点,每个监测点均采集振动幅值、振动频率、变压器油温度、有载电流、高压分接电压信息,其中,各个监测点在同一时刻的观测值θ为m×n矩阵,其中,m表示监测点的个数,n表示每个监测点的监测量的个数;
S3:利用公式(1)通过观测值θ计算第k个监测点处于状态的概率分布
Figure GDA0002676961640000021
式(1)中,
Figure GDA0002676961640000022
表示第k个监测点处于状态j的概率,
Figure GDA0002676961640000023
i,j,l均为1~N的正整数,表示变压器所处状态的序号;N表示变压器的关于剩余寿命的状态总数;q表示变压器的所述状态为j、观测值为θ的概率,q=P(S(t+Δ)=θ|S(t)=i,T>t+Δ);pij表示变压器在工作状态条件下,从状态i转移到状态j的概率,其中,状态转移具有马尔可夫性,即下一时刻转移到某一状态的概率只依赖于变压器当前状态,状态转移概率矩阵是上三角矩阵,当j<i时,pij=0;当j>i时,pij=P(S(t+Δ)=j|S(t)=i,T>t+Δ),式中,Δ表示变压器定期检修时间间隔,T为通过历史数据获得的变压器发生故障时已经工作的时间;
S4:利用公式(2)计算完全可观测信息可靠度函数
Figure GDA0002676961640000024
式(2)中,R(k,i,t)表示第k个监测点在t时间后在状态i的完全可观测信息可靠度函数;h0(t)表示为变压器寿命函数,
Figure GDA0002676961640000025
Figure GDA0002676961640000026
表示状态退化函数,γ为对应退化状态的回归变量系数;在第k个监测点,ck=γZk,Zk=Z(kΔ)表示变压器第k个监测点所处退化状态;Δ表示变压器定期检修时间间隔;R(k,i,Δ)表示检修时间间隔内完全可观测信息可靠度函数;
S5:利用公式(3)计算变压器部分可观测信息条件下可靠度函数
Figure GDA0002676961640000031
式(3)中,t表示运行时间;Δ表示变压器定期检修时间间隔;N表示变压器的状态总数;pij表示变压器在工作状态条件下,从状态i转移到状态j的概率;h0(t)表示变压器寿命函数,
Figure GDA0002676961640000032
表示状态退化函数,γ为对应退化状态的回归变量系数;在第k个监测点,ck=γZk,Zk=Z(kΔ)为变压器第k个监测点所处退化状态;R(k,i,t)表示完全可观测信息可靠度函数;
S6:利用公式(4)计算电力变压器剩余寿命
Figure GDA0002676961640000033
式(4)中,k表示第k个变压器监测点,Δ为变压器定期检修时间间隔,πk为变压器状态空间的先验条件概率分布,
Figure GDA0002676961640000034
为变压器部分可观测信息条件下可靠度函数。
本发明提供的电力变压器剩余寿命预测方法,利用历史数据可确定两参数的威布尔分布的系数,之后,利用采集的数据,可依次获得各监测点处状态概率、完全可观测信息可靠度函数、部分可观测信息条件下可靠度函数,最终可预测出变压器剩余寿命,为变压器检修及维护人员提前停机,视情维修提供参考方案,大大减小由于非人为停机所带来的大量经济损失。
具体实施方式
下面将结合具体的实施方案对本发明进行进一步的解释,但并不局限本发明。
本发明提供的电力变压器剩余寿命预测方法,包括如下步骤:
S1:根据电力变压器的历史运行故障数据确定参数β、η、γ,其中,电力变压器的运行故障概率服从两参数的威布尔分布,β、η为两参数的威布尔分布系数,γ为对应退化状态的回归变量系数;
S2:在变压器外部壳体设置多个监测点,每个监测点均采集振动幅值、振动频率、变压器油温度、有载电流、高压分接电压信息,其中,各个监测点在同一时刻的观测值θ为m×n矩阵,其中,m表示监测点的个数,n表示每个监测点的监测量的个数;
S3:利用公式(1)通过观测值θ计算第k个监测点处于状态的概率分布
Figure GDA0002676961640000041
式(1)中,
Figure GDA0002676961640000042
表示第k个监测点处于状态j的概率,
Figure GDA0002676961640000043
i,j,l均为1~N的正整数,表示变压器所处状态的序号;N表示变压器的关于剩余寿命的状态总数;q表示变压器的所述状态为j、观测值为θ的概率,q=P(S(t+Δ)=θ|S(t)=i,T>t+Δ);pij表示变压器在工作状态条件下,从状态i转移到状态j的概率,其中,状态转移具有马尔可夫性,即下一时刻转移到某一状态的概率只依赖于变压器当前状态,状态转移概率矩阵是上三角矩阵,当j<i时,pij=0;当j>i时,pij=P(S(t+Δ)=j|S(t)=i,T>t+Δ),式中,Δ表示变压器定期检修时间间隔,T为通过历史数据获得的变压器发生故障时已经工作的时间;
S4:利用公式(2)计算完全可观测信息可靠度函数
Figure GDA0002676961640000051
式(2)中,R(k,i,t)表示第k个监测点在t时间后在状态i的完全可观测信息可靠度函数;h0(t)表示为变压器寿命函数,
Figure GDA0002676961640000052
Figure GDA0002676961640000053
表示状态退化函数,γ为对应退化状态的回归变量系数;在第k个监测点,ck=γZk,Zk=Z(kΔ)表示变压器第k个监测点所处退化状态;Δ表示变压器定期检修时间间隔;R(k,i,Δ)表示检修时间间隔内完全可观测信息可靠度函数;
S5:利用公式(3)计算变压器部分可观测信息条件下可靠度函数
Figure GDA0002676961640000054
式(3)中,t表示运行时间;Δ表示变压器定期检修时间间隔;N表示变压器的状态总数;pij表示变压器在工作状态条件下,从状态i转移到状态j的概率;h0(t)表示变压器寿命函数,
Figure GDA0002676961640000055
表示状态退化函数,γ为对应退化状态的回归变量系数;在第k个监测点,ck=γZk,Zk=Z(kΔ)为变压器第k个监测点所处退化状态;R(k,i,t)表示完全可观测信息可靠度函数;
S6:利用公式(4)计算电力变压器剩余寿命
Figure GDA0002676961640000061
式(4)中,k表示第k个变压器监测点,Δ为变压器定期检修时间间隔,πk为变压器状态空间的先验条件概率分布,
Figure GDA0002676961640000062
为变压器部分可观测信息条件下可靠度函数。
该电力变压器剩余寿命预测方法利用历史数据可以对电力变压器剩余寿命模型参数进行可靠确定,利用贝叶斯公式以及隐马尔可夫模型对剩余寿命进行概率估计,充分考虑变压器由完好状态到故障状态整个过程的后无效性,以及引起故障的主要参数,进一步精确预测剩余寿命,使得对电力变压器剩余寿命的预测更准确。
该电力变压器剩余寿命预测方法基于大型电力变压器历史运行及故障数据,考虑不同性能因素对变压器性能退化的影响建立剩余寿命预测模型,以描述在部分可观测数据条件下各参数与变压器系统退化状态之间的关系,从而得出故障时间及变压器剩余寿命的概率分布模型。
本发明的具体实施方式是按照递进的方式进行撰写的,着重强调各个实施方案的不同之处,其相似部分可以相互参见。
上面对本发明的实施方式做了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (1)

