CN110161382A - 一种判断变压器是否需要停电试验的方法和装置 - Google Patents

Abstract

本发明公开了一种判断变压器是否需要停电试验的方法和装置，选取历史发生故障的变压器的在线油色谱、套管介质损耗、绕组温度这3类异常数据，选取适合的特征参量，分析每类异常数据对故障影响的重要度，对变压器一天内产生的各类在线监测数据分别进行归一化处理得到归一化后的数据，并对其中的油色谱数据计算加权平均值；把重要度与归一化后的数据、加权平均值分别乘积作为输入，构建输出Z；将构建的输出与确定的阈值T进行比较，判断是否进行停电试验。本发明的方法和装置，改变了传统的按照固定周期进行停电试验的方式，根据判断的结果确定是否停电试验，既避免了有些不必要的停电试验，又避免了有些不及时的停电试验。

Description

一种判断变压器是否需要停电试验的方法和装置

技术领域

本发明涉及一种判断变压器是否需要停电试验的方法和装置，属于电力设备在线监测和状态评估领域。

背景技术

目前，电网中变压器的停电试验数据采集频率较低，按照试验规程规定，一般是半年或一年进行一次数据的采集，停电试验是在停电的状态下进行的，这样的操作在某种程度上会直接的影响电网系统的持续性供电。因此，这就为企业用户以及居民用户带来了不利的影响，并且还有可能会造成人身安全以及财产的损失。然而停电试验对于评价设备状态而言，十分重要，如果长时间不进行停电试验，难以做到对故障的防患于未然。

现有停电试验一般具有固定周期，目前还没有一种判断是否需要停电试验的方法，这就有可能造成有些停电试验不必要，而有些停电试验不及时。因此有必要发明一种能够判断变压器是否需要停电试验的方法。

发明内容

本发明的目的在于：为了克服上述现有技术的不足，本发明提出了一种判断变压器是否需要停电试验的方法和装置。

为实现上述发明目的，本发明采用以下技术方案：

一种判断变压器是否需要停电试验的方法，包括以下步骤：

步骤1、选取历史发生故障的变压器的在线油色谱、套管介质损耗、绕组温度这3类异常数据，选取各类异常数据对应的特征参量，分析每类异常数据对故障影响的重要度Y_i，i为异常数据，取1～3；

对变压器一天内产生的各类在线监测数据分别进行归一化处理得到归一化后的数据其中j表示第j个特征参量，并对其中的油色谱数据计算加权平均值

步骤2、把重要度Y_i与归一化后的数据加权平均值分别乘积作为输入，构建输出

步骤3、将构建的输出与确定的判断变压器是否需要停电试验的阈值T进行比较；

当Z>T时，进行停电试验，当Z≤T时，不进行停电试验。

进一步地，异常数据油色谱选取的特征参量包括H₂、CO、CO₂、CH₄、C₂H₄、C₂H₆和C₂H₂。

进一步地，异常数据套管介质损耗选取的特征参量包括套管介质损耗。

进一步地，异常数据绕组温度选取的特征参量包括绕组温度。

进一步地，步骤1中，对于任一类异常，得到一组关于特征参量的向量，通过对比特征参量标准值与测量值之间的差异，得到相对变比：

其中，异常数据i取1～3，特征参量j取1～n，n为第i个异常数据的特征参量个数。A_{i`jx</sub>为变压器第i个异常数据的第j个特征参量的测量值，A<sub>i`j0}为变压器第i个异常数据的第j个特征参量标准值，B_i为变压器第i个异常数据的特征参量的相对变比；

将计算得到的各异常数据的特征参量相对变比进行归一化，得到每类异常对故障影响的重要度：

步骤1中，归一化计算式为：

式中，是归一化后的数据，x是一天内实时产生的数据，x_min是一天内实时数据中的最小值，x_max是一天内实时数据中的最大值。

进一步地，步骤1中，油色谱数据取加权平均值计算式为：

式中：是加权平均值，是第j个特征参量数据的均值，W_j是第j个特征参量数据的离差权重系数。

进一步地，第i个子数据组的离差权重系数计算式为：

式中，σ_j、σ_n是第j个、第n个特征参量数据的标准差。

进一步地，步骤3中，判断变压器是否需要停电试验的阈值T是通过训练机器学习模型确定。

一种判断变压器是否需要停电试验的装置，包括

历史数据分析模块：选取历史发生故障的变压器的在线油色谱、套管介质损耗、绕组温度这3类异常数据，选取各类异常数据对应的特征参量，分析每类异常数据对故障影响的重要度Y_i，i为异常数据，取1～3；

