CN110940374A - 基于大数据融合的变压器健康等级评价系统及方法 - Google Patents
基于大数据融合的变压器健康等级评价系统及方法 Download PDFInfo
- Publication number
- CN110940374A CN110940374A CN201911053842.2A CN201911053842A CN110940374A CN 110940374 A CN110940374 A CN 110940374A CN 201911053842 A CN201911053842 A CN 201911053842A CN 110940374 A CN110940374 A CN 110940374A
- Authority
- CN
- China
- Prior art keywords
- transformer
- evaluation
- index
- state
- iron core
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Housings And Mounting Of Transformers (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提供一种基于大数据融合的变压器健康等级评价系统及方法,涉及电气设备状态监测技术领域。本系统包括状态监测单元、信息存储单元、通讯单元和大数据智能评价单元;大数据智能评价单元包括显示模块、数据管理模块、系统设置模块、评价等级模块和结果模块;本发明将可拓理论和信息熵法相结合,通过分析变压器运行工作情况给出相应健康水平,大数据融合的变压器状态评价方法把局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号结合起来,有效的弥补当前变压器状态评价方法上的不足,保证变压器评价和诊断的准确性及实时性,保障变压器的安全运行。
Description
技术领域
本发明涉及电气设备状态监测技术领域,尤其涉及一种基于大数据融合的变压器健康等级评价系统及方法。
背景技术
随着改革开放和我国经济的高速增长,用户对电力的需求急剧增长,迫切要求我国电网为用户提供安全可靠的电力。电力变压器是电力系统中重要的输变电设备之一,连接多个电压等级,在电网中处于枢纽地位。其运行的安全可靠性直接影响电网的运行安全,提高电力变压器的运行可靠性,对整个电网的安全可靠运行具有十分重要的意义。而变压器检修则是保证电力变压器正常运行的基础,是目前电力设备检修工作的重点内容之一。
电力变压器状态检修是当今国内外电力部门研究热点,主要根据其实际工作状态进行检修,即根据电力变压器历史档案、运行工况与运行经验、带电测试或在线监测数据等综合分析电力变压器的健康状态,来确定变压器是否需要检修,科学地安排检修时间和项目。电力变压器状态检修比定期检修具有以下5点优势:(1)降低检修费用;(2)防止恶性事故发生;(3)防止维修过剩与不足;(4)提高了变压器的健康水平,延长了使用寿命;(5)优化了最佳运行方式。因此,状态检修是电力变压器进行维修的发展方向。要实现电力变压器的状态检修,必然要对其健康状态做出正确的评价,因此,电力变压器状态评价是有效进行状态维修的重要依据。
变压器状态评价是通过分析变压器运行工作情况,给出相应健康水平,预测未来一段时间内的运行状态变化趋势,为运行和检修人员提供快速、准确的信息,是对变压器的运行状态及其他信息进行记录、分类和评价,为设备维修提供决策。其主要分为:评价、诊断及预测。评价是电力变压器状态检修的基础工作,故障预测和故障诊断是变压器状态评价的特例。故障预测是指根据故障征兆,对可能发生故障的时间、位置和程度进行预测;故障诊断是指根据故障特征,对已发生的故障进行定位和对故障发展程度进行判断。
变压器的内部故障从变压器结构上来分,包括绕组、铁心(即磁路)以及附件故障,从故障类型来分,包括机械故障,绝缘故障,过热故障等。有关变压器的故障分析表明,据不完全统计1999-2003年期间,我国110kV以上电压等级的变压器,因遭受短路故障电流冲击直接导致的损坏事故约为72台,占总事故台数的27.5%。我国2005年220kV及以上变压器非计划停运按故障部位的分类情况显示:220kV等级变压器中由于故障引起的非计划停运时间占总非计划停运时间的79.49%,330kV等级占72.31%,500kV等级占98.92%;因此为了能保证变压器运行的安全可靠性,开展变压器健康等级评价方法研究具有十分重要的意义。
状态评价是状态检修的基础。对运行中的变压器健康状态进行有效地评价是当今国内外研究的热点问题之一,评价的关键是根据预防性试验得到的非破坏性指标量建立合理的状态评价模型,从而判断变压器的运行状态。虽然国内外都积极开展了状态评价技术的研究,然而目前的评价方法多集中在定性评价,没有更细致地进行相对优劣的划分,也没有获得可靠的状态评价体系,不利于变压器状态检修工作的实施。
随着近年来计算机、传感器以及智能信息处理技术的发展,变压器的状态检测手段得到了迅速发展,如油中溶解气体分析、局部放电监测、绕组变形、绕组热点温度监测和绝缘油中糠醛含量监测等。这些有效的变压器在线监测技术的出现,为变压器运行状态评价提供了技术支持。目前,尽管已有大量的现代检测技术应用于变压器状态评价中,但是上述信号的都是单一进行监测,没有融合多信号开展大数据分析,因此,变压器健康等级综合评价方法仍存在许多局限,甚至空白,无法满足当前电网大检修体系的发展趋势。
发明内容及技术方案:
目前,国家电网公司开展大检修体系的建设,迫切需求能够对现场变压器运行状态进行评价的技术和手段;申请人将可拓理论和信息熵法相结合,并提出基于大数据融合的变压器健康等级评价方法,通过分析变压器运行工作情况,给出相应健康水平。大数据融合的变压器状态评价方法把局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号结合起来,有效的弥补当前变压器状态评价方法上的不足,保证变压器评价和诊断的准确性及实时性,为检修工作提供技术支撑,做到有针对性、有计划性的开展检修工作,避免变压器突发事故发生,从而保障变压器的安全运行。
变压器状态评价方法目前多采用的是模糊综合评价法,该方法在一定程度上受到了主观因素的影响,特别是在建立隶属度函数时,由于人们认识事物的局限性,只能得到大致的隶属度函数,这就影响了评价结果的客观性和准确性,并且在变压器状态指标值界于二个相邻级别时,很难准确地判断其属于哪个级别,容易造成各评价指标之间的不相容现象。而且当前的变压器健康等级评价方法主要针对故障进行诊断,没有进一步评价出变压器的具体健康状态等级;此外,分析变压器健康等级的状态量主要依据单一信号的监测数据,具有评价判据单一的局限,影响了评价结果的准确性。
发明内容
针对现有技术的不足,本发明提供一种基于大数据融合的变压器健康等级评价系统及方法。通过分析变压器运行工作情况,给出相应健康水平。通过大数据融合把多种信号结合起来,有效弥补当前变压器状态评价方法上的不足,保证变压器评价和诊断的准确性及实时性,为检修工作提供技术支撑,做到有针对性、有计划性的开展检修工作,避免变压器突发事故发生,从而保障变压器的安全运行。
为解决上述技术问题,本发明所采取的技术方案是:
一方面,本发明提供一种基于大数据融合的变压器健康等级评价系统,包括状态监测单元、信息存储单元、通讯单元和大数据智能评价单元;
所述状态监测单元通过10-32UNF连接到信息存储单元,将监测到的信号变压器局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号输入至信息存储单元中进行数模转换和数据存储;信息存储单元通过通讯单元与大数据智能评价单元相连接,将存储的信息上传至大数据智能评价单元中进行健康等级评价;
所述状态监测单元监测变压器局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号;采用JFY-H工频局部放电监测仪采集变压器局部放电信号,采用LYWS-5变压器油微水监测仪采集油中微水含量,采用LJD-C介质损耗监测仪采集套管介质损耗,采用OPM-E光纤温度监测仪采集变压器绕组热点温度,采用ES-Y102油中气体监测装置采集油中气体含量及组分,采用LT-1.4型霍尔磁场探头采集铁芯磁场强度,采用HCBT-Ⅱ铁心接地电流监测仪采集铁心接地电流信号,采用CA-YD-107加速度传感器采集绕组振动信号,采用BXC-H绕组变形检测仪采集绕组频率响应信号,采用TPDLC低压脉冲测试仪采集绕组低压脉冲信号;
所述信息存储单元采用3个ADS5724数模转换芯片进行数据的模数转换功能,每个芯片可以完成四通道信号同时读取,采用TMS320C600芯片进行数据存储功能;
所述通讯单元采用RS485串行通讯总线;
所述基于大数据融合的变压器健康等级评价系统中的大数据智能评价单元包括显示模块、数据管理模块、系统设置模块、评价等级模块和结果模块;
所述显示模块包括曲线显示、数值显示、图标显示和评价结果显示;
所述数据管理模块包括监测到的变压器局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号的导出、历史数据查询、当前数据与历史数据的比较分析;
所述系统设置模块包括变压器基本参数设置、通讯设置和用户设置,所述变压器基本参数设置包括变压器出厂的基本参数,具体包括变压器型号、容量、负载损耗、电压等级、变比、投入时间、铭牌参数;通讯设置用于设置和选择通讯单元及串口参数;用户设置用于设置用户的登录信息和管理用户界面参数;
所述等级评价模块包括变压器状态评价指标体系建立模块、评价指标量化模块、大数据融合模块、变压器健康等级评价模块;结果模块连接显示模块,用于输出变压器健康等级确定的最终结果,在所述显示模块进行显示。
另一方面,本发明还提供一种基于大数据融合的变压器健康等级评价方法,采用上述的基于大数据融合的变压器健康等级评价系统实现,该方法包括以下步骤:
步骤1、设置变压器基本参数和通讯设置和用户设置;包括设置变压器型号、容量、负载损耗、电压等级、变比、投入时间、铭牌参数;在通讯设置中设置和选择通讯单元及串口参数;在用户设置中设置用户的登录信息和管理用户界面参数。
步骤2、基于可拓理论和信息熵方法将把局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号进行大数据融合,并对变压器健康状态等级进行评价,建立变压器健康状态等级评价指标体系,评价指标体系从纵向分为目标层、项目层和指标层;目标层评价指标为变压器健康状态等级;项目层评价指标包括绝缘状态指标、过热状态指标、铁芯状态指标和绕组状态指标;绝缘状态指标包括局部放电信号、微水含量、套管介质损耗;过热状态指标包括热点温度、油中气体含量;铁芯状态指标包括铁芯磁场强度、铁芯接地电流;绕组状态指标包括振动信号、低压脉冲信号、频率响应信号;
步骤3、按下式对各评价指标进行量化处理;
式中,X为指标归一化后的值,x为指标的实测值,a1和a2表示该指标的最小值和最大值,其值的确定来源于《电力设备预防性试验规程》和《变压器运行规程》;
步骤4、进行大数据融合,采用熵值法确定各项指标的权重系数,具体方法为:
步骤4.1、构建具有m个样本n个评价指标的归一化后的矩阵,即:`
R=(xij)nm
其中,R表示评价指标的归一化后的矩阵;xil表示评价指标归一化的数值。i=1,2,…,n;j=1,2,…,m;
步骤4.2、对评价指标进行归一化;
对于越小越优型的评价指标,指标的归一化公式为,
对于越大越优型的评价指标,指标的归一化公式为,