1.电力变压器剩余寿命预测方法,其特征在于,包括如下步骤:
S1:根据电力变压器的历史运行故障数据确定参数β、η、γ,其中,电力变压器的运行故障概率服从两参数的威布尔分布,β、η为两参数的威布尔分布系数,γ为对应退化状态的回归变量系数;
S2:在变压器外部壳体设置多个监测点,每个监测点均采集振动幅值、振动频率、变压器油温度、有载电流、高压分接电压信息,其中,各个监测点在同一时刻的观测值θ为m×n矩阵,其中,m表示监测点的个数,n表示每个监测点的监测量的个数;
S3:利用公式(1)通过观测值θ计算第k个监测点处于状态的概率分布
Figure FDA0002676961630000011
式(1)中,
Figure FDA0002676961630000012
表示第k个监测点处于状态j的概率,
Figure FDA0002676961630000013
i,j,l均为1~N的正整数,表示变压器所处状态的序号;N表示变压器的关于剩余寿命的状态总数;q表示变压器的所述状态为j、观测值为θ的概率,q=P(S(t+Δ)=θ|S(t)=i,T>t+Δ);pij表示变压器在工作状态条件下,从状态i转移到状态j的概率,其中,状态转移具有马尔可夫性,即下一时刻转移到某一状态的概率只依赖于变压器当前状态,状态转移概率矩阵是上三角矩阵,当j<i时,pij=0;当j>i时,pij=P(S(t+Δ)=j|S(t)=i,T>t+Δ),式中,Δ表示变压器定期检修时间间隔,T为通过历史数据获得的变压器发生故障时已经工作的时间;
S4:利用公式(2)计算完全可观测信息可靠度函数
Figure FDA0002676961630000021
式(2)中,R(k,i,t)表示第k个监测点在t时间后在状态i的完全可观测信息可靠度函数;h0(t)表示为变压器寿命函数,
Figure FDA0002676961630000022
Figure FDA0002676961630000023
表示状态退化函数,γ为对应退化状态的回归变量系数;在第k个监测点,ck=γZk,Zk=Z(kΔ)表示变压器第k个监测点所处退化状态;Δ表示变压器定期检修时间间隔;R(k,i,Δ)表示检修时间间隔内完全可观测信息可靠度函数;
S5:利用公式(3)计算变压器部分可观测信息条件下可靠度函数
Figure FDA0002676961630000024
式(3)中,t表示运行时间;Δ表示变压器定期检修时间间隔;N表示变压器的状态总数;pij表示变压器在工作状态条件下,从状态i转移到状态j的概率;h0(t)表示变压器寿命函数,
Figure FDA0002676961630000025
Figure FDA0002676961630000026
表示状态退化函数,γ为对应退化状态的回归变量系数;在第k个监测点,ck=γZk,Zk=Z(kΔ)为变压器第k个监测点所处退化状态;R(k,i,t)表示完全可观测信息可靠度函数;
S6:利用公式(4)计算电力变压器剩余寿命
Figure FDA0002676961630000027
式(4)中,k表示第k个变压器监测点,Δ为变压器定期检修时间间隔,πk为变压器状态空间的先验条件概率分布,
Figure FDA0002676961630000031
为变压器部分可观测信息条件下可靠度函数。
CN201910249793.3A 2019-03-29 2019-03-29 电力变压器剩余寿命预测方法 Active CN109919394B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910249793.3A CN109919394B (zh) 2019-03-29 2019-03-29 电力变压器剩余寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910249793.3A CN109919394B (zh) 2019-03-29 2019-03-29 电力变压器剩余寿命预测方法