数据提取处理模块：对变压器一天内产生的各类在线监测数据分别进行归一化处理得到归一化后的数据其中j表示第j个特征参量，并对其中的油色谱数据计算加权平均值

输出模型构建模块：把重要度Y_i与归一化后的数据加权平均值分别乘积作为输入，构建输出

比较判断模块：将构建的输出与确定的判断变压器是否需要停电试验的阈值T进行比较；

当Z>T时，进行停电试验，当Z≤T时，不进行停电试验。

本发明所达到的有益效果：

本发明提出了一种判断变压器是否需要停电试验的方法和装置，改变了传统的按照固定周期进行停电试验的方式，根据判断的结果确定是否停电试验，既避免了有些不必要的停电试验，又避免了有些不及时的停电试验。

附图说明

图1是本发明方法的流程简图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明，但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下，根据本领域普通技术知识和惯用手段做出各种替换或变更，均应包括在本发明的保护范围内。

本发明的原理是：变压器的在线监测类数据采集频率较高，一般可达几分钟一次，停电试验类数据则采集频率较低，按照试验规程需要，一般是半年或一年进行一次数据的采集。如果在线监测类数据存在异常，异常的数据在一定程度上可以反映变压器是否处于正常状态，是否需要进行停电试验。结合图1，制定详细步骤如下：

步骤1、选取历史发生故障的变压器的在线油色谱、套管介质损耗、绕组温度等3类异常数据进行分析每类异常对故障影响的重要度，针对上述3类典型异常，选取适合的特征参量如表1所示。

表1典型异常特征参量

对于任一类异常，都会得到一组关于特征参量的向量。通过对比特征参量标准值与测量值之间的差异，得到相对变比。

其中，异常数据i取1～3，特征参量j取1～n，n为第i个异常数据的特征参量个数。A_{i`jx</sub>为变压器第i个异常数据的第j个特征参量的测量值，A<sub>i`j0}为变压器第i个异常数据的第j个特征参量标准值，B_i为变压器第i个异常数据的特征参量的相对变比。

进一步，将计算得到的各异常数据的特征参量相对变比进行归一化，即可得到每类异常对故障影响的重要度。

步骤2、对变压器一天内产生的九类(本实施例中特征参量数据的数量取为九类)在线监测数据分别进行最大、最小归一化处理：式中是归一化后的数据，x是一天内实时产生的数据，x_min是一天内实时数据中的最小值，x_max是一天内实时数据中的最大值。再对七类油色谱气体取加权平均值：式中：是加权平均值，是第j个特征参量数据的均值，W_j是第j个特征参量数据的离差权重系数，可由下式计算：式中，σ_j、σ_n是第j个、第n个特征参量数据的标准差。

步骤3、把作为模型输入。

步骤4、将已知输入以及已知变压器是否需要停电试验的历史数据输入如C4.5决策树等机器学习模型中，训练机器学习模型，构建决策树模型，自动计算判断变压器是否需要停电试验的阈值T_mn,m＝1,2,3，m为决策树层数，n为决策树某层的第n个节点。通过该机器学习算法根据所获取的9类特征参量数据即可通过与阈值对比判断变压器是否需要停电试验。

训练方法如下所示：

(1)根据3类异常数据的离差权重系数进行排序，离差权重系数最高的作为决策树第一层节点，次高的作为第二层节点，最低的作为第三层节点。

(2)将每层中对应的异常数据中的各个数据值作为候选阈值进行变压器是否需要停电试验的判断，选取分类准确率最高的候选阈值作为该节点的阈值。(假设某类异常数据的数据集为{1,2,3,4,5,6}，对应的判断结果是{0,0,0,1,1,1}，其中，0代表不需要停电试验，1代表需要停电试验。将6个数据作为候选阈值分别进行分类准确率计算，如表所示候选阈值为3时具有最高的分类准确率，因此选择3作为该节点的阈值。

实施例1

下面以一具体实施例说明本发明的方法。

步骤一：选取历史发生故障的变压器的在线油色谱、套管介质损耗、绕组温度等3类异常数据进行分析每类异常对故障影响的重要度，得到每类异常对故障影响的重要度：Y₁＝0.76、Y₂＝0.15、Y₃＝0.09。

步骤二：对变压器一天内产生的九类在线监测数据分别进行最大最小归一化处理，再对七类油色谱气体取加权平均值：

步骤三：把作为输入，输出即Z＝0.76×0.82+0.15×0.73+0.09×0.69＝0.7948。

步骤四：将已知输入以及已知变压器是否需要停电试验的历史数据输入神经网络模型中，训练神经网络模型，得到判断变压器是否需要停电试验的阈值T＝0.81。

因为Z<T，所以不需要进行停电试验。

实施例2

下面以一具体实施例说明本发明的装置。

一种判断变压器是否需要停电试验的装置，包括

历史数据分析模块：选取历史发生故障的变压器的在线油色谱、套管介质损耗、绕组温度这3类异常数据，选取各类异常数据对应的特征参量，分析每类异常数据对故障影响的重要度Y_i，i为异常数据，取1～3；

