CN110163531A - 基于k-聚类的电网变压器异常状态预警方法 - Google Patents
基于k-聚类的电网变压器异常状态预警方法 Download PDFInfo
- Publication number
- CN110163531A CN110163531A CN201910474002.7A CN201910474002A CN110163531A CN 110163531 A CN110163531 A CN 110163531A CN 201910474002 A CN201910474002 A CN 201910474002A CN 110163531 A CN110163531 A CN 110163531A
- Authority
- CN
- China
- Prior art keywords
- transformer
- cluster
- gas
- data
- matrix
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000005856 abnormality Effects 0.000 title claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 30
- 230000008859 change Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims 1
- 230000003862 health status Effects 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 39
- 238000005516 engineering process Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Housings And Mounting Of Transformers (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明通过对电网变压器中H2、CH4、C2H6、C2H4、C2H2等气体含量进行归类和统计,通过对变压器在不同时刻的气体含量进行统计,生成相应的数据矩阵,首先对数据矩阵中数据进行筛选,利用K‑聚类方法将不同变压器的气体数据进行聚类并生成簇群,最后将不同簇群映射到不同的变压器状态,包括中低温故障、高温故障、低能量放电、高能量放电、正常等状态。本发明提供的基于K‑聚类的电网变压器异常状态预警方法,采集并分析变压器油中不同气体的含量,可准确判断变压器的健康状况,并针对变压器所产生不同的故障提供了相应的解决方案。
Description
技术领域
本发明涉及基于K-聚类的电网变压器异常状态预警方法,属于供电设备监控预警领域。
背景技术
变压器作为电力系统中重要的电气设备之一,它一旦发生事故,所需的修复时间较长,造成的影响也比较严重。随着我国电力工业的徐速发展,电网规模不断扩大,电力变压器的单机容量和安装容量随之不断增加,电压等级也在不断地提高。一般而言,容量越大,电压等级越高,变压器故障造成的损失也就越大。近年来,电力变压器由于材料的改进、设计方法和制造技术的提高,运行可靠性有所提高,但仍会发生料想不到的事故。
发明内容
本发明针对上述不足提供了基于K-聚类的电网变压器异常状态预警方法。
本发明采用如下技术方案:
1、基于K-聚类的电网变压器异常状态预警方法,其特征在于:采集变压器在运行过程中H2、CH4、C2H6、C2H4、C2H2气体含量得到变压器中低温故障、高温故障、低能量放电、高能量放电或正常状态的信号进行预警,预警方法如下:
步骤一、由于大部分气体会溶解于变压器油中,所以可以通过检测变压器油中的气体含量;对变压器油进行检测,得到变压器油中的各气体含量,生成不同时刻下的气体数据矩阵;
步骤二、针对生成后的的各气体数据矩阵进行筛选,并根据不同气体的预设阈值范围剔除其影响聚类结果的数据;
步骤三、根据步骤二筛选后的气体数据,进行聚类并生成簇群,将所生成的簇群的状态进行映射,即把气体数据输入后,得到对应的聚类,每个聚类表示不同的故障,生成变压器的低温故障、高温故障、低能量放电、高能量放电或正常状态。
本发明所述的K-聚类的电网变压器异常状态预警方法,步骤一中生成不同时刻下的气体数据矩阵方法如下:
1)、利用K-聚类方法将不同变压器聚类为K(K=5)个簇群;
2)、进行数据结构设定,设定其i个变压器在采集时刻t的气体含量数据表示为矩阵其中每行表示某个时刻的H2、CH4、C2H6、C2H4、C2H2含量,中元素表示不同气体在不同时刻的含量;例如:表示在第1个时刻H2的含量;矩阵共有t行,得到t×5的数据矩阵数据,具体公式如下:
本发明所述的K-聚类的电网变压器异常状态预警方法,步骤二中对各气体数据矩阵进行筛选步骤如下:
