CN111209928B - 一种变压器设备预警和状态预测评估方法及其系统 - Google Patents
一种变压器设备预警和状态预测评估方法及其系统 Download PDFInfo
- Publication number
- CN111209928B CN111209928B CN201911238336.0A CN201911238336A CN111209928B CN 111209928 B CN111209928 B CN 111209928B CN 201911238336 A CN201911238336 A CN 201911238336A CN 111209928 B CN111209928 B CN 111209928B
- Authority
- CN
- China
- Prior art keywords
- transformer
- early warning
- state
- oil
- hot spot
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000012706 support-vector machine Methods 0.000 claims abstract description 9
- 239000007789 gas Substances 0.000 claims description 43
- 238000004804 winding Methods 0.000 claims description 30
- 230000032683 aging Effects 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000013021 overheating Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 6
- 239000002826 coolant Substances 0.000 claims description 6
- 238000010891 electric arc Methods 0.000 claims description 6
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 3
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 claims description 3
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 claims description 3
- 239000005977 Ethylene Substances 0.000 claims description 3
- HSFWRNGVRCDJHI-UHFFFAOYSA-N alpha-acetylene Natural products C#C HSFWRNGVRCDJHI-UHFFFAOYSA-N 0.000 claims description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 3
- 239000001569 carbon dioxide Substances 0.000 claims description 3
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 3
- 125000002534 ethynyl group Chemical group [H]C#C* 0.000 claims description 3
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 239000001257 hydrogen Substances 0.000 claims description 3
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 7
- 230000002159 abnormal effect Effects 0.000 abstract description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008447 perception Effects 0.000 description 3
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- Y—GENERAL 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Housings And Mounting Of Transformers (AREA)