数据提取处理模块：对变压器一天内产生的各类在线监测数据分别进行归一化处理得到归一化后的数据其中j表示第j个特征参量，并对其中的油色谱数据计算加权平均值

输出模型构建模块：把重要度Y_i与归一化后的数据加权平均值分别乘积作为输入，构建输出

比较判断模块：将构建的输出与确定的判断变压器是否需要停电试验的阈值T进行比较；

当Z>T时，进行停电试验，当Z≤T时，不进行停电试验。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

Claims (10)

1.一种判断变压器是否需要停电试验的方法，其特征是，包括以下步骤：

步骤1、选取历史发生故障的变压器的在线油色谱、套管介质损耗、绕组温度这3类异常数据，选取各类异常数据对应的特征参量，分析每类异常数据对故障影响的重要度Y_i，i为异常数据，取1～3；以及

对变压器一天内产生的各类在线监测数据分别进行归一化处理得到归一化后的数据其中j表示第j个特征参量，并对其中的油色谱数据计算加权平均值

步骤2、把重要度Y_i与归一化后的数据加权平均值分别乘积作为输入，构建输出

步骤3、将构建的输出与确定的判断变压器是否需要停电试验的阈值T进行比较；

当Z>T时，进行停电试验，当Z≤T时，不进行停电试验。

2.根据权利要求1所述的判断变压器是否需要停电试验的方法，其特征是，异常数据油色谱选取的特征参量包括H₂、CO、CO₂、CH₄、C₂H₄、C₂H₆和C₂H₂。

3.根据权利要求1所述的判断变压器是否需要停电试验的方法，其特征是，异常数据套管介质损耗选取的特征参量包括套管介质损耗。

4.根据权利要求1所述的判断变压器是否需要停电试验的方法，其特征是，异常数据绕组温度选取的特征参量包括绕组温度。

5.根据权利要求1所述的判断变压器是否需要停电试验的方法，其特征是，步骤1中，对于任一类异常，得到一组关于特征参量的向量，通过对比特征参量标准值与测量值之间的差异，得到相对变比：

其中，特征参量j取1～n，n为第i个异常数据的特征参量个数。A_{i`jx</sub>为变压器第i个异常数据的第j个特征参量的测量值，A<sub>i`j0}为变压器第i个异常数据的第j个特征参量标准值，B_i为变压器第i个异常数据的特征参量的相对变比；

将计算得到的各异常数据的特征参量相对变比进行归一化，得到每类异常对故障影响的重要度：

6.根据权利要求1所述的判断变压器是否需要停电试验的方法，其特征是，步骤1中，归一化计算式为：

式中，x是一天内实时产生的数据，x_min是一天内实时数据中的最小值，x_max是一天内实时数据中的最大值。

7.根据权利要求6所述的判断变压器是否需要停电试验的方法，其特征是，步骤1中，油色谱数据取加权平均值计算式为：

式中：是加权平均值，是第j个特征参量数据的均值，W_j是第j个特征参量数据的离差权重系数。

8.根据权利要求7所述的判断变压器是否需要停电试验的方法，其特征是，第i个子数据组的离差权重系数计算式为：

式中，σ_j、σ_n是第j个、第n个特征参量数据的标准差。

9.根据权利要求1所述的判断变压器是否需要停电试验的方法，其特征是，

步骤3中，判断变压器是否需要停电试验的阈值T是通过训练机器学习模型确定。

10.一种判断变压器是否需要停电试验的装置，其特征是，包括

历史数据分析模块：选取历史发生故障的变压器的在线油色谱、套管介质损耗、绕组温度这3类异常数据，选取各类异常数据对应的特征参量，分析每类异常数据对故障影响的重要度Y_i，i为异常数据，取1～3；

数据提取处理模块：对变压器一天内产生的各类在线监测数据分别进行归一化处理得到归一化后的数据其中j表示第j个特征参量，并对其中的油色谱数据计算加权平均值

输出模型构建模块：把重要度Y_i与归一化后的数据加权平均值分别乘积作为输入，构建输出

比较判断模块：将构建的输出与确定的判断变压器是否需要停电试验的阈值T进行比较；

当Z>T时，进行停电试验，当Z≤T时，不进行停电试验。