CN112100926B - 一种变压器家族性缺陷辨识方法 - Google Patents

一种变压器家族性缺陷辨识方法 Download PDF

Info

Publication number
CN112100926B
CN112100926B CN202010998883.5A CN202010998883A CN112100926B CN 112100926 B CN112100926 B CN 112100926B CN 202010998883 A CN202010998883 A CN 202010998883A CN 112100926 B CN112100926 B CN 112100926B
Authority
CN
China
Prior art keywords
transformer
fault
familial
transformers
manufacturer
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
Application number
CN202010998883.5A
Other languages
English (en)
Other versions
CN112100926A (zh
Inventor
薛静
李诗勇
姜龙
杨超
张霖
张丽娟
杨俊秋
靳斌
申峻
李俊文
施艳
陆禹初
丁健
谢荣斌
王瑞果
刘波
吴冕之
刘栖
康倢瀅
高奇思
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guizhou Power Grid Co Ltd
Original Assignee
Guizhou Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guizhou Power Grid Co Ltd filed Critical Guizhou Power Grid Co Ltd
Priority to CN202010998883.5A priority Critical patent/CN112100926B/zh
Publication of CN112100926A publication Critical patent/CN112100926A/zh
Application granted granted Critical
Publication of CN112100926B publication Critical patent/CN112100926B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Housings And Mounting Of Transformers (AREA)

Abstract

本发明公开了一种变压器家族性缺陷辨识方法，包括采集数据库中变压器家族性缺陷判断的相关信息；统计厂家型号的变电器故障信息并计算故障率修正指数；根据所述相关信息计算变压器年平均故障率；根据所述故障率修正指数以及年平均故障率，计算修正故障率；结合中心极限定理，得到变电器的置信区间；根据所述修正故障率和置信区间的对比，判断变压器是否具有家族性缺陷。本发明中结合变压器缺陷的表现情况，以及变压器的故障发展规律，根据变压器故障情况，将同厂家型号的变压器进行统计，并通过修正变压器故障率和置信区间的关系将变压器家族性缺陷情况分成无家族性缺陷、家族性缺陷注意、高风险家族性缺陷三种，对变压器采购和运维有重要意义。