其中,x表示指标的实测值;a1、a2分别表示该指标的出厂值和严重阈值,其值的确定来源于《电力设备预防性试验规程》和《变压器运行规程》;
步骤4.3、计算各评价指标的信息熵,即:
Hj=-xijlnxij
式中,Hj表示各评价指标的信息熵;
步骤4.4、计算各评价指标的熵权w,即:
步骤5、对变压器健康等级进行评价,包括以下步骤:
步骤5.1、确定变压器健康等级评价模型的经典域和节典域;
所述经典域如下式所示:
式中,Nj表示变压器某项目层物元所划分的第j个评价等级名称;Ci为变压器某项目层物元中的第i个评价指标,即Ci表示全部ci的矩阵集合;Vji为Nj关于评价指标Ci所规定的量值范围<aji,bji>,即经典域,变压器健康等级的经典域取值范围为[0,1];
所述节典域如下式所示:
步骤5.2、确定待评物元和待评物元关于各指标状态等级的关联度;
所述待评物元由下式确定:
式中,P为待评物元,具体指绝缘状态指标、过热状态指标、铁芯状态指标和绕组状态指标、局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号;vi为P关于物元指标Ci的量值,即局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号量化后的值;
所述待评物元关于各指标状态等级的关联度由下式确定:
式中,kj(vi)表示物元的第i个指标关于第j个状态等级的关联度;ρ(vi,vji)、ρ(vi,vpi)分别表示点vi与区间vji和vpi的距离,如果设X0=<a,b>,X=<ap,bp>,X0∈X且无公共端点,通过下面的公式计算;
因此,关联函数可以计算x点属于X0的关联程度。当K(x)≥0,表示x属于X0的程度。K(x)<0时,表示x不属于X0的程度。-1<K(x)<0时,表示如果状态发生改变时,x有可能成为此集合的一部分。
关联度集为k(vi)={k1(vi),k2(vi),…,kj(vi)},表示按指标vi评价的结果;
则该项目下的所有物元指标构成的关联度矩阵为:
步骤5.3、依次评价指标层评价结果、项目层评价结果和目标层评价结果;
通过下式计算指标层评价结果:
式中,Kj(S)为对于j个节典域的指标层评价结果集合;S为指标层物元集合,包括局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动、低压脉冲信号、频率响应信号;λhjk表示第h个项目中第i个指标的第k个物元的权重,nk表示物元指标的总个数;Kj(vhik)表示该指标的关联度。
通过下式计算项目层评价结果:
式中,Kj(P)为对于j个等级的项目层评价结果集合;P为项目层物元集合,包括绝缘状态指标、过热状态指标、铁芯状态指标和绕组状态指标;λhj表示第h个项目中第i个指标的第k个物元的权重,ni表示子项目总个数;kj(vhi)表示局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动、低压脉冲信号、频率响应信号的关联度。
通过下式计算目标层评价结果:
式中,Kj(G)为对于j个等级的目标层评价结果的集合;G为目标层物元,即变压器健康等级;λh表示第h个项目的权重;Kj(vh)表示变压器健康等级的关联度;
步骤5.4、根据步骤5.3的评价结果确定变压器健康等级;
通过下式确定变压器健康等级:
Kj0(P)=maxKj(P)
式中,j=1,2,…,m;j0为变压器健康等级所属的状态等级。
步骤6、将确定的变压器健康等级结果在显示模块中进行输出显示。
所述步骤2中,变压器状态评价指标体系建立模块用于建立变压器状态评价指标体系,基于可拓理论和信息熵方法将把局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号进行大数据融合,通过针对多个指标的综合评价来确定变压器健康状态等级;所述变压器状态评价指标体系从纵向分为目标层、项目层和指标层;目标层评价指标为变压器健康状态等级;项目层评价指标包括绝缘状态指标、过热状态指标、铁芯状态指标和绕组状态指标;绝缘状态指标包括局部放电信号、微水含量、套管介质损耗;过热状态指标包括热点温度、油中气体含量;铁芯状态指标包括铁芯磁场强度、铁芯接地电流;绕组状态指标包括振动信号、低压脉冲信号、频率响应信号;
采用上述技术方案所产生的有益效果在于:
本发明提供的基于大数据融合的变压器健康等级评价系统及方法,将可拓理论和信息熵法相结合,提出基于大数据融合的变压器健康等级评价系统及方法,通过分析变压器运行工作情况,给出相应健康水平。大数据融合的变压器状态评价方法把局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号结合起来,有效的弥补当前变压器状态评价方法上的不足,保证变压器评价和诊断的准确性及实时性,为检修工作提供技术支撑,做到有针对性、有计划性的开展检修工作,避免变压器突发事故发生,从而保障变压器的安全运行。
附图说明
图1为本发明基于大数据融合的变压器健康等级评价系统各单元组成结构图;
图2为本发明基于大数据融合的变压器健康等级评价系统功能框图;
图3为本发明变压器健康等级评价指标体系框图;
图4为本发明基于大数据融合的变压器健康等级评价系统显示模块的显示界面;
图5为本发明基于大数据融合的变压器健康等级评价系统基本参数设置界面;
图6为本发明基于大数据融合的变压器健康等级评价系统通讯设置界面。
具体实施方式
下面结合附图对本发明具体实施方式加以详细的说明。
一方面,本发明提供变压器健康等级大数据评价系统,如图1所示,包括状态监测单元、信息存储单元、通讯单元和大数据智能评价单元。
所述状态监测单元通过10-32UNF连接到信息存储单元,将监测到的信号变压器局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号输入至信息存储单元中进行数模转换和数据存储;信息存储单元通过通讯单元与大数据智能评价单元相连接,将存储的信息上传至大数据智能评价单元中进行健康等级评价;