- Protection Of Transformers (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开了一种变压器设备预警和状态预测评估方法及其系统，通过对变压器三相三侧电流、电压、油气量、温度以及气象环境等关键状态量的多维度感知，充分利用边缘计算，应用支持向量机算法，对变压器状态进行综合感知与异常预警分类，根据异常预警类型自适应修正变压器热路模型系数，实现了变压器过载能力动态预测和寿命安全评估，同时提供外部系统接口方便信息上送云端服务中心。应用表明，本发明具备变压器设备状态自主感知分析能力，对于运行异常主动预警，为提高变压器运检效率提供有效技术支撑。
Description
技术领域
本发明涉及一种变压器设备预警和状态预测评估方法及其系统，属于输变电设备物联网技术领域。
背景技术
国网泛在物联网加快推进“三型两网、世界一流”战略落地实施。由于电网规模的不断扩大、运检管理需求的不断变化，运检工作总量不断提升，常规变电站在线监测系统方案主要是针对变压器本体的健康状态，采用现有的各自独立的专用装置从不同角度监测一类健康特征。从监控和信息一体化的角度，常规变电站的变压器监测信息应用水平较低，运检人员在站内开展工作时，缺乏有效的辅助手段，无法全面掌握变压器的运行状态信息，不能对变压器状态做出准确的诊断。
发明内容
为了解决上述技术问题，本发明提供了一种变压器设备预警和状态预测评估方法及其系统，解决了无法全面掌握准确判断变压器设备状态的问题。
为了达到上述目的，本发明所采用的技术方案是：一种变压器设备状态预警和状态预测评估方法，包括以下步骤：
采集变压器多维感知的数据，根据多维感知的数据预测电气量和油气量预警类型；
根据预测的电气量和油气量预警类型组成的预警类型序列，计算当前预警评价指标系数；
根据当前预警评价指标系数对变压器状态进行预测评估。
进一步的，所述变压器多维感知的数据包括变压器油气量、电气量、变压器内部温度、环境温度。
进一步的，预测电气量预警类型，过程为：
依据变压器的电气量数据，进行匝间短路预警分析，变压器内部损耗功率可表示为：
ΔP＝P1-P2；
其中，Δp为变压器总损耗，P1为变压器输入有功功率，P2为变压器输出功率；根据电流、电压值计算三相总损耗，如果三相总损耗超过阈值，表示发生了匝间短路，对匝间短路预警。
进一步的，预测油气量预警类型，过程为：
根据预先建立的支持向量机SVM的油气量预警模型，输入采集的变压器油气量数据，得到预测的油气量预警类型。
进一步的，所述油气量数据包括：氢、一氧化碳、乙烯、乙炔、乙烷、二氧化碳气体含量，油气量预警类型包括一般过热100～120℃、严重过热120～140℃、局部放电、火花放电、电弧放电、过热兼电弧放电、正常运行。
进一步的，预警评价指标系数公式为：
wj∈(0,1)，j＝1，2，…，M
其中：D为预警评价指标系数，wj异常预警类型为j的权值，Dj为预警类型j在预警类型序列中的编码。
进一步的，根据当前预警评价指标系数对变压器状态进行预测评估，包括：
修正变压器绕组热点温度计算公式：
其中：
表示修正后变压器绕组热点温度，θh为根据变压器热路模型实时计算的热点温度；
θh＝θa+Δθor[(1+RK2)/(1+R)]+H(Δθwr-Δθimr)K2
其中：θh为变压器绕组热点温度，θa为冷却介质温度，Δθor为温升试验测得的顶部油温升，Δθwr为温升试验测得的绕组平均温升，Δθimr为温升试验测得的油平均温升，R为变压器的负载损耗和载损耗的比，H为热点系数，K为变压器负荷系数。
进一步的，对变压器状态进行预测评估，还包括对变压器相对老化率、允许运行时间、寿命损失时间进行预测评估：
变压器相对老化率表示为：
其中：V为变压器相对老化率，
为修正后变压器绕组热点温度。
以24小时为一个运行周期，变压器允许运行时间T为：
在一定时期内的寿命损失L表示为：
其中：L为寿命损失，Vn为第n个时间间隔内的相对老化率，tn为第n个时间间隔的时间，n为每个时间间隔的序数，n＝1,2,…,N，N为时间间隔的总数。
一种变压器设备状态预警和状态预测评估系统，包括：
电气量和油气量预警类型预测模块，用于采集变压器多维感知的数据，根据多维感知的数据预测电气量和油气量预警类型；
当前预警评价指标系数计算模块，用于根据预测的电气量和油气量预警类型组成的预警类型序列，计算当前预警评价指标系数；
变压器状态预测评估模块，用于根据当前预警评价指标系数对变压器状态进行预测评估。
进一步的，根据当前预警评价指标系数对变压器状态进行预测评估，包括：
修正变压器绕组热点温度计算公式：
其中：
表示修正后变压器绕组热点温度，θh为根据变压器热路模型实时计算的热点温度；