1)、设定H2、CH4、C2H6、C2H4、C2H2气体含量的取值范围;
2)、H2、CH4、C2H6、C2H4、C2H2含量的区间范围分别表示为
其式中的表示H2的取值范围下限,表示H2的取值范围上限;其他气体表示含义相同。
3)、将步骤2)中的取值区间对每个变压器的气体含量矩阵数据进行筛选,剔除超出范围的数据,针对气体含量超过步骤1)中的范围值,即可认为该元素数据无效,使用取值范围的中间值替代该元素,并用取值均值替代。
本发明所述的K-聚类的电网变压器异常状态预警方法,利用步骤2)中气体含量矩阵对变压器状态进行分类,分类步骤如下:
1)、对样本矩阵进行变换将被测气体的赋予权重,得到矩阵其中j为时刻变量,t≥j≥1,wk表示第k种气体的含量对变压器状态的影响程度;
2)、根据经验样本为不同变压器状态选取初始聚类中心Sm=(sm1 sm2 … sm5),m=1,2,…,5;式中Sm为聚类中心。
3)、将步骤1)中得到变压器状态与步骤2)中各个聚类中心通过下式计算得到之间的距离;
式中i为变压器,Sm为聚类中心;d(i,m)表示第i个变压器状态和聚类中心Sm之间的聚类距离;τ是一个从1变化到t的变量,d(i,m)表示第i个变压器状态和聚类中心Sm之间的聚类距离,m=1,2,…,5,分别对应于5种气体。
将每个变压器归类给距离它最近的聚类中心;聚类中心以及分配的变压器代表一个聚类;
4)、当全部变压器状态都已被分配,每个聚类的聚类中心会根据聚类中现有对象通过上述步骤3)重新计算;直至聚类中心没有再发生变化,则终止。
有益效果
本发明提供的基于K-聚类的电网变压器异常状态预警方法,采集并分析变压器油中不同气体的含量,可准确判断变压器的健康状况,并针对变压器所产生不同的故障提供了相应的解决方案。
附图说明
图1中是本发明的基于K-聚类的电网变压器异常状态预警流程图。
具体实施方式
为使本发明实施例的目的和技术方案更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图所示:基于油溶解气体分析的变压器故障诊断是一种变压器异常状态预警的常用方法,基于K-聚类的电网变压器异常状态预警技术,预警方法下:
基于K-聚类的电网变压器异常状态预警技术其特征在于通过对变压器中H2、CH4、C2H6、C2H4、C2H2等气体含量数据进行归类和统计,得到变压器状态,包括中低温故障、高温故障、低能量放电、高能量放电、正常等状态:
(1)变压器的气体含量数据统计,包括H2、CH4、C2H6、C2H4、C2H2等气体含量,得到不同时刻下的气体数据矩阵。
(2)数据筛选,根据不同气体预设阈值范围,剔除影响聚类结果的数据。五种气体的对应取值范围分别是(3,30),(5,20),(1,10),(0,7),(0,1),单位是微升/升,即每升变压器油中含多少微升的气体。
(3)变压器状态聚类,将不同变压器的气体数据进行聚类并生成簇群,将不同簇群映射到不同的变压器状态。
通过把不同时刻的气体含量数据形成待处理的数据矩阵,然后利用K-聚类方法将不同变压器聚类为K(K=5)个簇群,针对不同的簇群,可以采取分类处理,具体内容为:
(1)数据结构设计:第i个变压器采集t个时刻的气体含量数据,表示为矩阵其中每行表示某个时刻的H2、CH4、C2H6、C2H4、C2H2含量;矩阵共有t行,分别表示t个时刻的气体含量数据。因此可以得到一个t×5的数据矩阵,如下式所示,
(2)根据经验数值为5种气体含量设置合理的取值区间范围,H2、CH4、C2H6、C2H4、C2H2含量的区间范围分别表示为 根据这些取值区间对每个变压器的气体含量矩阵数据进行筛选,剔除超出范围的数据,并用取值均值替代。
例如,若第i个变压器气体含量矩阵中则使用替代
(3)利用K-聚类方法对变压器状态进行分类,具体步骤如下:
步骤1:对样本矩阵进行变换,得到矩阵其中j为时刻变量,t≥j≥1,wk表示第k种气体的含量对变压器状态的影响程度。
步骤2:根据经验样本为不同变压器状态选取初始聚类中心Sm=(sm1 sm2 … sm5),m=1,2,…,5。该步骤中经验样本即根据经验数据给出初始聚类中心,即不同聚类中心表示不同的故障:
初始聚类中心可以是:中低温故障(23,90,62,105,0.7),
高温故障(46,105,67,328,1.6),
低能量放电(52,46,6.5,26,14),
高能量放电(262,33,7,68,78),
正常状态(15,11,5,3.6,0.5)。
步骤3:计算每个变压器状态与各个聚类中心之间的距离,把每个变压器归类给距离它最近的聚类中心。聚类中心以及分配给它们的变压器就代表一个聚类。其中变压器i与聚类中心Sm的距离为:
式中i为变压器,Sm为聚类中心;d(i,m)表示第i个变压器状态和聚类中心Sm之间的聚类距离;τ是一个从1变化到t的变量,d(i,m)表示第i个变压器状态和聚类中心Sm之间的聚类距离,m=1,2,…,5,分别对应于5种气体。