Description

一种变压器家族性缺陷辨识方法
技术领域
本发明涉及电力系统的技术领域，尤其涉及一种变压器家族性缺陷辨识方法。
背景技术
电力设备的可靠性直接影响电力系统的安全运行。部分设备由于设计、材质、制作工艺等因素存在家族性缺陷，导致投运后故障率明显偏高。传统设备家族性缺陷主要由专家主观确定，缺乏定量标准。且反映不够及时。随着电力公司一体化数据平台的建立，相关的厂家、型号、批次等设备管理信息和设备故障等运行信息实现了关联，为基于数据挖掘识别家族性缺陷提供了技术支撑。
变压器是电力系统的枢纽设备，由本体、套管、冷却器系统、非电量保护、分接开关等部件构成。由于变压器涉及的零部件较多，其出现家族性缺陷的概率较高，是重点监测的对象。据统计，110kV及以上变压器，77.3％的变压器故障是厂家制造原因引起的。目前电力变压器家族性缺陷识别主要有专家识别、聚类识别等方法。其中专家识别方法准确性较高，但需要花费人力和时间，可行度不高。聚类识别等其他方法在实际应用中较为片面，这是因为变压器家族性缺陷的外在现象和普通的变压器故障一致，容易混淆而导致聚类分类方法难以有效的进行分析。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在家族性缺陷判定的问题，提出了本发明。
因此，本发明解决的技术问题是：为家族性缺陷提供一种辨识方法，为家族性缺陷的判定提供指导。
为解决上述技术问题，本发明提供如下技术方案：采集数据库中变压器家族性缺陷判断的相关信息；统计厂家型号的变电器故障信息并计算故障率修正指数；根据所述相关信息计算变压器年平均故障率；根据所述故障率修正指数以及年平均故障率，计算修正故障率；结合中心极限定理，得到变电器的置信区间；根据所述修正故障率和置信区间的对比，判断变压器是否具有家族性缺陷。
作为本发明所述的变压器家族性缺陷辨识方法的一种优选方案，其中：所述采集数据库中变压器家族性缺陷判断的相关信息包括，所述相关信息包括变压器的铭牌信息以及变压器运行信息，其中所述铭牌信息包括厂家、型号、出厂日期、投运年限等，所述变压器运行信息包括统计日期、运行状态(故障或良好)。
作为本发明所述的变压器家族性缺陷辨识方法的一种优选方案，其中：所述计算故障率修正指数包括，所述统计厂家型号的变电器故障信息包括变压器的故障台数ki、故障个数xi以及故障种类数yi，那么故障率修正指数ηi的计算公式如下所示：
Figure GDA0004072253950000021
其中，故障台数为该厂家型号发生过故障的变压器台数，故障个数为该厂家型号所有发生故障变压器的故障的总个数(一台变压器可能发生多种故障)，故障种类数为该厂家型号的变压器发生故障的种类个数。
作为本发明所述的变压器家族性缺陷辨识方法的一种优选方案，其中：所述计算变压器年平均故障率包括，根据所述变压器的相关信息，统计变压器的平均故障率F，若有n个厂家型号变压器，对应厂家型号的变压器年平均故障率为fi，i＝1,2,…,n，故障率的计算公式如下所示：
Figure GDA0004072253950000022
Figure GDA0004072253950000023
其中，ki为对应厂家型号的变压器的故障台数，mi为对应厂家型号的变压器的台数。
作为本发明所述的变压器家族性缺陷辨识方法的一种优选方案，其中：所述计算修正故障率包括，利用故障率修正指数ηi修正对应的变压器故障率fi，得到修正故障率fi ′，所述修正故障率fi ′的计算公式表示如下：
Figure GDA0004072253950000031
作为本发明所述的变压器家族性缺陷辨识方法的一种优选方案，其中：所述变电器的置信区间包括，根据变压器总体样本运行情况，结合中心极限定理，在置信度为0.8，即α＝0.2的置信区间为:
Figure GDA0004072253950000032
其中，Z为正态分布，记为N(μ,σ)，一般取为标准正态分布N(0,1)。
作为本发明所述的变压器家族性缺陷辨识方法的一种优选方案，其中：所述正态分布Z包括，在变压器厂家型号较多时，即n较大时，得到正态分布Z的计算公式如下所示：
Figure GDA0004072253950000033
其中，σ为变压器总体的故障方差。
作为本发明所述的变压器家族性缺陷辨识方法的一种优选方案，其中：所述变压器总体的故障方差包括，所述变压器总体的故障方差σ的计算公式如下所示：
Figure GDA0004072253950000034
作为本发明所述的变压器家族性缺陷辨识方法的一种优选方案，其中：所述判断变压器是否具有家族性缺陷包括，将所述修正的故障率fi ′与所述置信区间上下限进行对比，若低于区间下限则标记为无家族性缺陷，若在区间内则标记为家族性缺陷注意，即该厂家型号变压器油家族性缺陷的风险，如高于区间下限则标记为高风险家族性缺陷。
