CN112149048A

CN112149048A - 电气设备中基于温度的液位估计

Info

Publication number: CN112149048A
Application number: CN202010588581.0A
Authority: CN
Inventors: S.普拉丹
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 2019-06-27
Filing date: 2020-06-24
Publication date: 2020-12-29
Also published as: US20200411233A1; US11437185B2

Abstract

电气设备中基于温度的液位估计。提供了一种用于预测流体填充的电气设备的性能的方法和系统。系统包括可操作地与液位估计系统通信的感测单元。感测单元具有可物理地安装在电气设备上和/或电气设备周围的一个或多个传感器（S1，S2，S_ref，S_ambient），记录与流体（106）和周围环境相关联的温度数据。液位估计系统确定流体的温度（ϴ_S1，ϴ_S2，ϴ_ref）和周围温度（ϴ_ambient），基于它们与周围温度（ϴ_ambient）的相关性针对温度（ϴ_S1，ϴ_S2，ϴ_ref）中的一个或多个生成特征矢量，并基于特征矢量和概率密度函数来估计电气设备内的液位，并且由此估计性能，所述概率密度函数从使用与电气设备相关联的历史温度梯度数据构造的分布中导出。

Description

电气设备中基于温度的液位估计

本发明涉及电力工业装备的监视和维护。更特别地，本发明涉及一种电气设备，该电气设备具有壳体（诸如箱）、芯和冷却单元，该冷却单元具有例如一个或多个散热器片。这样的电气设备是本领域技术人员已知的。这样的公知的电气设备是例如变压器（例如油冷变压器），或电抗器（reactor）。变压器被广泛用作用于降低（step-down）电压电平以便使得能够从发电厂在远距离上传输电力的设备。根据变压器处置的电力，它们被分类为电力变压器（> 200 MVA）或配电变压器（< 200 MVA）。由于变压器在如此高功率下降低电压，因此在此过程期间效率中的任何损失都导致功率损失转化为热量。

图1图示了现有技术的变压器100的热模型，如上面提到的那样。变压器100包括：壳体101；定位在壳体101内的芯102；至少部分地围绕芯102的绕组元件103，使得芯102和绕组元件103被浸入流体106（例如，任何绝缘流体106，诸如油）中；适应基于温度变化的流体体积的膨胀的储油器104；以及包括例如一个或多个散热器片的冷却单元105，用于散热。在操作时，从变压器100的芯102和绕组103损失的功率经由油浴（bath of oil）106被传送到围绕变压器100的周围环境，如由热流箭头q_loss、q_oil和q_env所指示的那样。油106通过散热器片105循环，其由用于散热的油流箭头指示。油106通过对流充当用于散热的介质，由此防止变压器100加热超过其额定容量。随着变压器100老化，储油器104、壳体101和/或散热器片105很可能产生裂纹，由于所述裂纹，油106可能在一段时间内泄漏出去（leak out）。当油位下降到某个阈值以下时，变压器100过热，并且如果过热继续，则存在变压器100爆炸的风险，从而导致生命和财产的损失。为了防止这种情况发生，重要的是监视变压器100中的绝缘流体106的液位，并且当该液位下降到预定阈值以下时触发重新填充请求。此外，在某些地区，尤其是偏远地区还报道了从变压器100盗油106。因此，检测这些盗窃并发出警报以重新填充损失的油106，以避免变压器100的灾难性故障，这是必要的。

常规变压器具有测量变压器箱的底部处的压力的内置感测技术，以便确定变压器中包含的绝缘流体的液位。然而，这仅限于为电网中的许多配电变压器供电的重型变压器。对于配电变压器，这样的感测方法的存在是未知的。此外，采用压力感测技术对于已经被调试和安装的变压器来说是不可行的，因为这是侵入性技术，其需要在变压器上安装侵入性感测设备，并且要求停用（decommissioning）变压器，以及从变压器中排出油。这是巨大的工作，并且在停电期间造成不便。此外，在其中盗油是普遍的地区中，这样的压力传感器的盗窃也可能由此发生，从而使该技术非常昂贵。

本领域中已知的用于感测流体填充的电气设备（例如，基于温度的油填充的变压器）中的流体的参数（诸如液位、质量、体积等）的常规非侵入性技术涉及连续参数感测。这要求连续记录大量的数据，从而导致大量的处理时间和精力。此外，这样的技术通常需要通过感测变压器的输入和输出处的电流和电压来进行功率损失测量，这进一步使数据获取复杂化并且增加了感测的整体成本。