θh＝θa+Δθor[(1+RK2)/(1+R)]+H(Δθwr-Δθimr)K2
其中：θh为变压器绕组热点温度，θa为冷却介质温度，Δθor为温升试验测得的顶部油温升，Δθwr为温升试验测得的绕组平均温升，Δθimr为温升试验测得的油平均温升，R为变压器的负载损耗和载损耗的比，H为热点系数，K为变压器负荷系数。
本发明所达到的有益效果：
1、电气量和油气量相结合的变压器异常预警分类算法，预测结果更加准确；
2、具有变压器设备状态评估预测分析能力，为提高变压器运检效率提供有效技术支撑；
3、通过对变压器三相三侧电流、电压、油气量、温度以及气象环境等关键状态量的多维度感知，充分利用边缘计算，应用支持向量机算法，对变压器状态进行综合感知与异常预警分类，根据异常预警类型自适应修正变压器绕组热点温度计算结果，实现了变压器过载能力动态预测和寿命安全评估，同时提供外部系统接口方便信息上送云端服务中心。应用表明，本发明具备变压器设备状态自主感知分析能力，对于运行异常主动预警，为提高变压器运检效率提供有效技术支撑。
附图说明
图1为具体实施例中的一种方法流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1：
如图1所示，本实施例提供了一种变压器设备预警和状态预测评估方法，包括以下步骤：
步骤1，采集变压器多维感知的数据，在变电站边缘服务器上，根据多维感知的数据，预测电气量和油气量预警类型；
变压器多维感知的数据包括变压器油气量、电气量、变压器内部温度、环境温度：通过物联网传感器对变压器状态进行多维采集感知，采集变压器三侧相电流、电压、功率因素等电气量，采集变压器油中溶解气体在线监测的油气量数据，以及变压器内部温度、环境温度。
预测电气量预警类型，具体过程为：
依据变压器的电气量数据，进行匝间短路预警分析，变压器内部损耗功率可表示为：
ΔP＝P1-P2；
其中，Δp为变压器总损耗，P1为变压器输入有功功率，P2为变压器输出功率。变压器出现运行异常，会使变压器三侧电流变化，根据电流、电压值计算三相总损耗，如果总损耗超过阈值，表示发生了匝间短路，对匝间短路预警，匝间短路预警类型即为电气量预警类型。
预测油气量预警类型，具体过程为：
根据预先建立的支持向量机SVM的油气量预警模型，输入采集的变压器油气量数据，得到预测的油气量预警类型；
支持向量机SVM的油气量预警模型建立过程为：对变压器油中溶解气体组成分析与变压器预警类型进行关联分析。根据历史变压器油气量采集数据，训练模型，获得算法参数。以氢、一氧化碳、乙烯、乙炔、乙烷、二氧化碳气体含量作为输入特征量，输出为油气量预警类型，油气量预警类型包括一般过热(100～120)℃、严重过热(120～140)℃、局部放电、火花放电、电弧放电、过热兼电弧放电、正常运行。
步骤2，根据预测的电气量和油气量预警类型组成的预警类型序列，计算当前预警评价指标系数；
由于每个预警类型对变压器状态评估的影响程度不同，应对于每一个预警类型计算一个权值。若预警类型数量为M，预警类型影响评定公式表示为：
wj∈(0,1)，j＝1，2，…，M
其中：wj异常预警类型为j的权值，可根据历史数据采用最小二乘法得出，D为预警分析的评价指标系数，Dj为预警类型j的预警类型序列中的编码。将电气量和油气量预警类型的组成一个序列(本实施例序列中有8个数
字，0表示未发生预警，1表示发生预警，序列中最多有两个1，分别代表电气量和油气量的预警类型)；比如[1,1,0,0,0,0,0,0]，表明发生了匝间短路和一般过热；
根据步骤1得出的预警类型，计算本次预警分析的评价指标系数。
步骤3，根据当前预警评价指标系数对变压器状态进行预测；
预测的变压器状态包括对变压器绕组热点温度、相对老化率、寿命损失时间、允许运行时间进行预测分析。
对于强迫油循环冷却的变压器绕组热点温度计算公式为：
θh＝θa+Δθor[(1+RK2)/(1+R)]+H(Δθwr-Δθimr)K2
其中：θh为变压器绕组热点温度，θa为冷却介质温度(即环境温度)，Δθor为温升试验测得的顶部油温升，Δθwr为温升试验测得的绕组平均温升，Δθimr为温升试验测得的油平均温升，R为变压器的负载损耗和载损耗的比，H为热点系数，K为变压器负荷系数。
上述公式中变压器热点温度计算是在变压器设计运行温度下进行的分析结果，没有考虑变压器出现异常情况下的温度变化，根据步骤2评价指标系数，修正变压器绕组热点温度，可以得到更加准确的结果，计算公式如下：
其中：
表示修正后变压器绕组动态热点温度，θh为根据变压器热路模型实时计算的热点温度，D为当前预警评价指标系数。
变压器绝缘的老化或者劣化模型以绝缘温度作为控制参数，相对老化率是以绕组热点温度为基准，非热改性纸的相对老化率可以做为变压器相对老化率，可表示为：
其中：V为变压器相对老化率，