本发明的有益效果：本发明基于电力公司一体化数据平台，通过数据挖掘获得变压器厂家、型号设备管理信息和设备缺陷信息，对每个厂家型号的变压器进行家族性缺陷辨识，可作为变压器招标采购的一个依据，并合理指导变压器运维；本发明中结合变压器缺陷的表现情况，以及变压器的故障发展规律，提出对一种变压器家族性缺陷辨识方法，根据变压器故障情况，将同厂家型号的变压器进行统计，并通过修正变压器故障率和置信区间的关系将变压器家族性缺陷情况分成无家族性缺陷、家族性缺陷注意、高风险家族性缺陷三种，对变压器采购和运维有重要意义。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明第一个实施例所述的变压器家族性缺陷辨识方法的流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
变压家族性缺陷是由于材料或工艺原因而导致的设备缺陷，通常体现为同一厂家型号的变压器普遍发生相同的故障，存在家族性缺陷的变压器在运行年限通常表现出两种情况之一：该厂家型号的变压器故障率一直远高于所有变压器的平均故障率；该厂家型号的变压器故障率在刚投运时正常，在运行年限中后期故障率大幅提高并远高于所有变压器的平均故障率；本发明中涉及的区间判断然后辨识分类符合家族性缺陷本身的定义及原理，以此为基础进行区间划分，根据不同厂家型号的具体问题进行具体分析。
本发明结合电力企业运行信息平台，对运行数据进行统计分析，提出一种变压器家族性缺陷辨识方法，能够对变压器家族性缺陷的辨识起到一定作用。
参照图1，为本发明的第一个实施例，该实施例提供了一种变压器家族性缺陷辨识方法，包括：
S1：采集数据库中变压器家族性缺陷判断的相关信息。其中需要说明的是，
采集数据库中变压器家族性缺陷判断的相关信息包括变压器的铭牌信息以及变压器运行信息，其中铭牌信息包括厂家、型号、出厂日期、投运年限等，变压器运行信息包括统计日期、运行状态(故障或良好)。
S2：统计厂家型号的变电器故障信息并计算故障率修正指数。其中需要说明的是，
计算故障率修正指数包括，统计厂家型号的变电器故障信息包括变压器的故障台数ki、故障个数xi以及故障种类数yi，那么故障率修正指数ηi的计算公式如下所示：
Figure GDA0004072253950000051
其中，故障台数为该厂家型号发生过故障的变压器台数，故障个数为该厂家型号所有发生故障变压器的故障的总个数(一台变压器可能发生多种故障)，故障种类数为该厂家型号的变压器发生故障的种类个数，有家族性缺陷的变压器一般是同厂家型号的变压器，其外在表现为发生故障大部分为同一种故障类型，因此在不知道其是否存在家族性缺陷时，考虑其发生故障的故障种类是非常有必要的，仅仅考虑故障台数或者故障个数并不能有效判断是否存在家族性缺陷。
S3：根据相关信息计算变压器年平均故障率。其中需要说明的是，
计算变压器年平均故障率包括，根据变压器的相关信息，统计变压器的平均故障率F，若有n个厂家型号变压器，对应厂家型号的变压器年平均故障率为fi，i＝1,2,…,n，故障率的计算公式如下所示：
Figure GDA0004072253950000061
Figure GDA0004072253950000062
其中，ki为对应厂家型号的变压器的故障台数，mi为对应厂家型号的变压器的台数。
S4：根据故障率修正指数以及年平均故障率，计算修正故障率。其中需要说明的是，
计算修正故障率包括，利用故障率修正指数ηi修正对应的变压器故障率fi，得到修正故障率fi ′，修正故障率fi ′的计算公式表示如下：
Figure GDA0004072253950000063
S5：结合中心极限定理，得到变电器的置信区间。其中需要说明的是，
根据变压器总体样本运行情况，结合中心极限定理，变压器厂家型号较多时，即n较大时，正态分布Z的计算公式如下所示：
Figure GDA0004072253950000064
其中，σ为变压器总体的故障方差，变压器总体的故障方差σ的计算公式为：
Figure GDA0004072253950000071
计算其置信度为0.8，即α＝0.2的置信区间为:
Figure GDA0004072253950000072
其中，Z为正态分布，记为N(μ,σ)，一般取为标准正态分布N(0,1)。
S6：根据修正故障率和置信区间的对比，判断变压器是否具有家族性缺陷。其中需要说明的是，