因此，本发明的目的是提供一种前述类型的电气设备以及一种系统和方法，该系统和方法可以通过以非侵入性和成本高效的方式感测其中的油位来预测电气设备的性能，由此对于在现场对部署的电气设备进行改装（retrofitting）是可行的，并且不需要功率损失测量。

本发明中公开的电气设备通过采用一种方法和系统来实现前述目的，该方法和系统用于使用与流体相关联的温度和围绕电气设备的周围环境的温度，基于电气设备内的液位（以及特别是液位的常态（normalcy）），来预测流体填充的电气设备的性能。

根据本发明，提供了一种用于预测流体填充的电气设备的性能的系统。如本文中所使用的，电气设备指代任何流体冷却的电气设备，诸如电动机、变压器、电抗器等。电气设备包括壳体（即，箱）、定位在壳体内的芯、以及可操作地附接到壳体的至少一个冷却单元。电气设备可以包括部分地围绕芯的绕组元件。本文中公开的冷却单元可以采用主动冷却（诸如强制对流）和/或被动冷却（诸如自然对流）。冷却单元包括例如至少部分地围绕变压器箱的多个散热器片。芯和绕组元件（如果存在的话）至少部分地被浸入流体中，用于冷却和电绝缘。如本文中所使用的术语“流体”指代在任何电气设备中采用的一种或多种绝缘介质，用于电气设备的绝缘和冷却。流体包括例如绝缘液体（诸如矿物油、硅酮液体、合成酯、天然酯等），或绝缘气体（诸如六氟化硫SF₆）。此外，在本文中使用的术语“性能”指代电气设备的故障的概率。本文中公开的系统通过基于流体和围绕电气设备的周围环境的温度估计电气设备内的液位来预测性能。

本文中公开的系统包括经由有线和/或无线通信网络彼此可操作地通信的感测单元和液位估计系统。根据本发明的优选实施例，感测单元可部署在电气设备上和/或电气设备的附近，并且经由通信网络与液位估计系统通信。在该实施例中，在云计算环境中实现液位估计系统。如本文中所使用的，“云计算环境”指代包括可配置的计算物理和逻辑资源（例如网络、服务器、储存设备、应用、服务等）以及在通信网络（例如互联网）上分布的数据的处理环境。云计算环境提供对可配置的计算物理和逻辑资源的共享池的按需网络访问。在该实施例中，液位估计系统是基于云计算的平台，其被实现为处理从感测单元收集的信息的服务，以用于预测电气设备的性能。在该实施例中，例如，使用Google公司的Google App引擎云基础设施、Amazon技术公司的Amazon Web Services®、Amazon技术公司的Amazon弹性计算EC2® web服务、Google公司的Google®云平台、Microsoft公司的Microsoft®云平台等来开发液位估计系统。

根据另一个实施例，液位估计系统被配置为基于web的平台，例如，托管在服务器或服务器的网络上的web站点。

根据又一实施例，液位估计系统包括液位估计软件应用，该软件应用可在用户设备上下载并且可由用户访问，所述用户例如变压器的安装站点处的管理工作人员或负责变压器的维护的工作人员。如本文中所使用的，“用户设备”指代电子设备，例如个人计算机、平板计算设备、移动计算机、移动电话、智能电话、便携式计算设备、任何其他合适的计算装备、多件计算装备的组合等。

根据本发明的又一实施例，感测单元和液位估计系统可部署在电气设备的一个或多个部分上和/或电气设备的附近，并且经由有线通信网络或无线短程通信网络彼此通信。在该实施例中，该系统充当智能边缘设备，该智能边缘设备具有可部署在电气设备上和/或电气设备的附近的液位估计系统，该液位估计系统处理从感测单元收集的信息并估计与流体相关联的一个或多个参数。如本文中所使用的，通信网络指代例如任何有线或无线网络，诸如因特网、实现Bluetooth Sig公司的Bluetooth®的内联网、实现Wi-Fi联盟公司的Wi-Fi®的网络、超宽带通信网络（UWB）、无线通用串行总线（USB）通信网络、实现ZigBee联盟公司的ZigBee®的通信网络、通用分组无线业务（GPRS）网络、移动电信网络（诸如全球移动系统（GSM）通信网络、码分多址（CDMA）网络、第三代（3G）移动通信网络、第四代（4G）移动通信网络、长期演进（LTE）移动通信网络、公共电话网络等）、局域网、广域网、互联网连接网络、红外通信网络等或由这些网络的任何组合形成的网络。