为修正后变压器绕组热点温度。
以24小时为一个运行周期，变压器允许运行时间为：
其中T为允许运行时间，V为变压器相对老化率。
在一定时期内的寿命损失L可表示为：
其中：L为寿命损失，Vn为第n个时间间隔内的相对老化率，tn为第n个时间间隔的时间，n为每个时间间隔的序数，n＝1,2,…,N，N为时间间隔的总数。
实施例2：
一种变压器设备状态预警和状态预测评估系统，包括：
电气量和油气量预警类型预测模块，用于采集变压器多维感知的数据，根据多维感知的数据预测电气量和油气量预警类型；
当前预警评价指标系数计算模块，用于根据预测的电气量和油气量预警类型组成的预警类型序列，计算当前预警评价指标系数；
变压器状态预测评估模块，用于根据当前预警评价指标系数对变压器状态进行预测评估。
进一步的，根据当前预警评价指标系数对变压器状态进行预测评估，包括：
修正变压器绕组热点温度计算公式：
其中：
表示修正后变压器绕组热点温度，θh为根据变压器热路模型实时计算的热点温度；
θh＝θa+Δθor[(1+RK2)/(1+R)]+H(Δθwr-Δθimr)K2
其中：θh为变压器绕组热点温度，θa为冷却介质温度，Δθor为温升试验测得的顶部油温升，Δθwr为温升试验测得的绕组平均温升，Δθimr为温升试验测得的油平均温升，R为变压器的负载损耗和载损耗的比，H为热点系数，K为变压器负荷系数。
综上所述，电气量和油气量相结合的变压器异常预警分类算法，预测结果更加准确；具有变压器设备状态评估预测分析能力，为提高变压器运检效率提供有效技术支撑。
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。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (7)
1.一种变压器设备状态预警和状态预测评估方法，其特征在于：包括以下步骤：
采集变压器多维感知的数据，根据多维感知的数据预测电气量和油气量预警类型；
根据预测的电气量和油气量预警类型组成的预警类型序列，计算当前预警评价指标系数；
根据当前预警评价指标系数对变压器状态进行预测评估；
预警评价指标系数公式为：
wj∈(0,1)，j＝1，2，…，M
其中：D为预警评价指标系数，wj异常预警类型为j的权值，Dj为预警类型j在预警类型序列中的编码；
根据当前预警评价指标系数对变压器状态进行预测评估，包括：
修正变压器绕组热点温度计算公式：
其中：
表示修正后变压器绕组热点温度，θh为根据变压器热路模型实时计算的热点温度；
θh＝θa+Δθor[(1+RK2)/(1+R)]+H(Δθwr-Δθimr)K2
其中：θh为变压器绕组热点温度，θa为冷却介质温度，Δθor为温升试验测得的顶部油温升，Δθwr为温升试验测得的绕组平均温升，Δθimr为温升试验测得的油平均温升，R为变压器的负载损耗和载损耗的比，H为热点系数，K为变压器负荷系数。
2.根据权利要求1所述的一种变压器设备状态预警和状态预测评估方法，其特征在于：所述变压器多维感知的数据包括变压器油气量、电气量、变压器内部温度、环境温度。
3.根据权利要求1所述的一种变压器设备状态预警和状态预测评估方法，其特征在于：预测电气量预警类型，过程为：
依据变压器的电气量数据，进行匝间短路预警分析，变压器内部损耗功率可表示为：
ΔP＝P1-P2；
其中，Δp为变压器总损耗，P1为变压器输入有功功率，P2为变压器输出功率；根据电流、电压值计算三相总损耗，如果三相总损耗超过阈值，表示发生了匝间短路，对匝间短路预警。
4.根据权利要求1所述的一种变压器设备状态预警和状态预测评估方法，其特征在于：预测油气量预警类型，过程为：
根据预先建立的支持向量机SVM的油气量预警模型，输入采集的变压器油气量数据，得到预测的油气量预警类型。
5.根据权利要求4所述的一种变压器设备状态预警和状态预测评估方法，其特征在于：所述油气量数据包括：氢、一氧化碳、乙烯、乙炔、乙烷、二氧化碳气体含量，油气量预警类型包括一般过热100～120℃、严重过热120～140℃、局部放电、火花放电、电弧放电、过热兼电弧放电、正常运行。
6.根据权利要求5所述的一种变压器设备状态预警和状态预测评估方法，其特征在于：对变压器状态进行预测评估，还包括对变压器相对老化率、允许运行时间、寿命损失时间进行预测评估：
变压器相对老化率表示为：
其中：V为变压器相对老化率，
为修正后变压器绕组热点温度；
以24小时为一个运行周期，变压器允许运行时间T为：
在一定时期内的寿命损失L表示为：
其中：L为寿命损失，Vn为第n个时间间隔内的相对老化率，tn为第n个时间间隔的时间，n为每个时间间隔的序数，n＝1,2,…,N，N为时间间隔的总数。
7.一种变压器设备状态预警和状态预测评估系统，其特征在于：包括：