Publications (2)

Publication Number Publication Date
CN109919394A CN109919394A (zh) 2019-06-21
CN109919394B true CN109919394B (zh) 2020-11-17

Family

ID=66967662

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910249793.3A Active CN109919394B (zh) 2019-03-29 2019-03-29 电力变压器剩余寿命预测方法

Country Status (1)

Country Link
CN (1) CN109919394B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11099219B2 (en) * 2018-03-26 2021-08-24 Oracle International Corporation Estimating the remaining useful life of a power transformer based on real-time sensor data and periodic dissolved gas analyses
CN110674604B (zh) * 2019-09-20 2022-07-08 武汉大学 基于多维时序帧卷积lstm的变压器dga数据预测方法
CN111325403B (zh) * 2020-02-26 2023-07-11 长安大学 一种公路隧道机电设备剩余寿命预测方法
CN115982976B (zh) * 2022-12-19 2024-01-05 南京航空航天大学 一种油浸式电力变压器的剩余寿命预测方法
CN116227171B (zh) * 2023-02-08 2024-02-06 广东电网有限责任公司佛山供电局 一种油浸式变压器剩余寿命评估方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254100A (zh) * 2011-07-13 2011-11-23 西安工业大学 刀具运行可靠性评估的比例故障率模型方法
CN103884942B (zh) * 2014-03-31 2016-08-31 苏州热工研究院有限公司 一种光电耦合器的老化试验系统及方法
CN104881754A (zh) * 2015-06-12 2015-09-02 都匀供电局 货币式量化风险的变压器全寿命周期管理辅助决策系统
CN105225010A (zh) * 2015-10-12 2016-01-06 国网山东省电力公司电力科学研究院 一种基于可靠性的变压器设备寿命评估方法
CN106569052B (zh) * 2016-10-11 2017-12-15 国网湖北省电力公司 考虑实时健康状态的电力变压器可靠性评估方法
CN106779368A (zh) * 2016-12-02 2017-05-31 国家电网公司 基于变压器综合运行成本的经济寿命评估方法
CN107403226B (zh) * 2017-07-17 2020-08-28 南京中车浦镇城轨车辆有限责任公司 一种基于剩余寿命可靠度确定牵引供变电设备预防性维修间隔和次数的方法

Also Published As

Publication number Publication date
CN109919394A (zh) 2019-06-21

Similar Documents

Publication Publication Date Title
CN109919394B (zh) 电力变压器剩余寿命预测方法
CN107957562B (zh) 一种锂离子电池剩余寿命在线预测方法
CN107292415B (zh) 一种智能表轮换时间的预测方法
CN114978955A (zh) 一种基于物联网的工业设备健康监测系统
CN117214587B (zh) 一种电缆设备的检测方法以及检测系统
CN112633614B (zh) 一种基于特征提取的实时故障程度诊断系统及方法
CN109670652A (zh) 一种光伏组件的故障预测方法
CN111339661B (zh) 一种高压电缆巡检周期自动规划方法
CN115689071B (zh) 一种基于关联参数挖掘的设备故障融合预测方法及系统
CN115796610A (zh) 一种支管成型系统运行综合监测方法、系统及存储介质
CN102938024A (zh) 一种风电机组状态监测系统性能评估方法
CN109359742B (zh) 一种地铁子系统预防维修周期的生成方法
CN102095953B (zh) 一种蓄电池充电机性能在线检测方法
JPH0877211A (ja) プラントの保全支援装置
KR102185017B1 (ko) 가스공급시설 정보관리 및 예지보전 통합 시스템
CN117076241B (zh) 用于实现场站全局状态监管的设备信息管理系统及方法
CN117575575A (zh) 一种面向智能制造的生产数据动态分析系统
CN110095669B (zh) 一种输变电设备状态检测方法
CN112836380A (zh) 一种智能制造生产线故障预估与维修方法
CN117556238A (zh) 一种基于故障预测的电力设备巡检方法及系统
CN115392295A (zh) 一种基于增量学习框架的轴承故障预测方法
CN114355184B (zh) 一种基于在线学习的高压断路器状态监测预警方法
JP3819262B2 (ja) 設備管理システム
CN115328054A (zh) 一种基于云计算的智能制造工业软件调试系统
CN114741838A (zh) 一种铝电解槽剩余寿命预测方法

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
GR01 Patent grant
GR01 Patent grant