判断变压器是否具有家族性缺陷包括，将修正的故障率fi ′与置信区间上下限进行对比，若低于区间下限则标记为无家族性缺陷，若在区间内则标记为家族性缺陷注意，即该厂家型号变压器油家族性缺陷的风险，如高于区间下限则标记为高风险家族性缺陷。
实施例2
本发明的第二个实施例，该实施例不同于第一个实施例的是，选取某地区运行的变压器进行信息统计，通过本发明方法进行变压器家族性缺陷的辨识，该地区全部的设备有286台，其中包含A、B、C三种类型的设备，A种设备有15台，B种设备48台，C种设备11台，通过本发明方法对设备进行计算、缺陷辨识，所得结果如下表1所示，表1：家族性缺陷辨识情况表。
Figure GDA0004072253950000073
从表1可以看出，利用本发明方法可以得到该地区全部设备的平均故障率为21.6％，置信度为0.8的置信区间为(20.2％,23％)，并可以得到ABC三种厂家型号的变压器的家族性缺陷辨识结果分别为高风险家族性缺陷、高风险家族性缺陷、无家族性缺陷；而人工现场检测进行缺陷辨识的方法需要花费大量的时间以及人力，可行度较低，相对来说本发明方法可以更方面更全面的检测各个设备以及零件，节约人力物力，可行度高。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种变压器家族性缺陷辨识方法，其特征在于：包括，
采集数据库中变压器家族性缺陷判断的相关信息；所述相关信息包括变压器的铭牌信息以及变压器运行信息，其中所述铭牌信息包括厂家、型号、出厂日期、投运年限，所述变压器运行信息包括统计日期、运行状态；所述运行状态包括：故障或良好；
统计厂家型号的变电器故障信息并计算故障率修正指数，所述计算故障率修正指数包括，
所述统计厂家型号的变电器故障信息包括变压器的故障台数ki、故障个数xi以及故障种类数yi，那么故障率修正指数ηi的计算公式如下所示：
Figure QLYQS_1
其中，故障台数为该厂家型号发生过故障的变压器台数，故障个数为该厂家型号所有发生故障变压器的故障的总个数，故障种类数为该厂家型号的变压器发生故障的种类个数；
根据所述相关信息计算变压器年平均故障率；所述计算变压器年平均故障率包括，
根据所述变压器的相关信息，统计变压器的平均故障率F，若有n个厂家型号变压器，对应厂家型号的变压器年平均故障率为fi，i＝1,2,…,n，故障率的计算公式如下所示：
Figure QLYQS_2
Figure QLYQS_3
其中，ki为对应厂家型号的变压器的故障台数，mi为对应厂家型号的变压器的台数；
根据所述故障率修正指数以及年平均故障率，计算修正故障率；
结合中心极限定理，得到变电器的置信区间；所述变电器的置信区间包括，
根据变压器总体样本运行情况，结合中心极限定理，在置信度为0.8，即α＝0.2的置信区间为:
Figure QLYQS_4
其中，Z为正态分布，记为N(μ,σ)，一般取为标准正态分布N(0,1)；
根据所述修正故障率和置信区间的对比，判断变压器是否具有家族性缺陷，所述判断变压器是否具有家族性缺陷包括，将所述修正的故障率fi ′与所述置信区间上下限进行对比，若低于区间下限则标记为无家族性缺陷，若在区间内则标记为家族性缺陷注意，即该厂家型号变压器油家族性缺陷的风险，如高于区间上限则标记为高风险家族性缺陷。
2.如权利要求1所述的变压器家族性缺陷辨识方法，其特征在于：所述计算修正故障率包括，
利用故障率修正指数ηi修正对应的变压器故障率fi，得到修正故障率fi ′，所述修正故障率fi ′的计算公式表示如下：
Figure QLYQS_5
。
3.如权利要求2所述的变压器家族性缺陷辨识方法，其特征在于：所述正态分布Z包括，
Figure QLYQS_6
其中，σ为变压器总体的故障方差，n为变压器厂家型号个数。
4.如权利要求3所述的变压器家族性缺陷辨识方法，其特征在于：所述变压器总体的故障方差包括，
所述变压器总体的故障方差σ的计算公式如下所示：
Figure QLYQS_7
CN202010998883.5A 2020-09-22 2020-09-22 一种变压器家族性缺陷辨识方法 Active CN112100926B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010998883.5A CN112100926B (zh) 2020-09-22 2020-09-22 一种变压器家族性缺陷辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010998883.5A CN112100926B (zh) 2020-09-22 2020-09-22 一种变压器家族性缺陷辨识方法