液位估计系统基于由感测单元记录的温度数据来预测电气设备内的液位。有利地，液位估计系统仅基于温度数据来预测与液位相关的常态，而不需要测量与电气设备的功率、电压、电流等相关的数据。如本文中所使用的，术语“常态”指代允许电气设备正常运转的液位。

感测单元包括记录温度数据的一个或多个传感器。如本文中所公开的，每个传感器是温度传感器。有利地，可物理地安装在电气设备上的每个传感器是非侵入性类型的传感器。温度数据包括由感测单元的传感器中的每个在其中安装传感器的相应位置处记录的数据。感测单元包括可物理地安装在电气设备的壳体上的至少一个传感器、可物理地安装在冷却单元（即，电气设备的散热器片）上的至少一个传感器、以及可物理地安装在围绕电气设备的周围环境中的电气设备的附近的至少一个传感器。感测单元可以包括可物理地安装在流体存储部件（即，电气设备的储油器）上的传感器。

因此，感测单元记录至少与围绕电气设备的周围环境相关联的温度数据，以及与在电气设备上和电气设备周围的预定位置处的电气设备中填充的流体相关联的温度数据。如本文中所使用的，“预定位置”指代电气设备上以及电气设备的附近的一个或多个区域，其中感测单元的传感器被物理地安装用于记录与流体和周围环境相关联的温度数据。有利地，电气设备上的预定位置至少包括电气设备的冷却单元（即，散热器片）的顶部上的位置和电气设备的壳体的顶部上的位置。

根据本发明的另一方面，电气设备上的预定位置可以包括电气设备的主体上（诸如壳体上、储油器上等）的一个或多个位置，其中传感器在安装时将记录在相应的位置处的温度数据，从而导致记录的整体温度数据的粒度中的增加，由此增强了电气设备的性能预测。根据本发明的该方面，传感器提供在确定电气设备内的流体的准确温度读数时所需的冗余。根据该方面，对于诸如配电变压器的电气设备，该配电变压器具有适应流体随温度变化的膨胀的储油器，感测单元的传感器被定位在包括例如储油器的顶部、储油器的底部、将储油器连接到变压器的箱的储油器的至少一条腿、箱的顶部、诸如散热器片的冷却单元的顶部和散热器片的底部的位置。

有利地，电气设备周围的预定位置包括电气设备的附近的至少一个位置，在该位置处，在安装时，感测单元的传感器可以记录周围温度。如本文中所使用的，术语“附近”指代距电气设备大约1米到大约5米的距离的范围。

根据本发明的又一实施例，传感器中的每个被配置有定位单元，例如全球定位系统（GPS），使得它们的相对位置坐标可以由液位估计系统映射和/或显示给使用液位估计系统的用户。

根据本发明，还公开了一种液位估计系统，其估计电气设备内的液位，并且更特别地，估计电气设备内的液位的常态。液位估计系统包括非暂时性计算机可读存储介质和通信地耦合到该非暂时性计算机可读存储介质的至少一个处理器。如本文中所使用的，“非暂时性计算机可读存储介质”指代除了暂时性传播信号之外的所有计算机可读介质，例如，非易失性介质（诸如光盘或磁盘）、易失性介质（诸如寄存器存储器、处理器高速缓存等）以及传输介质（诸如构成耦合到处理器的系统总线的线）。非暂时性计算机可读存储介质被配置成存储由液位估计系统的模块定义的计算机程序指令。处理器被配置成执行定义的计算机程序指令。

液位估计系统包括与感测单元通信的数据通信模块，该感测单元包括可部署在电气设备上和电气设备周围的预定位置处的一个或多个传感器。数据通信模块接收由感测单元的传感器记录的与流体和围绕电气设备的周围环境相关联的温度数据。有利地，数据通信模块与感测单元连续通信以接收与电气设备相关联的实时数据。