步骤4:当全部变压器状态都已被分配,每个聚类的聚类中心会根据聚类中现有对象被重新计算。若聚类中心没有再发生变化,则终止;否则返回步骤3。
根据不同的变压器状态,可以给出如下解决方案:
a)延时处理,对相应地区观察一段时间,若恢复正常,则返回继续监测;否则调出声像信息,做进一步的分析。
b)调出声像信息,分析告警的内容是否会对电网的正常运行造成影响。若会造成影响,则派出人员对相应地区的线路及设备进行检修;否则返回继续监测。
c)立即派出人员对相应地区的线路及设备进行检修,及时排除隐患。
d)立即派出人员进行检修的同时,必须向上级汇报,调集更多的技术骨干,尽快解决问题。
以上所述,仅为本发明较佳的具体实施方式,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技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,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该以权利要求的保护范围为准。
Claims (4)
1.基于K-聚类的电网变压器异常状态预警方法,其特征在于:采集变压器在运行过程中H2、CH4、C2H6、C2H4、C2H2气体含量得到变压器中低温故障、高温故障、低能量放电、高能量放电或正常状态的信号进行预警,预警方法如下:
步骤一、对变压器油进行检测,得到变压器油中的各气体含量,生成不同时刻下的气体数据矩阵;
步骤二、针对生成后的各气体数据矩阵进行筛选,并根据不同气体的预设阈值范围剔除其影响聚类结果的数据;
步骤三、根据步骤二筛选后的气体数据,进行聚类并生成簇群,将所生成的簇群的状态进行映射,生成变压器的低温故障、高温故障、低能量放电、高能量放电或正常状态。
2.根据权利要求1所述的K-聚类的电网变压器异常状态预警方法,其特征在于:步骤一中生成不同时刻下的气体数据矩阵方法如下:
1)、利用K-聚类方法将不同变压器聚类为K(K=5)个簇群;
2)、进行数据结构设定,设定其i个变压器在采集时刻t的气体含量数据表示为矩阵其中每行表示某个时刻的H2、CH4、C2H6、C2H4、C2H2含量;矩阵共有t行,得到t×5的数据矩阵数据,具体公式如下:
3.根据权利要求1所述的K-聚类的电网变压器异常状态预警方法,其特征在于:步骤二中对各气体数据矩阵进行筛选步骤如下:
1)、设定H2、CH4、C2H6、C2H4、C2H2气体含量的取值范围;
2)、H2、CH4、C2H6、C2H4、C2H2含量的区间范围分别表示为
3)、将步骤2)中的取值区间对每个变压器的气体含量矩阵数据进行筛选,剔除超出范围的数据,并用取值均值替代。
4.根据利要求2所述的K-聚类的电网变压器异常状态预警方法,其特征在于:利用步骤2)中气体含量矩阵对变压器状态进行分类,分类步骤如下:
1)、对样本矩阵进行变换,得到矩阵其中 j为时刻变量,t≥j≥1,wk表示第k种气体的含量对变压器状态的影响程度;
2)、根据经验样本为不同变压器状态选取初始聚类中心Sm=(sm1 sm2 ... sm5),m=1,2,...,5;Sm为聚类中心;
3)、将步骤1)中得到变压器状态与步骤2)中各个聚类中心通过下式计算得到之间的距离;
式中i为变压器,Sm为聚类中心,d(i,m)表示第i个变压器状态和聚类中心Sm之间的聚类距离;
将每个变压器归类给距离它最近的聚类中心;聚类中心以及分配的变压器代表一个聚类;
4)、当全部变压器状态都已被分配,每个聚类的聚类中心会根据聚类中现有对象通过上述步骤3)重新计算;直至聚类中心没有再发生变化,则终止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910474002.7A CN110163531A (zh) | 2019-06-02 | 2019-06-02 | 基于k-聚类的电网变压器异常状态预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910474002.7A CN110163531A (zh) | 2019-06-02 | 2019-06-02 | 基于k-聚类的电网变压器异常状态预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110163531A true CN110163531A (zh) | 2019-08-23 |
Family