Publications (2)

Publication Number Publication Date
CN112100926A CN112100926A (zh) 2020-12-18
CN112100926B true CN112100926B (zh) 2023-05-26

Family

ID=73755681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010998883.5A Active CN112100926B (zh) 2020-09-22 2020-09-22 一种变压器家族性缺陷辨识方法

Country Status (1)

Country Link
CN (1) CN112100926B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105373883A (zh) * 2015-10-30 2016-03-02 江苏省电力公司电力科学研究院 基于数据挖掘的变压器家族性缺陷的预警方法
CN206594225U (zh) * 2017-03-31 2017-10-27 太平湾发电厂 电容性电力设备电容和介损在线监测系统
CN107368673A (zh) * 2017-06-16 2017-11-21 中国南方电网有限责任公司超高压输电公司检修试验中心 基于数据挖掘的电力变压器家族性缺陷辨识方法
CN108133316A (zh) * 2017-12-19 2018-06-08 国网冀北电力有限公司张家口供电公司 一种供电厂电力设备家族性缺陷的检测方法
CN109711663A (zh) * 2018-11-15 2019-05-03 国网山东省电力公司淄博供电公司 基于大数据分析的变电站油浸式变压器状态评估与修正方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104765945B (zh) * 2015-02-09 2016-08-24 广东电网有限责任公司电力科学研究院 一种基于数量置信度的设备缺陷率检测方法
CN108537344B (zh) * 2018-02-01 2021-09-14 贵州电网有限责任公司 基于闭环知识管理的二次设备智能运维方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105373883A (zh) * 2015-10-30 2016-03-02 江苏省电力公司电力科学研究院 基于数据挖掘的变压器家族性缺陷的预警方法
CN206594225U (zh) * 2017-03-31 2017-10-27 太平湾发电厂 电容性电力设备电容和介损在线监测系统
CN107368673A (zh) * 2017-06-16 2017-11-21 中国南方电网有限责任公司超高压输电公司检修试验中心 基于数据挖掘的电力变压器家族性缺陷辨识方法
CN108133316A (zh) * 2017-12-19 2018-06-08 国网冀北电力有限公司张家口供电公司 一种供电厂电力设备家族性缺陷的检测方法
CN109711663A (zh) * 2018-11-15 2019-05-03 国网山东省电力公司淄博供电公司 基于大数据分析的变电站油浸式变压器状态评估与修正方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Jinzhong Li等.Research on Familial Defect Recognition Method of Transformer Based on Correlation Analysis.《2018 IEEE Conference on Electrical Insulation and Dielectric Phenomena (CEIDP) 》.2018,1-5. *
Li Shiyong等.Transformer Familial Defect Detection Method Based on SVM Improved by Apriori Algorithm—Based on Analysis of Dissolved Gases in Oil.《2019 2nd International Conference on Electrical Materials and Power Equipment (ICEMPE)》.2019,1-5. *
张镱议.基于运行状态和寿命评估的电力变压器全寿命周期检修决策研究 .《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》.2014,C042-47. *
王俊芳.面向状态检修的继电保护系统可靠性评估.《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》.2018,C042-923. *
鲁向前.降低变压器缺陷率及故障率方法对策.《信息周刊》 .2018,1-3. *

Also Published As

Publication number Publication date
CN112100926A (zh) 2020-12-18

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
WO2019196869A1 (zh) 一种确定巡检基站列表的方法以及巡检装置
CN109828182A (zh) 一种基于故障分类处理的电网系统故障分析预警方法
CN103810533A (zh) 一种基于云模型的配电网故障风险识别方法
CN117390403B (zh) 一种新能源灯塔发电站的电网故障检测方法及系统
CN104850934A (zh) 一种气象装备维护维修管理系统
CN115796708B (zh) 一种工程建设用的大数据智能质检方法、系统和介质
CN105373883A (zh) 基于数据挖掘的变压器家族性缺陷的预警方法
CN107808204A (zh) 一种对设备评价数据自动识别的风险管控系统及方法
CN106067142B (zh) 一种电能质量数据表示方法
CN110675070A (zh) 智能微网设备关键度分析方法
CN108898274A (zh) 一种电力调度日志缺陷分类方法
CN101727543A (zh) 震后电网设施剩余寿命柔性过程模型诊断方法
CN113435759A (zh) 一种基于深度学习的一次设备风险智能评估方法
CN116011827A (zh) 一种用于重点小区的停电监测分析与预警系统及方法
CN117937766B (zh) 一种用于储能柜的智能管理系统
CN110703183A (zh) 一种智能电能表故障数据分析方法及系统
CN117494950B (zh) 一种光储充检微电网一体站运行安全评价方法
CN112100926B (zh) 一种变压器家族性缺陷辨识方法
CN107742162B (zh) 一种基于配调监控信息的多维特征关联分析方法
CN113553352A (zh) 一种电力二次设备家族性缺陷辨识方法及系统
CN113240133A (zh) 基于人工智能的继电保护设备家族性缺陷辨识方法
CN111260150A (zh) 一种通信设备运行风险预警方法及通信管理系统
CN109299863A (zh) Btm设备评价系统
CN111061920A (zh) 一种设备参数继承的信号描述正确性校验方法

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