所述状态监测单元的测试设备及功能包括:JFY-H工频局部放电监测仪采集变压器局部放电信号,采用LYWS-5变压器油微水监测仪采集油中微水含量,采用LJD-C介质损耗监测仪采集套管介质损耗,采用OPM-E光纤温度监测仪采集变压器绕组热点温度,采用ES-Y102油中气体监测装置采集油中气体含量及组分,采用LT-1.4型霍尔磁场探头采集铁芯磁场强度,采用HCBT-Ⅱ铁心接地电流监测仪采集铁心接地电流信号,采用CA-YD-107加速度传感器采集绕组振动信号,采用BXC-H绕组变形检测仪采集绕组频率响应信号,采用TPDLC低压脉冲测试仪采集绕组低压脉冲信号。
所述信息存储单元的硬件系统及功能包括:采用3个ADS5724数模转换芯片进行数据的模数转换功能,该芯片具有低功耗,串行输入,12位采样,采样频率最大250kHz,最大积分非线性(INL)误差为±16LSB;噪声低,最大建立时间为10μs;能够以最高30MHz;的时钟速率工作;每个芯片可以完成四通道信号同时读取的特点。采用TMS320C600芯片进行数据存储功能。TMS320C6000内有8个并行的处理单元,主频为1.1GHz。芯片最高时钟频率为300MHz,且内部8个处理单元并行运行,最大处理能力可达到1600MIPS。
所述通讯单元采用RS485串行通讯总线。
所述基于大数据融合的变压器健康等级评价系统中的大数据智能评价单元如图2所示,采用VC++程序开发环境、MS SQL Server关系型数据库和JAVA平台,采用一个独立的多智能开发平台JAVA的API包,用于开发基于Agent的符合FIPA智能多Agent系统标准的软件框架;JADE的Agent平台提供图形化的使用者界面,透过GUI来进行远程管理、监控Agent的状态,GUI的环境可以让Agent开发者进行位于远程主机上Agent的产生及启动Agent的执行;采用SQL Server数据库存储各种信号,数据库存储的信号包括监测到的变压器局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号。
所述基于大数据融合的变压器健康等级评价系统中的大数据智能评价单元包括显示模块、数据管理模块、系统设置模块、评价等级模块和结果模块;所述显示模块如图4所示,包括曲线显示、数值显示、图标显示和评价结果显示;所述数据管理模块包括监测到的变压器局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号的导出、历史数据查询、当前数据与历史数据的比较分析;所述系统设置模块包括变压器基本参数设置、通讯设置和用户设置,所述变压器基本参数设置如图5所示,包括变压器出厂的基本参数,具体包括变压器型号、容量、负载损耗、电压等级、变比、投入时间、铭牌参数;通讯设置如图6所示,用于设置和选择通讯单元及串口参数;用户设置用于设置用户的登录信息和管理用户界面参数;所述等级评价模块包括变压器状态评价指标体系建立模块、评价指标量化模块、大数据融合模块、变压器健康等级评价模块;所述结果模块连接显示模块,用于输出变压器健康等级确定的最终结果,在显示模块进行显示。
另一方面,本发明还提供一种基于大数据融合的变压器健康等级评价方法,采用上述的基于大数据融合的变压器健康等级评价系统实现,该方法包括以下步骤:
步骤1、设置变压器基本参数和通讯设置和用户设置;包括设置变压器型号、容量、负载损耗、电压等级、变比、投入时间、铭牌参数;在通讯设置中设置和选择通讯单元及串口参数;在用户设置中设置用户的登录信息和管理用户界面参数。
步骤2、基于可拓理论和信息熵方法将把局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号进行大数据融合,并对变压器健康状态等级进行评价,建立变压器健康状态等级评价指标体系,如图3所示,评价指标体系从纵向分为目标层、项目层和指标层;目标层评价指标为变压器健康状态等级;项目层评价指标包括绝缘状态指标、过热状态指标、铁芯状态指标和绕组状态指标;绝缘状态指标包括局部放电信号、微水含量、套管介质损耗;过热状态指标包括热点温度、油中气体含量;铁芯状态指标包括铁芯磁场强度、铁芯接地电流;绕组状态指标包括振动信号、低压脉冲信号、频率响应信号;
步骤3、按下式对各评价指标进行量化处理;
式中,X为指标归一化后的值,x为指标的实测值,a1和a2表示该指标的最小值和最大值,其值的确定来源于《电力设备预防性试验规程》和《变压器运行规程》;
根据《变压器变形电抗法检测判断导则》和《GDW160.2008油浸式变压器(电抗器)状态评价导则》将变压器的健康等级划分为4个等级:正常、注意、异常和严重。根据《GDW160.2008油浸式变压器(电抗器)状态评价导则》给出变压器健康等级对应的状态描述如表1所示。
表1变压器状态等级及描述
步骤4、针对多对象多指标体系的综合评价方法,关键在于各项指标的权重确定。熵值法是基于信息熵理论建立的指标权重计算方法。采用熵值法解决评价指标权重计算问题,主要依据是指标传递给决策者的信息量大小。熵值法是根据各项观测值所提供的信息量的大小来确定指标权重。一般认为,熵值法能够深刻反映指标信息熵值的效用价值,其给出的指标权重值具有较高的可信度。采用熵值法进行综合评价能体现主客观相结合的思想,尽量消除各指标权重计算的人为干扰,使评价体系更科学合理。进行大数据融合,采用熵值法确定各项指标的权重系数,具体方法为:
步骤4.1、构建具有m个样本n个评价指标的归一化后的矩阵,即:`
R=(xij)nm (2)
其中,R表示评价指标的归一化后的矩阵;xil表示评价指标归一化的数值。i=1,2,…,n;j=1,2,…,m;
步骤4.2、对评价指标进行归一化;
对于越小越优型的评价指标,指标的归一化公式为,
