CN111272222B - 一种基于特征量集的变压器故障诊断方法 - Google Patents
一种基于特征量集的变压器故障诊断方法 Download PDFInfo
- Publication number
- CN111272222B CN111272222B CN202010127741.1A CN202010127741A CN111272222B CN 111272222 B CN111272222 B CN 111272222B CN 202010127741 A CN202010127741 A CN 202010127741A CN 111272222 B CN111272222 B CN 111272222B
- Authority
- CN
- China
- Prior art keywords
- fault
- type
- characteristic
- transformer
- characteristic quantity
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Protection Of Transformers (AREA)
Abstract
本发明公开了一种基于特征量集的变压器故障诊断方法,涉及电力设备领域;具体步骤为:1、数据统计与处理:收集变压器故障数据,将故障分为10类,统计数据中每个故障类型与特征量异常发生的情况;2、计算故障类型与特征量异常时的条件概率值;3、构建变压器贝叶斯诊断网络;4、根据统计现场数据,将特征量值作为网络输入,得到每个故障类型的后验概率值,将最大后验概率值所对应的故障作为最终诊断的故障类型。本发明扩展了特征量集的变压器故障诊断的方法,其结果准确,可靠,能在维持设备可靠性的前提下,提高变压器故障诊断的经济性、科学性、合理性。
Description
技术领域
本发明属于变压器故障诊断分析领域,具体涉及一种基于特征量集的变压器故障诊断方法。
背景技术
目前,现场对于变压器故障诊断主要是根据色谱数据进行三比值法判断大致的故障类型,之后根据故障类型进行相关的试验,结合各项试验数据,现场工作人员通过经验判断故障发生的情况。人工经验判断具有一定的主观性和不确定性,同时对于不常见的试验数据异常往往还需要多个现场工作人员进行讨论判断,针对于较为复杂的情况往往还需对变压器进行拆机放油,检修人员进入到变压器内部进行逐一的排查,耗时耗力,其时间成本和经济成本都比较高。
变压器内部故障的发生是一个渐变的过程,往往变压器故障发生的初期是一些特征量的异常,在此阶段变压器往往还能运行;当达到某一临界点时,变压器故障严重导致不稳定运行甚至停止运行。为了避免变压器故障所导致的损失,在变压器发生特征量异常时,及时的检测并诊断出故障为现场检修人员准确提供变压器发生的故障类型,可快速的解决故障,从而避免了因故障以及故障扩大化所带来的巨大损失。
变压器故障发生时其所包含的特征量种类繁多且具有模糊性和不完备性,每个特征量的异常与故障类型并非一一对应,根据单一的特征量去判断故障类型,其准确性较低。因此,结合多种特征量在运行时的信息可以全面分析变压器运行状态,以提高变压器故障诊断的准确性。目前所采用的特征量信息主要有铁心接地电流、三比值编码呈过热性特征、绕组直流电阻的三相不平衡系数、变压器本体油中含水量、三比值编码呈放电性故障特征、绕组变比偏差、局部放电、和绕组的吸收比9种特征量,其中为变压器中的一氧化碳浓度,为变压器中的二氧化碳浓度。现场所能检测到更多的变压器的运行时的特征量,对于一些检测出来的特征量,这些特征量更加能够反映出变压器异常运行时的故障类型,在现有特征量的基础上,通过添加铁心绝缘电阻、介损正切值tg、油气强度、工频耐压和泄露电流现场所频发的5种特征量对于提高诊断变压器的故障类型十分必要,通过将原始的特征量集与新添加的特征量集共同考虑,可以结合现场情况更加全面的分析变压器异常运行时所可能的故障类型,得出准确的故障类型诊断结果。根据变压器故障发生机理统计计算故障类型与特征量之间的因果关系和条件概率,构建贝叶斯网络。通过现场所收集到的部分特征量输入到贝叶斯网络,所诊断出的故障类型的准确度更高。
发明内容
本发明的目的是克服现有变压器故障诊断方面的不足之处,提高变压器故障诊断的经济性、科学性、合理性。为此,本发明提供了一种基于特征量集的变压器故障诊断方法。
本发明的一种基于特征量集的变压器故障诊断方法,包括以下步骤:
步骤A、变压器故障类型与特征量数据获取与预处理:
A1、统计当变压器出现故障di,i=1,2,3…10时,14种特征量数据,记为
A2、对Si进行数据处理得到S* i,判断是否成立,若是,则令若否,则令其中ni=1~Ni;其中k=1~11,则得到第i类故障与特征量数据集,Si中第12到14列数据保持不变;其中Mk为第k种特征量异常判断阈值。
步骤B、变压器故障类型di与特征量ms,s=1,2,3…14的条件概率的计算与关联关系的确定:
B1、计算第i类故障类型di与特征量ms异常时条件概率为
B2、若P(ms|di)=0,则定义将故障类型di与第s种特征量ms无关联关系,否则,定义为有关联关系。
步骤C、贝叶斯诊断网络的建立:
建立包含原因节点和结果节点、有向线段两层的贝叶斯网络,其中原因节点为故障类型d1~d10,结果节点为特征量m1~m14,有向线段为对有关联关系的故障类型di与特征量ms之间的条件概率P(ms|di)。
步骤D、变压器故障诊断:
D1、将现场采集的14种特征量m1~m14的数据输入到建立好的贝叶斯网络,由贝叶斯网络计算10种故障类型的后验概率P1~P10。
D2、判断P1~P10的最大值为Pi,即di的后验概率Pi;则诊断发生的变压器故障为第i类故障类型di。
进一步的,故障类型d1~d10分别代表铁心多点接地及局部短路、绝缘老化、漏磁发热或磁屏蔽放电过热、匝绝缘损伤与匝间短路、绝缘受潮、分接开关及引线故障、悬浮放电、围屏放电、绕组变形与匝间短路和油中放电。
进一步的,14种特征量分别是:第1种特征量:铁心接地电流m1;第2种特征量:绕组直流电阻的三相不平衡系数m2;第3种特征量:变压器本体油中含水量m3;第4种特征量:绕组变比偏差m4;第5种特征量:CO与CO2浓度比m5;第6种特征量:绕组的吸收比m6;第7种特征量:铁心绝缘电阻m7;第8种特征量:介损正切值m8;第9种特征量:油气强度m9;第10种特征量:工频耐压m10;第11种特征量:泄露电流m11;第12种特征量:三比值编码呈过热性特征m12;第13种特征量:三比值编码呈放电性特征m13;第14种特征量:局部放电m14。
进一步的,值Mk根据《变压器试验标准与操作规程》进行设定。
与现有技术相比,本发明的有益效果是:
1、鉴于变压器故障诊断的现实状况,在变压器故障诊断方法的基础上进行改进,通过将现场频发的变压器的特征量异常添加至贝叶斯网络诊断模型中,具有现实性和可操作性;
2、计算对于现场中的特征量异常与故障类型所对应的条件概率,使新添加的特征量与故障类型间的条件概率较为客观;
3、基于贝叶斯网络故障诊断的方法,通过考虑更多的特征量,全面的分析变压器运行时特征量的情况,根据故障类型与特征量间明确因果关系进行后验概率计算,得出的后验概率值其结果具有较强可信性和说服力。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面结合附图和具体实施方法对本发明做进一步详细说明。
本发明的一种基于特征量集的变压器故障诊断方法如图1所示,包括以下步骤:
步骤A、变压器故障类型与特征量数据获取与预处理:
A1、统计当变压器出现故障di时,14种特征量数据,记为
其中di=1代表变压器发生了第i类故障,其中Ni为Si的矩阵行数,代表di=1时,统计第i类故障类型下统计数据的组数;i=1,2,3…10,d1~d10分别代表铁心多点接地及局部短路、绝缘老化、漏磁发热或磁屏蔽放电过热、匝绝缘损伤与匝间短路、绝缘受潮、分接开关及引线故障、悬浮放电、围屏放电、绕组变形与匝间短路和油中放电10种故障类型;分别代表第i类故障下的第1种特征量(铁心接地电流m1)、第2种特征量(绕组直流电阻的三相不平衡系数m2)、第3种特征量(变压器本体油中含水量m3)、第4种特征量(绕组变比偏差m4)、第5种特征量(CO与CO2浓度比m5)、第6种特征量(绕组的吸收比m6)、第7种特征量(铁心绝缘电阻m7)、第8种特征量(介损正切值tgm8)、第9种特征量(油气强度m9)、第10种特征量(工频耐压m10)、第11种特征量(泄露电流m11)、第12种特征量(三比值编码呈过热性特征m12)、第13种特征量(三比值编码呈放电性特征m13)和第14种特征量(局部放电m14)14种特征量的第n组统计数据;若在统计第i类故障下第n组数据时,存在三比值编码存过热性特征,则令否则令若在统计第i类故障下第n组数据时,存在三比值编码呈放电性特征,则令否则令若在统计第i类故障下第n组数据时,存在局部放电特征,则令否则令
A2、对Si进行数据处理得到S* i,判断是否成立,若是,则令若否,则令其中ni=1~Ni其中k=1~11,则得到第i类故障与特征量数据集,Si中第12到14列数据保持不变;其中Mk为第k种特征量异常判断阈值,其根据《变压器试验标准与操作规程》进行设定。
步骤B、变压器故障类型di与特征量ms的条件概率的计算与关联关系的确定
B1、计算第i类故障类型di与特征量ms异常时条件概率为
其中i取1~10,s取1~14;
B2、若P(ms|di)=0,则定义将故障类型di与第s种特征量ms无关联关系,否则,定义为有关联关系。
步骤C、贝叶斯诊断网络的建立
建立包含原因节点和结果节点、有向线段两层的贝叶斯网络,其中原因节点为故障类型d1~d10,结果节点为特征量m1~m14,有向线段为对有关联关系的故障类型di与特征量ms之间的条件概率P(ms|di);
步骤D、变压器故障诊断
D1、将现场采集的14种特征量m1~m14的数据输入到建立好的贝叶斯网络,由贝叶斯网络计算10种故障类型的后验概率P1~P10;
D2、判断P1~P10的最大值为Pi,即di的后验概率Pi;则诊断发生的变压器故障为第i类故障类型di。
Claims (4)
1.一种基于特征量集的变压器故障诊断方法,其特征在于,包括以下步骤:
步骤A、变压器故障类型与特征量数据获取与预处理:
A1、统计当变压器出现故障di,i=1,2,3…10时,14种特征量数据,记为
A2、对Si进行数据处理得到S* i,判断是否成立,若是,则令若否,则令其中ni=1~Ni;其中k=1~11,则得到第i类故障与特征量数据集,Si中第12到14列数据保持不变;其中Mk为第k种特征量异常判断阈值;
步骤B、变压器故障类型di与特征量ms,s=1,2,3…14的条件概率的计算与关联关系的确定:
B1、计算第i类故障类型di与特征量ms异常时条件概率为
B2、若P(ms|di)=0,则定义将故障类型di与第s种特征量ms无关联关系,否则,定义为有关联关系;
步骤C、贝叶斯诊断网络的建立:
建立包含原因节点和结果节点、有向线段两层的贝叶斯网络,其中原因节点为故障类型d1~d10,结果节点为特征量m1~m14,有向线段为对有关联关系的故障类型di与特征量ms之间的条件概率P(ms|di);
步骤D、变压器故障诊断:
D1、将现场采集的14种特征量m1~m14的数据输入到建立好的贝叶斯网络,由贝叶斯网络计算10种故障类型的后验概率P1~P10;
D2、判断P1~P10的最大值为Pi,即di的后验概率Pi;则诊断发生的变压器故障为第i类故障类型di。
2.根据权利要求1所述的一种基于特征量集的变压器故障诊断方法,其特征在于,所述故障类型d1~d10分别代表铁心多点接地及局部短路、绝缘老化、漏磁发热或磁屏蔽放电过热、匝绝缘损伤与匝间短路、绝缘受潮、分接开关及引线故障、悬浮放电、围屏放电、绕组变形与匝间短路和油中放电。
3.根据权利要求1所述的一种基于特征量集的变压器故障诊断方法,其特征在于,所述14种特征量分别是:第1种特征量:铁心接地电流m1;第2种特征量:绕组直流电阻的三相不平衡系数m2;第3种特征量:变压器本体油中含水量m3;第4种特征量:绕组变比偏差m4;第5种特征量:CO与CO2浓度比m5;第6种特征量:绕组的吸收比m6;第7种特征量:铁心绝缘电阻m7;第8种特征量:介损正切值m8;第9种特征量:油气强度m9;第10种特征量:工频耐压m10;第11种特征量:泄露电流m11;第12种特征量:三比值编码呈过热性特征m12;第13种特征量:三比值编码呈放电性特征m13;第14种特征量:局部放电m14。
4.根据权利要求1所述的一种基于特征量集的变压器故障诊断方法,其特征在于,所述阈值Mk根据《变压器试验标准与操作规程》进行设定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010127741.1A CN111272222B (zh) | 2020-02-28 | 2020-02-28 | 一种基于特征量集的变压器故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010127741.1A CN111272222B (zh) | 2020-02-28 | 2020-02-28 | 一种基于特征量集的变压器故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111272222A CN111272222A (zh) | 2020-06-12 |
CN111272222B true CN111272222B (zh) | 2021-06-25 |
Family
ID=71002470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010127741.1A Active CN111272222B (zh) | 2020-02-28 | 2020-02-28 | 一种基于特征量集的变压器故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111272222B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102020120539A1 (de) * | 2020-08-04 | 2022-02-10 | Maschinenfabrik Reinhausen Gmbh | Vorrichtung zur Ermittlung eines Fehlerwahrscheinlichkeitswerts für eine Transformatorkomponente sowie ein System mit einer derartigen Vorrichtung |
CN112182960A (zh) * | 2020-09-22 | 2021-01-05 | 国网内蒙古东部电力有限公司呼伦贝尔供电公司 | 基于贝叶斯网络的电力变压器状态风险评估的方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4600128B2 (ja) * | 2005-04-12 | 2010-12-15 | 株式会社デンソー | 演算回路及び画像認識装置 |
CN102779230B (zh) * | 2012-06-14 | 2015-01-28 | 华南理工大学 | 一种电力变压器系统状态分析和维修决策判断方法 |