ID=67630716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910474002.7A Pending CN110163531A (zh) | 2019-06-02 | 2019-06-02 | 基于k-聚类的电网变压器异常状态预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110163531A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930861A (zh) * | 2016-04-13 | 2016-09-07 | 西安西拓电气股份有限公司 | 一种基于Adaboost算法的变压器故障诊断方法 |
CN106202922A (zh) * | 2016-07-06 | 2016-12-07 | 吴本刚 | 一种基于聚类算法的变压器故障诊断系统 |
CN107677903A (zh) * | 2017-09-14 | 2018-02-09 | 广西电网有限责任公司电力科学研究院 | 一种变压器状态监测数据的聚类分析方法 |
-
2019
- 2019-06-02 CN CN201910474002.7A patent/CN110163531A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930861A (zh) * | 2016-04-13 | 2016-09-07 | 西安西拓电气股份有限公司 | 一种基于Adaboost算法的变压器故障诊断方法 |
CN106202922A (zh) * | 2016-07-06 | 2016-12-07 | 吴本刚 | 一种基于聚类算法的变压器故障诊断系统 |
CN107677903A (zh) * | 2017-09-14 | 2018-02-09 | 广西电网有限责任公司电力科学研究院 | 一种变压器状态监测数据的聚类分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106199276B (zh) | 一种用电信息采集系统中异常信息的智能诊断系统及方法 | |
CN107436277B (zh) | 基于相似距离判别的单指标数据质量控制方法 | |
CN105184084B (zh) | 一种电力计量自动化终端故障类型预测方法和系统 | |
CN106596754B (zh) | 油色谱传感器有效性的评估方法及装置 | |
CN109871976A (zh) | 一种基于聚类及神经网络的含分布式电源配电网电能质量预测方法 | |
CN106156913B (zh) | 用于飞机部附件的健康管理方法 | |
CN106845526B (zh) | 一种基于大数据融合聚类分析的关联参数故障分类方法 | |
CN101718634A (zh) | 基于多元概率模型的设备状态综合动态报警方法 | |
CN108108880A (zh) | 一种选矿生产指标可视化分析系统与方法 | |
WO2006046251A2 (en) | Detection system for rare situation in processes | |
CN109816031A (zh) | 一种基于数据不均衡度量的变压器状态评估聚类分析方法 | |
CN107257351A (zh) | 一种基于灰色lof流量异常检测系统及其检测方法 | |
CN108717496A (zh) | 雷达天线阵面故障检测方法及系统 | |
CN107844067A (zh) | 一种水电站闸门在线状态监测控制方法及监测系统 | |
CN110346666A (zh) | 一种基于加权马氏距离判别的电网变压器状态分析方法 | |
CN112987696A (zh) | 一种区域配电网设备管理平台及其运行方法 | |
CN113758524A (zh) | 一种电路板加工监测系统 | |
McGrail et al. | Data mining techniques to assess the condition of high voltage electrical plant | |
CN105158610B (zh) | 一种变压器状态预警数据可疑值的筛查处理方法 | |
CN207992717U (zh) | 一种水电站闸门在线状态监测系统 | |
CN110163531A (zh) | 基于k-聚类的电网变压器异常状态预警方法 | |
CN109784777B (zh) | 基于时序信息片段云相似度度量的电网设备状态评估方法 | |
CN107561470A (zh) | 一种故障指示器运行状态评价系统 | |
CN116545377A (zh) | 一种基于锁相技术的光伏组件监测方法 | |
CN109783939A (zh) | 一种结合Grubbs法和3σ方法的数据处理方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190823 |