液位估计系统包括温度确定模块。温度确定模块处理温度数据以确定与流体相关联并且在电气设备上的预定位置处记录的一个或多个温度ϴ_S1、ϴ_S2、ϴ_ref，以及在电气设备周围的预定位置处记录的周围环境的周围温度ϴ_ambient。温度确定模块至少经由过滤来处理温度数据，以便保持最小的测量噪声（如果存在的话）。温度确定模块可以进一步通过放大、隔离、误差补偿、线性化和/或激励来处理温度数据，以确定与流体和周围环境相关联的温度。

液位估计系统包括特征矢量生成模块。特征矢量生成模块使用流体的参考温度ϴ_ref和周围温度ϴ_ambient针对流体的一个或多个温度ϴ_S1、ϴ_S2生成特征矢量。如本文中所使用的“参考温度”指代从由定位在冷却单元（即，例如，油填充的变压器的散热器片的顶部）处的传感器S_ref记录的温度数据导出的温度。该温度用作参考温度。散热器片的顶部通常接近变压器芯被定位在其处的水平。当油位下降到芯水平以下时，诸如空气排放之类的风险显著地上升，并且变压器的性能急剧下降。当油下降超过该水平时，变压器不太可能正常工作。因此，散热器片顶部的该水平被认为是参考水平，并且在该水平处的油温被认为是参考温度。特征矢量生成模块确定在一段时间内流体的温度ϴ_S1或ϴ_S2中的至少一个相对于周围温度ϴ_ambient的相关性，以及参考温度ϴ_ref相对于周围温度ϴ_ambient的相关性。这些相关性中的每个都是在位置S1和/或S2和Sref处的温度梯度。这些温度梯度形成特征矢量。因此，这样地，特征矢量在其中包括两个量。第一个量是流体的参考温度ϴ_ref相对于周围环境ϴ_ambient的相关性。第二个量是流体温度ϴ_S1和/或ϴ_S2相对于周围环境ϴ_ambient的相关性。因此，特征矢量F_n可以由以下公式表示：

其中，

n是除了安装在散热器片顶部处的传感器和安装在电气设备的附近的传感器之外，物理地安装在电气设备上的传感器的数量，

ϴ_ref——参考温度，其从由定位在冷却单元处的参考传感器S_ref测量的温度数据导出，

ϴ_ambient——周围温度，其从由定位在电气设备的附近的传感器S_ambient测量的温度数据导出，以及

ϴ_Sn——流体温度，其从由定位在电气设备上的传感器S1-Sn测量的温度数据导出。因此，特征矢量生成模块针对由物理地安装在电气设备上的n个位置处的传感器S1-Sn记录的温度中的每个，生成特征矢量F₁、F₂、F₃、…F_n等。

根据本发明的一个方面，特征矢量F_n被存储在液位估计系统的参数数据库中。

液位估计系统包括液位预测模块。液位预测模块基于特征矢量和与电气设备相关联的历史温度梯度数据来预测液位，即电气设备内的液位的常态。如本文中所使用的，“历史温度梯度数据”指代由液位估计系统生成并存储在液位估计系统的参数数据库中的特征矢量。有利地，液位估计系统以两种模式运转，所述两种模式即学习模式和操作模式。液位估计系统的模式选择模块选择操作的模式。根据本发明的一个方面，模式选择模块接收关于操作的模式的用户输入。例如，液位估计系统在被部署在现场之前以学习模式运转。在另一示例中，液位估计系统在被安装在电气设备（即，在现场）上之后在预定的时间段内以学习模式运转。根据一个方面，在学习模式中，液位估计系统从预存储的参考数据集中接收温度数据。根据另一方面，在学习模式中，液位估计系统从感测单元接收温度数据。在学习模式中，液位预测模块的梯度管理模块针对温度ϴ_S1、ϴ_S2和/或ϴ_Sn中的一个或多个生成特征矢量F₁、F₂和/或F_n的分布。梯度管理模块生成在一段时间T_n内的分布，即F_n的曲线，其具有其第一个量（ϴ_ref - ϴ_ambient）（即，在X轴上表示的在S_ref处的温度梯度），以及其第二个量（ϴ_Sn - ϴ_ambient）（即，在Y轴上的在S_n处的温度梯度）。