电气量和油气量预警类型预测模块，用于采集变压器多维感知的数据，根据多维感知的数据预测电气量和油气量预警类型；
当前预警评价指标系数计算模块，用于根据预测的电气量和油气量预警类型组成的预警类型序列，计算当前预警评价指标系数；
变压器状态预测评估模块，用于根据当前预警评价指标系数对变压器状态进行预测评估；
根据当前预警评价指标系数对变压器状态进行预测评估，包括：
修正变压器绕组热点温度计算公式：
其中：
表示修正后变压器绕组热点温度，θh为根据变压器热路模型实时计算的热点温度；
θh＝θa+Δθor[(1+RK2)/(1+R)]+H(Δθwr-Δθimr)K2
其中：θh为变压器绕组热点温度，θa为冷却介质温度，Δθor为温升试验测得的顶部油温升，Δθwr为温升试验测得的绕组平均温升，Δθimr为温升试验测得的油平均温升，R为变压器的负载损耗和载损耗的比，H为热点系数，K为变压器负荷系数，D为预警评价指标系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911238336.0A CN111209928B (zh) | 2019-12-06 | 2019-12-06 | 一种变压器设备预警和状态预测评估方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911238336.0A CN111209928B (zh) | 2019-12-06 | 2019-12-06 | 一种变压器设备预警和状态预测评估方法及其系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111209928A CN111209928A (zh) | 2020-05-29 |
| CN111209928B true CN111209928B (zh) | 2023-04-07 |
Family
ID=70786310
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911238336.0A Active CN111209928B (zh) | 2019-12-06 | 2019-12-06 | 一种变压器设备预警和状态预测评估方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111209928B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111999608B (zh) * | 2020-07-27 | 2023-04-18 | 北京智芯微电子科技有限公司 | 配电变压器的监测方法、监测系统与智能终端 |
| CN112162847A (zh) * | 2020-08-19 | 2021-01-01 | 中国电力科学研究院有限公司 | 一种电力变压器状态感知和评估系统及方法 |
| CN114167179B (zh) * | 2021-12-03 | 2022-09-09 | 中国海洋大学 | 轨道交通低压供电的配电变压器健康状态评估方法及系统 |
| CN115933558A (zh) * | 2022-12-08 | 2023-04-07 | 国网江苏省电力有限公司营销服务中心 | 一种用户侧综合能源系统设备能效建模与优化调节方法和系统 |
| CN116091034B (zh) * | 2022-12-08 | 2023-08-29 | 新疆升晟股份有限公司 | 一种电炉变压器智能运维方法、系统及设备 |
| CN116131468B (zh) * | 2023-04-18 | 2023-07-28 | 国网浙江省电力有限公司宁波供电公司 | 一种基于物联网的电力系统实时动态监测方法及系统 |
| CN117148017B (zh) * | 2023-10-27 | 2023-12-26 | 南京中鑫智电科技有限公司 | 一种高压套管油气远程监测方法及系统 |
| CN117540169B (zh) * | 2023-11-17 | 2024-06-04 | 国网宁夏电力有限公司电力科学研究院 | 一种电网变压器绕组构件寿命预估方法、介质及系统 |
| CN117272701B (zh) * | 2023-11-21 | 2024-03-08 | 国网四川省电力公司天府新区供电公司 | 基于气象环境数据的变压器温度预测模型及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101447048A (zh) * | 2008-12-30 | 2009-06-03 | 上海发电设备成套设计研究院 | 一种变压器绝缘寿命预测的方法与寿命管理系统 |