CN103197177B (zh) * | 2013-03-20 | 2015-09-23 | 山东电力集团公司济宁供电公司 | 一种基于贝叶斯网络的变压器故障诊断分析方法 |
CN103245861B (zh) * | 2013-05-03 | 2016-06-08 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种基于贝叶斯网络的变压器故障诊断方法 |
CN103389430B (zh) * | 2013-08-06 | 2016-12-28 | 华北电力大学 | 一种基于贝叶斯判别理论的油浸式变压器故障检测方法 |
CN104007343B (zh) * | 2014-05-23 | 2018-04-20 | 清华大学 | 一种基于贝叶斯网络的变压器动态综合故障诊断方法 |
CN104764869B (zh) * | 2014-12-11 | 2017-04-12 | 国家电网公司 | 一种基于多维特征量的变压器气体故障诊断和报警方法 |
CN104535865A (zh) * | 2014-12-30 | 2015-04-22 | 西安工程大学 | 基于多参数的电力变压器运行故障综合诊断方法 |
CN105242129B (zh) * | 2015-08-28 | 2018-03-13 | 广西电网有限责任公司电力科学研究院 | 一种变压器绕组故障概率确定方法 |
CN106841905A (zh) * | 2017-04-14 | 2017-06-13 | 云南电网有限责任公司电力科学研究院 | 一种变压器短路故障的识别方法及装置 |
CN109932644A (zh) * | 2019-02-28 | 2019-06-25 | 天津大学 | 基于混合智能算法的断路器故障诊断方法 |
-
2020
- 2020-02-28 CN CN202010127741.1A patent/CN111272222B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111272222A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104730378B (zh) | 基于油中溶解气体的变压器内部复合缺陷模糊诊断方法 | |
CN110361686B (zh) | 基于多参数的电容式电压互感器故障检测方法 | |
CN111272222B (zh) | 一种基于特征量集的变压器故障诊断方法 | |
CN109188227B (zh) | 一种双馈型风力发电机绝缘状态评估方法及系统 | |
CN111008485B (zh) | 基于神经网络的三相交流异步电机多参数寿命预测方法 | |
CN110580387A (zh) | 基于熵权法的直流保护系统混合威布尔可靠性评价方法 | |
CN105260778A (zh) | 基于专家数据库的电力变压器故障诊断系统 | |
CN107632234A (zh) | 一种基于录波数据的变压器绕组变形评估方法 | |
CN115639502A (zh) | 异常工况下变压器绕组运行状态下的综合评估方法及系统 | |
CN116754901A (zh) | 一种基于快速定位的配电网故障分析管理平台 | |
CN117310353A (zh) | 一种变电站一、二次回路通流加压故障测试方法及系统 | |
CN114519382A (zh) | 一种核动力装置关键运行参数提取与异常监测方法 | |
CN117630800A (zh) | 一种电能表自动检定装置故障诊断方法及系统 | |
WO2024012091A1 (zh) | 火电储能电流互感器状态监测系统 | |
CN106338673A (zh) | 一种变压器绕组故障特征参量提取方法 | |
CN110929673A (zh) | 一种基于itd排列熵和cgwo-svm的变压器绕组振动信号识别方法 | |
CN102288881A (zh) | 变压器油纸绝缘尖刺放电缺陷严重程度诊断方法 | |
CN110780200B (zh) | 一种基于定子电流复数分量的感应电机匝间短路故障诊断方法 | |
CN115308644A (zh) | 基于电流偏移比差分析的变压器绕组故障检测方法及系统 | |
CN113807461A (zh) | 基于贝叶斯网络的变压器故障诊断方法 | |
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 | |
CN114019365A (zh) | 一种基于油中气体检测技术的有载分接开关故障诊断方法 | |
CN113866572A (zh) | 多电力电子装置接入条件下的直流故障电弧检测及定位方法 | |
CN110456231B (zh) | 一种非健全故障信息下的配电网多重故障诊断方法 | |
CN110927488B (zh) | 一种基于隶属度函数的变压器运行状态监测方法 |
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 |