阈值确定模块基于该分布来确定液位阈值。有利地，液位阈值指示操作的常态的概率，即，电气设备内的正常液位的概率。有利地，术语“分布”指代概率密度函数，其使得能够在变压器的正常油位条件下确定边界温度梯度，即特征矢量的第一个量和第二个量的界限。这进而有助于确定分布是否异常。可以基于以下公式来计算边界，其中P（F_n）表示表示正常液位的分布曲线上的区域（诸如参考椭圆）：

其中，MVPDF——多变量正态概率密度函数，

F_n——针对由传感器S_n记录的温度数据的特征矢量

µ——F_n的平均值

σ——F_n的标准偏差

有利地，使用概率密度函数作为用于液位估计的检测度量，使得能够捕获比如电气设备的非常高的负载或非常低的负载条件的拐角情况（corner cases）。使用以下公式从边界（即，参考椭圆）计算液位阈值：

其中，T（F_n）——液位阈值，即定义正常液位以及进而定义电气设备的操作和/或性能的液位。

液位预测模块将分布、针对正常液位计算的边界以及从其导出的液位阈值存储在参数数据库中。一旦该数据被存储在参数数据库中，液位估计系统就可以在操作模式运转。在操作模式中，液位预测模块的参数比较模块将特征矢量与液位阈值进行比较，以便确定液位是否处于、低于或高于正常液位。给定在学习模式中生成的历史温度梯度数据的分布，参数比较模块通过评估由实时记录的温度数据（即，由感测单元的操作模式）构造的特征矢量的概率来执行前述比较。例如，在操作模式中，液位估计系统针对每个传入的温度传感器数据构造特征矢量，针对其生成分布，并计算P（F_n）（即，多变量概率分布函数），并将其与使用参考数据获得的液位阈值T（F_n）（即，在学习模式中构造的特征矢量温度梯度的分布）进行比较。

根据本发明的另一方面，除了使用基于分布来计算的液位阈值T（F_n）之外，诸如分布的形状的外围因素，即由P（Fn）指示的参考椭圆，可以被用于估计液位。根据这个方面，针对实时记录的特征矢量绘制的分布的形状，即，在操作模式中，将与作为参考椭圆存储在参数数据库中的分布的形状进行比较。

根据本发明的一个方面，液位预测模块基于所预测的液位启动一个或多个通知。该通知包括例如流体盗窃警报、低液位警报和/或临界液位警报。这些通知将传送给用户，诸如变电站的维护人员，他们然后可以相应地适当提前启动动作，并防止极端的情况，诸如电气设备的爆炸。

根据本发明的另一方面，液位估计系统包括将参数存储在参数数据库中的数据学习模块。在该实施例中，数据学习模块向液位估计系统的液位预测模块提供输入，以用于基于所存储的一个或多个参数来验证液位。例如，数据学习模块通过采用基于启发式的人工智能算法，在每次液位估计系统估计液位时生成推断。这些推断被存储在参数数据库中，用于将来的估计，使得基于历史结果实现真实性检查（plausibility check）。

本文中还公开了一种用于预测前述类型的流体填充的电气设备的性能的方法，该电气设备包括壳体、至少部分地浸入流体中的芯、以及至少一个冷却单元。该方法包括从感测单元接收至少与由感测单元的传感器S_ambient记录的围绕电气设备的周围环境相关联的温度数据，以及与由在电气设备上的预定位置处的感测单元201的传感器S2和S_ref记录的电气设备中填充的流体相关联的温度数据。该方法包括根据温度数据来确定电气设备上的预定位置处以及围绕电气设备的周围环境的温度ϴ_S1、ϴ_S2、ϴ_ref和ϴ_ambient。为了确定温度ϴ_S1、ϴ_S2、ϴ_ref和ϴ_ambient，该方法处理温度数据以过滤噪声和其他存在的背景干扰（如果有的话）。该方法包括使用参考温度ϴ_ref和周围温度ϴ_ambient针对温度ϴ_S1、ϴ_S2…ϴ_Sn中的一个或多个生成特征矢量。通过计算温度梯度以前述方式计算特征矢量。该方法包括确定在一段时间内温度ϴ_S1 ϴ_S2…ϴ_Sn中的至少一个相对于周围温度ϴ_ambient的相关性，以及在由感测单元201针对其记录温度的参考温度ϴ_ref相对于周围温度ϴ_ambient的相关性。这些相关性是形成特征矢量的坐标的温度梯度。