| CN105182161A (zh) * | 2015-09-23 | 2015-12-23 | 国网山东莒县供电公司 | 一种变压器监测系统和方法 |
-
2019
- 2019-12-06 CN CN201911238336.0A patent/CN111209928B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101447048A (zh) * | 2008-12-30 | 2009-06-03 | 上海发电设备成套设计研究院 | 一种变压器绝缘寿命预测的方法与寿命管理系统 |
| CN105182161A (zh) * | 2015-09-23 | 2015-12-23 | 国网山东莒县供电公司 | 一种变压器监测系统和方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李玉芬.电气量与油气量结合的变压器状态监测与健康诊断研究.《中国优秀硕士论文库 工程科技II辑》.2006,(第06期),第16-58页. * |
| 电气量与油气量结合的变压器状态监测与健康诊断研究;李玉芬;《中国优秀硕士论文库 工程科技II辑》;20060615(第06期);第16-58页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111209928A (zh) | 2020-05-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111209928B (zh) | 一种变压器设备预警和状态预测评估方法及其系统 | |
| CN108318786B (zh) | 一种配电网电缆线路绝缘老化风险的辨识方法和装置 | |
| EP1085534B1 (en) | Intelligent analysis system and method for fluid-filled electrical equipment | |
| EP2989705B1 (en) | Method and apparatus for defect pre-warning of power device | |
| CN116380176B (zh) | 一种基于数字信号处理的逆变器的负载预警系统 | |
| JP5494034B2 (ja) | 信頼度評価装置、信頼度評価プログラムおよび信頼度評価方法 | |
| EP1085635A2 (en) | Fluid-filled electrical equipment intelligent analysis system and method | |
| CN116226766B (zh) | 一种高压电器运行状态监测系统 | |
| CN112989587B (zh) | 一种电容式电压互感器劣化成因在线分析方法及系统 | |
| CN116643178B (zh) | 一种电池管理系统的soc估算方法及相关装置 | |
| CN113466290A (zh) | 变压器热缺陷检测方法、装置、计算机设备和存储介质 | |
| CN113376485A (zh) | 一种基于svm算法的变压器绝缘热老化评估方法及装置 | |
| CN116086537A (zh) | 一种设备状态监测方法、装置、设备及存储介质 | |
| CN117269655B (zh) | 变电站电力设备温度异常监测方法、系统、终端及介质 | |
| CN102722660A (zh) | 空气击穿电压的预测方法与装置 | |
| CN113418632B (zh) | 一种油浸式变压器油温预测的概念漂移检测方法 | |
| CN113406537A (zh) | 一种电力设备故障程度的定量评估方法 | |
| CN105353233A (zh) | 一种变压器在线运行能力检测方法和装置 | |
| CN114784974B (zh) | 一种智能电网实时预警系统 | |
| CN113884894B (zh) | 基于外部特性的电池簇不一致性在线监测方法 | |
| CN112241511B (zh) | 交通工具辅助电气系统的性能检测方法及装置、终端 | |
| CN118519405B (zh) | 一种自动化机电设备用智能管理系统 | |
| CN110927488B (zh) | 一种基于隶属度函数的变压器运行状态监测方法 | |
| CN109633435B (zh) | 一种电机绕组绝缘系统热老化寿命的预测方法 | |
| Dong | Estimating Asset Class Health Indices in Power Systems |
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 |