对于越大越优型的评价指标,指标的归一化公式为,
其中,x表示指标的实测值;a1、a2分别表示该指标的出厂值和严重阈值,其值的确定来源于《电力设备预防性试验规程》和《变压器运行规程》;
步骤4.3、计算各评价指标的信息熵,即:
Hj=-xijlnxij (5)
式中,Hj表示各评价指标的信息熵;
步骤4.4、计算各评价指标的熵权w,即:
步骤5、可拓理论是基于可拓集合的物元分析,可拓物元集合能够合理地描述自然现象和社会现象中各种事物的内部结构和彼此间的关系以及事物的变化,通过计算物元之间的关联函数,进行事物定性和定量的综合分析。可拓优度评价法可较好的解决模糊评价存在的问题,具有较高的客观性和准确性。在可拓理论中,物元包含了3个最基本的要素。设事物R的名称为N,特征为C,其关联于特征C的量值为V,则描述事物的基本元或物元为R=(N,C,V)。假设事物R=(N,C,V)是一个具有多维的物元,而事物有n个特征时,可以用矩阵C=[c1,c2,…,cn]代表,其对应的量值分别用数值矩阵V=[v1,v2,…,vn]代表,则物元的表达式为:
为了把解决问题过程定量化,可拓学建立了与之相适应的数学工具,其基础是可拓集合理论。设U为域,若x是U中的任一元素,则U中的可拓集定义为:
式中,y=K(x)称作可拓集的关联函数;K(x)为将U中的每个元素映射到-∞~+∞之间的关联度。关联函数在应用中有许多种形式,如果设X0=<a,b>,X=<ap,bp>,X0∈X且无公共端点,则初等关联函数为:
点x与区间X0的距定义为:
因此,关联函数可以计算x点属于X0的关联程度。当K(x)≥0,表示x属于X0的程度。K(x)<0时,表示x不属于X0的程度。-1<K(x)<0时,表示如果状态发生改变时,x有可能成为此集合的一部分。
对变压器健康等级进行评价,包括以下步骤:
步骤5.1、确定变压器健康等级评价模型的经典域和节典域;
所述经典域如下式所示:
式中,Nj表示变压器某项目层物元所划分的第j个评价等级名称;Ci为变压器某项目层物元中的第i个评价指标(Ci表示全部ci的矩阵集合);Vji为Nj关于评价指标Ci所规定的量值范围<aji,bji>,即经典域,变压器健康等级的经典域取值范围为<0,1>;
所述节典域如下式所示:
步骤5.2、确定待评物元和待评物元关于各指标状态等级的关联度;
所述待评物元由下式确定:
式中,P为待评物元,具体指绝缘状态指标、过热状态指标、铁芯状态指标和绕组状态指标、局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号;vi为P关于物元指标Ci的量值,即局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号量化后的值;
所述待评物元关于各指标状态等级的关联度由下式确定:
式中,kj(vi)表示物元的第i个指标关于第j个状态等级的关联度;ρ(vi,vji)、ρ(vi,vpi)分别表示点vi与区间vji和vpi的距离,如果设X0=<a,b>,X=<ap,bp>,X0∈X且无公共端点,通过下面的公式计算;
因此,关联函数可以计算x点属于X0的关联程度。当K(x)≥0,表示x属于X0的程度。K(x)<0时,表示x不属于X0的程度。-1<K(x)<0时,表示如果状态发生改变时,x有可能成为此集合的一部分。
关联度集为k(vi)={k1(vi),k2(vi),…,kj(vi)},表示按指标vi评价的结果;
则该项目下的所有物元指标构成的关联度矩阵为:
步骤5.3、依次评价指标层评价结果、项目层评价结果和目标层评价结果;
通过下式计算指标层评价结果:
式中,Kj(S)为对于j个节典域的指标层评价结果集合;S为指标层物元集合,包括局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动、低压脉冲信号、频率响应信号;λhjk表示第h个项目中第i个指标的第k个物元的权重,nk表示物元指标的总个数;Kj(vhik)表示该指标的关联度。
通过下式计算项目层评价结果:
式中,Kj(P)为对于j个等级的项目层评价结果集合;P为项目层物元集合,包括绝缘状态指标、过热状态指标、铁芯状态指标和绕组状态指标;λhj表示第h个项目中第i个指标的第k个物元的权重,ni表示子项目总个数;kj(vhi)表示局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动、低压脉冲信号、频率响应信号的关联度。
通过下式计算目标层评价结果:
式中,Kj(G)为对于j个等级的目标层评价结果的集合;G为目标层物元,即变压器健康等级;λh表示第h个项目的权重;Kj(vh)表示变压器健康等级的关联度;
步骤5.4、根据步骤5.3的评价结果确定变压器健康等级;
通过下式确定变压器健康等级:
Kj0(P)=maxKj(P) (20)
式中,j=1,2,…,m;j0为变压器健康等级所属的状态等级。
步骤6、将确定的变压器健康等级结果在显示模块中进行输出显示。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (3)
1.一种基于大数据融合的变压器健康等级评价系统,其特征在于:包括状态监测单元、信息存储单元、通讯单元和大数据智能评价单元;
所述状态监测单元通过10-32UNF连接到信息存储单元,将监测到的信号变压器局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号输入至信息存储单元中进行数模转换和数据存储;信息存储单元通过通讯单元与大数据智能评价单元相连接,将存储的信息上传至大数据智能评价单元中进行健康等级评价;