该方法包括基于特征矢量和与电气设备相关联的历史温度梯度数据来预测电气设备内的液位。该方法包括使用与电气设备相关联的历史温度梯度数据来针对温度ϴ_S1ϴ_S2…ϴ_Sn生成特征矢量的分布。该方法包括基于特征矢量的分布来确定液位阈值。通过根据该分布计算多变量概率分布函数来确定液位阈值。该方法包括将液位阈值和该分布存储在液位估计系统的参数数据库中。该方法包括将针对实时记录的温度ϴ_S1 ϴ_S2…ϴ_Sn中的至少一个计算的特征矢量（并且特别是特征矢量的概率）与存储在参数数据库中的液位阈值进行比较，以预测液位是低于正常液位还是在正常液位处。这通过绘制与实时温度数据相对应的特征矢量的分布并将其与存储在参数数据库中的分布进行比较来实现。分布之间的偏差的阈值被认为是T（F_n），基于该阈值，该方法预测电气设备内的液位。该方法进一步包括基于预测的液位来启动一个或多个通知。通知包括例如流体盗窃警报、低液位警报、临界液位警报等。

现在将参考本发明的附图来论述（address）本发明的上述和其他特征。所图示的实施例旨在说明而非限制本发明。

在下文中参考在附图中示出的所图示的实施例来进一步描述本发明，其中：

图1图示了现有技术的电气设备的有源部分的截面图。

图2A-2B图示了可部署在流体填充的电气设备上的系统，并且该系统包括感测单元和液位估计系统，用于预测流体填充的电气设备的性能。

图3图示了图示由图2A和2B中所图示的液位估计系统采用的计算机系统的架构的框图，该液位估计系统用于预测电气设备内的液位。

图4图示了用于预测流体填充的电气设备的性能的示例性方法的过程流程图。

图5A-5B图示了根据本发明的可部署在油填充的变压器上的感测单元的实施例，该变压器具有壳体、芯、至少一个绕组元件、储油器和冷却单元。

图6图示了与图5A-5B中所示的一个或多个流体温度相关联的特征矢量的分布的图形表示。

图7图示了基于变压器中的油位的预测的油填充的变压器的性能的图形表示。

参考附图描述各种实施例，其中相同的参考标号被用于自始至终指代相同的元件。在下面的描述中，出于解释的目的，阐述了许多具体细节，以便提供对一个或多个实施例的透彻理解。可以明显的是，可以在没有这些具体细节的情况下实施这样的实施例。

图2A图示了系统200，该系统200可部署在电气设备上并且包括感测单元201和液位估计系统202，用于预测流体填充的电气设备的性能。感测单元201和液位估计系统202经由有线和/或无线通信网络203彼此可操作地通信。感测单元201包括传感器S1、S_ref和S_ambient，所述传感器S1、S_ref和S_ambient可物理地安装在电气设备上，用于基于传感器S1、S_ref和S_ambient中的每个被安装在其处的位置来记录电气设备上和/或电气设备周围的各种位置处的温度数据。传感器S1和S_ref记录流体的温度数据，并且传感器S_ambient记录围绕电气设备的周围环境的温度数据。感测单元201可以具有更多的传感器（例如传感器S2），其安装在电气设备上并记录流体的温度数据以增加读数的粒度。传感器S1、S_ref和S_ambient等是温度传感器。

液位估计系统202包括数据通信模块202A、温度确定模块202B、特征矢量生成模块202C、液位预测模块202D、数据学习模块202E和参数数据库202F。数据通信模块202A通过通信网络203周期性地与感测单元201的传感器S1、S_ref和S_ambient建立通信，并接收自建立上次通信以来的时间窗口内由传感器S1、S_ref和S_ambient中的每个记录的温度数据。数据通信模块202A还接收安装在其中已记录温度数据的电气设备上的传感器S1、S_ref和S_ambient中的每个的物理位置。温度确定模块202B通过处理由传感器S1和/或S2、S_ref和S_ambient相对于时间窗口中的各种时刻记录的温度数据来确定基于部署在电气设备上的多个传感器S1和/或S2的一个或多个温度ϴ_S1和/或ϴ_S2、与电气设备上的预定位置处的流体相关联的参考温度ϴ_ref以及周围环境的周围温度ϴ_ambient。温度确定模块202B对温度数据进行采样和过滤，以减少可能已经由传感器S1和/或S2、S_ref和S_ambient记录的测量噪声，以便获得各种时刻处的温度ϴ_S1和/或ϴ_S2、ϴ_ref和ϴ_ambient。温度确定模块202B和数据通信模块202A将获得的温度数据、物理位置和温度ϴ_S1和/或ϴ_S2、ϴ_ref、和ϴ_ambient存储在参数数据库202F中。