所述状态监测单元监测变压器局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号;采用JFY-H工频局部放电监测仪采集变压器局部放电信号,采用LYWS-5变压器油微水监测仪采集油中微水含量,采用LJD-C介质损耗监测仪采集套管介质损耗,采用OPM-E光纤温度监测仪采集变压器绕组热点温度,采用ES-Y102油中气体监测装置采集油中气体含量及组分,采用LT-1.4型霍尔磁场探头采集铁芯磁场强度,采用HCBT-Ⅱ铁心接地电流监测仪采集铁心接地电流信号,采用CA-YD-107加速度传感器采集绕组振动信号,采用BXC-H绕组变形检测仪采集绕组频率响应信号,采用TPDLC低压脉冲测试仪采集绕组低压脉冲信号;
所述信息存储单元采用3个ADS5724数模转换芯片进行数据的模数转换功能,每个芯片可以完成四通道信号同时读取,采用TMS320C600芯片进行数据存储功能;
所述通讯单元采用RS485串行通讯总线;
所述基于大数据融合的变压器健康等级评价系统中的大数据智能评价单元包括显示模块、数据管理模块、系统设置模块、评价等级模块和结果模块;
所述显示模块包括曲线显示、数值显示、图标显示和评价结果显示;
所述数据管理模块包括监测到的变压器局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号的导出、历史数据查询、当前数据与历史数据的比较分析;
所述系统设置模块包括变压器基本参数设置、通讯设置和用户设置,所述变压器基本参数设置包括变压器出厂的基本参数,具体包括变压器型号、容量、负载损耗、电压等级、变比、投入时间、铭牌参数;通讯设置用于设置和选择通讯单元及串口参数;用户设置用于设置用户的登录信息和管理用户界面参数;
所述等级评价模块包括变压器状态评价指标体系建立模块、评价指标量化模块、大数据融合模块、变压器健康等级评价模块;结果模块连接显示模块,用于输出变压器健康等级确定的最终结果,在所述显示模块进行显示。
2.基于大数据融合的变压器健康等级评价方法,通过权利要求1所述基于大数据融合的变压器健康等级评价系统实现,其特征在于:包括以下步骤:
步骤1、设置变压器基本参数和通讯设置和用户设置;包括设置变压器型号、容量、负载损耗、电压等级、变比、投入时间、铭牌参数;在通讯设置中设置和选择通讯单元及串口参数;在用户设置中设置用户的登录信息和管理用户界面参数;
步骤2、基于可拓理论和信息熵方法将把局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号进行大数据融合,并对变压器健康状态等级进行评价,建立变压器健康状态等级评价指标体系,评价指标体系从纵向分为目标层、项目层和指标层;目标层评价指标为变压器健康状态等级;项目层评价指标包括绝缘状态指标、过热状态指标、铁芯状态指标和绕组状态指标;绝缘状态指标包括局部放电信号、微水含量、套管介质损耗;过热状态指标包括热点温度、油中气体含量;铁芯状态指标包括铁芯磁场强度、铁芯接地电流;绕组状态指标包括振动信号、低压脉冲信号、频率响应信号;
步骤3、按下式对各评价指标进行量化处理;
式中,X为指标归一化后的值,x为指标的实测值,a1和a2表示该指标的最小值和最大值,其值的确定来源于《电力设备预防性试验规程》和《变压器运行规程》;
步骤4、进行大数据融合,采用熵值法确定各项指标的权重系数,具体方法为:
步骤4.1、构建具有m个样本n个评价指标的归一化后的矩阵,即:`
R=(xij)nm
其中,R表示评价指标的归一化后的矩阵;xil表示评价指标归一化的数值,i=1,2,…,n;j=1,2,…,m;
步骤4.2、对评价指标进行归一化;
对于越小越优型的评价指标,指标的归一化公式为,
对于越大越优型的评价指标,指标的归一化公式为,
其中,x表示指标的实测值;a1、a2分别表示该指标的出厂值和严重阈值,其值的确定来源于《电力设备预防性试验规程》和《变压器运行规程》;
步骤4.3、计算各评价指标的信息熵,即:
Hj=-xijlnxij
式中,Hj表示各评价指标的信息熵;
步骤4.4、计算各评价指标的熵权w,即:
步骤5、对变压器健康等级进行评价,包括以下步骤:
步骤5.1、确定变压器健康等级评价模型的经典域和节典域;
所述经典域如下式所示:
式中,Nj表示变压器某项目层物元所划分的第j个评价等级名称;Ci为变压器某项目层物元中的第i个评价指标,即Ci表示全部ci的矩阵集合;Vji为Nj关于评价指标Ci所规定的量值范围<aji,bji>,即经典域,变压器健康等级的经典域取值范围为[0,1];
所述节典域如下式所示:
步骤5.2、确定待评物元和待评物元关于各指标状态等级的关联度;
所述待评物元由下式确定:
式中,P为待评物元,具体指绝缘状态指标、过热状态指标、铁芯状态指标和绕组状态指标、局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号;vi为P关于物元指标Ci的量值,即局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号量化后的值;
所述待评物元关于各指标状态等级的关联度由下式确定:
式中,kj(vi)表示物元的第i个指标关于第j个状态等级的关联度;ρ(vi,vji)、ρ(vi,vpi)分别表示点vi与区间vji和vpi的距离,如果设X0=<a,b>,X=<ap,bp>,X0∈X且无公共端点,通过下面的公式计算;
因此,关联函数可以计算x点属于X0的关联程度,当K(x)≥0,表示x属于X0的程度,K(x)<0时,表示x不属于X0的程度,-1<K(x)<0时,表示如果状态发生改变时,x有可能成为此集合的一部分;
关联度集为k(vi)={k1(vi),k2(vi),…,kj(vi)},表示按指标vi评价的结果;
则该项目下的所有物元指标构成的关联度矩阵为:
步骤5.3、依次评价指标层评价结果、项目层评价结果和目标层评价结果;
通过下式计算指标层评价结果:
式中,Kj(S)为对于j个节典域的指标层评价结果集合;S为指标层物元集合,包括局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动、低压脉冲信号、频率响应信号;λhjk表示第h个项目中第i个指标的第k个物元的权重,nk表示物元指标的总个数;Kj(vhik)表示该指标的关联度;
通过下式计算项目层评价结果:
式中,Kj(P)为对于j个等级的项目层评价结果集合;P为项目层物元集合,包括绝缘状态指标、过热状态指标、铁芯状态指标和绕组状态指标;λhj表示第h个项目中第i个指标的第k个物元的权重,ni表示子项目总个数;kj(vhi)表示局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动、低压脉冲信号、频率响应信号的关联度;
通过下式计算目标层评价结果:
式中,Kj(G)为对于j个等级的目标层评价结果的集合;G为目标层物元,即变压器健康等级;λh表示第h个项目的权重;Kj(vh)表示变压器健康等级的关联度;
步骤5.4、根据步骤5.3的评价结果确定变压器健康等级;
通过下式确定变压器健康等级:
式中,j=1,2,…,m;j0为变压器健康等级所属的状态等级;
步骤6、将确定的变压器健康等级结果在显示模块中进行输出显示。
3.根据权利要求2所述的基于大数据融合的变压器健康等级评价方法,其特征在于:
所述步骤2中,变压器状态评价指标体系建立模块用于建立变压器状态评价指标体系,基于可拓理论和信息熵方法将把局部放电信号、微水含量、套管介质损耗、热点温度、油中气体含量、铁芯磁场强度、铁芯接地电流、振动信号、低压脉冲信号、频率响应信号进行大数据融合,通过针对多个指标的综合评价来确定变压器健康状态等级;所述变压器状态评价指标体系从纵向分为目标层、项目层和指标层;目标层评价指标为变压器健康状态等级;项目层评价指标包括绝缘状态指标、过热状态指标、铁芯状态指标和绕组状态指标;绝缘状态指标包括局部放电信号、微水含量、套管介质损耗;过热状态指标包括热点温度、油中气体含量;铁芯状态指标包括铁芯磁场强度、铁芯接地电流;绕组状态指标包括振动信号、低压脉冲信号、频率响应信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911053842.2A CN110940374A (zh) | 2019-10-31 | 2019-10-31 | 基于大数据融合的变压器健康等级评价系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911053842.2A CN110940374A (zh) | 2019-10-31 | 2019-10-31 | 基于大数据融合的变压器健康等级评价系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110940374A true CN110940374A (zh) | 2020-03-31 |
Family
ID=69906447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911053842.2A Pending CN110940374A (zh) | 2019-10-31 | 2019-10-31 | 基于大数据融合的变压器健康等级评价系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110940374A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112100803A (zh) * | 2020-07-22 | 2020-12-18 | 中国铁路上海局集团有限公司上海动车段 | 一种动车组功率断路器主触点健康状况测评方法 |
CN112598298A (zh) * | 2020-12-25 | 2021-04-02 | 武汉瑞莱保科技有限公司 | 电力变压器健康管理系统及管理方法 |
CN113011464A (zh) * | 2021-02-25 | 2021-06-22 | 沈阳工业大学 | 一种基于多维数据评价的变压器运行状态综合预测方法 |
CN114236262A (zh) * | 2021-11-12 | 2022-03-25 | 上海电力大学 | 一种组合式智能电力变压器健康状态评估系统 |
CN114511245A (zh) * | 2022-02-24 | 2022-05-17 | 国电南瑞科技股份有限公司 | 一种集控系统的多变压器状态多维评估展示方法、系统、存储介质及计算设备 |
CN115218963A (zh) * | 2022-08-01 | 2022-10-21 | 沈阳工业大学 | 多变量内置式全景感知的变压器状态综合模糊评价方法 |
WO2023082298A1 (zh) * | 2021-11-10 | 2023-05-19 | 广东电网有限责任公司广州供电局 | 变压器健康指数评估方法、装置、计算机设备和存储介质 |
CN116449255A (zh) * | 2023-03-09 | 2023-07-18 | 国网浙江省电力有限公司嘉兴供电公司 | 一种箱式变压器的故障检测系统及方法 |
-
2019
- 2019-10-31 CN CN201911053842.2A patent/CN110940374A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112100803A (zh) * | 2020-07-22 | 2020-12-18 | 中国铁路上海局集团有限公司上海动车段 | 一种动车组功率断路器主触点健康状况测评方法 |
CN112100803B (zh) * | 2020-07-22 | 2024-03-26 | 中国铁路上海局集团有限公司上海动车段 | 一种动车组功率断路器主触点健康状况测评方法 |
CN112598298A (zh) * | 2020-12-25 | 2021-04-02 | 武汉瑞莱保科技有限公司 | 电力变压器健康管理系统及管理方法 |
CN113011464A (zh) * | 2021-02-25 | 2021-06-22 | 沈阳工业大学 | 一种基于多维数据评价的变压器运行状态综合预测方法 |
WO2023082298A1 (zh) * | 2021-11-10 | 2023-05-19 | 广东电网有限责任公司广州供电局 | 变压器健康指数评估方法、装置、计算机设备和存储介质 |
CN114236262A (zh) * | 2021-11-12 | 2022-03-25 | 上海电力大学 | 一种组合式智能电力变压器健康状态评估系统 |
CN114511245A (zh) * | 2022-02-24 | 2022-05-17 | 国电南瑞科技股份有限公司 | 一种集控系统的多变压器状态多维评估展示方法、系统、存储介质及计算设备 |
CN115218963A (zh) * | 2022-08-01 | 2022-10-21 | 沈阳工业大学 | 多变量内置式全景感知的变压器状态综合模糊评价方法 |
CN116449255A (zh) * | 2023-03-09 | 2023-07-18 | 国网浙江省电力有限公司嘉兴供电公司 | 一种箱式变压器的故障检测系统及方法 |
CN116449255B (zh) * | 2023-03-09 | 2023-12-22 | 国网浙江省电力有限公司嘉兴供电公司 | 一种箱式变压器的故障检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110940374A (zh) | 基于大数据融合的变压器健康等级评价系统及方法 | |
CN106651189B (zh) | 一种基于多层复合规则的变压器状态评价方法 | |
Li et al. | An integrated method of set pair analysis and association rule for fault diagnosis of power transformers | |
CN108491990A (zh) | 一种风电场设备状态评价及检修决策支持检测方法及系统 | |
CN108414898A (zh) | 一种风电场设备带电检测的状态试验方法及系统 | |
CN103576050A (zh) | 一种电容式电压互感器的运行状态评估方法 | |
Gockenbach et al. | Condition monitoring and diagnosis of power transformers | |
CN113466597A (zh) | 一种轨道交通供电系统设备状态智能检测方法 | |
CN108776804A (zh) | 一种基于便携式终端的变压器专业化检修方法 | |
Mharakurwa | In-service power transformer life time prospects: review and prospects | |
CN116862478A (zh) | 基于分层架构与动态赋权的变压器健康评估方法 | |
CN115864310A (zh) | 一种多参量融合电力变压器缺陷辨识、状态分级与主动安全保护方法 | |
CN115511387A (zh) | 基于多源信息融合的油浸变压器状态评估方法及系统 | |
CN115564170A (zh) | 一种配电智能终端可靠性评估方法 | |
Li et al. | Nonparametric kernel density estimation model of transformer health based on dissolved gases in oil | |
CN108536911B (zh) | 一种基于中心距和样本特征的换流变压器状态评估方法 | |
Ma et al. | Electric Energy Meter State Management System Based on Index Analysis System | |
CN112686408A (zh) | 基于多源信息融合以及风险评估的变压器检修决策方法 | |
CN110927488B (zh) | 一种基于隶属度函数的变压器运行状态监测方法 | |
Yang et al. | A General Method for Assessing the Operation Health of Power Transformer Group | |
CN113449456B (zh) | 一种不完备多模态信息下电力变压器的健康状态评估方法 | |
CN111368255B (zh) | 一种组合指标下车载变压器运行平稳性的评估方法 | |
Li et al. | Research on Transformer Barrier Maintenance System Based on Intelligent On-line Detection Technology | |
Yuezhong et al. | Research on On-Line Monitoring and Fault Recognition Technology of Intelligent Power Transformer Based on the Internet | |
CN117113280A (zh) | 一种基于改进证据理论的变压器状态评估方法 |
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 |