特征矢量生成模块202C使用参考温度ϴ_ref和周围温度ϴ_ambient针对温度ϴ_S1和/或ϴ_S2生成特征矢量。特征矢量生成模块202C使用温度ϴ_S1和/或ϴ_S2相对于周围温度ϴ_ambient的相关性以及参考温度ϴ_ref相对于周围温度ϴ_ambient的相关性在一段时间内构造特征矢量，以确定在其中传感器S1和/或S2被安装在电气设备上的这些预定位置中的每个处的流体的存在。

液位预测模块202D基于特征矢量和与电气设备相关联的历史温度梯度数据来预测电气设备内的液位。液位预测模块202D包括梯度管理模块202D1、阈值确定模块202D2和参数比较模块202D3。梯度管理模块202D1使用与电气设备500相关联的历史温度梯度数据针对温度ϴ_S1和/或ϴ_S2中的一个或多个生成特征矢量的分布。阈值确定模块202D2基于特征矢量的分布来确定液位阈值。参数比较模块202D3将特征矢量与液位阈值进行比较以检测电气设备内的流体是在正常液位处还是低于正常液位。液位预测模块202D基于预测的流体106的液位启动一个或多个通知。该通知包括例如流体盗窃警报、低液位警报和/或临界液位警报。数据学习模块202E将特征矢量以及它们的针对电气设备的正常操作和电气设备的低液位操作的分布存储在参数数据库202F中。

图2B图示了以两种模式（即操作模式和学习模式）运转的系统200的液位估计系统202。模式选择模块202G例如基于用户输入来选择性地激活用于液位估计系统202的两种操作的模式之一。在其学习模式中的液位估计系统202作为输入接收温度ϴ_S1和/或ϴ_S2、参考温度ϴ_ref和周围温度ϴ_ambient。在其学习模式中的液位估计系统202基于温度ϴ_S1和/或ϴ_S2、参考温度ϴ_ref和周围温度ϴ_ambient来构造特征矢量，并针对温度ϴ_S1和/或ϴ_S2中的一个或多个生成特征矢量的分布。此外，在学习模式中，液位估计系统202基于特征矢量的分布确定液位阈值，并将液位阈值和特征矢量存储在参数数据库202F中作为历史温度梯度数据。在操作模式中，液位估计系统202接收来自参数数据库202F的历史温度梯度数据以及由感测单元201实时记录的温度ϴ_S1和/或ϴ_S2、参考温度ϴ_ref和周围温度ϴ_ambient。在操作模式中，液位估计系统使用这些输入来基于温度ϴ_S1和/或ϴ_S2、ϴ_ref和ϴ_ambient使用在学习模式中时计算的液位阈值来预测电气设备内的液位。在操作模式中，液位估计系统202用实时计算的特征矢量连续更新其历史温度梯度数据，以提高液位预测的准确性。

图3图示了图示由图2A和2B中所图示的液位估计系统（FLES）202采用的计算机系统300的架构的框图，该液位估计系统（FLES）202用于预测电气设备内的液位。FLES 202采用计算机系统300的架构。计算机系统300是可使用高级计算机编程语言编程的。可以使用编程的和有目的的（purposeful）硬件来实现计算机系统300。如图3中所图示的，计算机系统300包括处理器301、非暂时性计算机可读存储介质，（诸如用于存储程序和数据的存储器单元302）、输入/输出（I/O）控制器303、网络接口304、数据总线305、显示单元306、输入设备307、固定介质驱动器308（诸如硬盘驱动器）、用于接收可移动介质的可移动介质驱动器309、输出设备310等。处理器301指代能够执行计算机程序或一系列命令、指令或状态转换的微处理器、中央处理单元（CPU）设备、有限状态机、微控制器、数字信号处理器、专用集成电路（ASIC）、现场可编程门阵列（FPGA）等中的任何一个或其任何组合。处理器301还可以被实现为包括例如通用微处理器和数学或图形协处理器的处理器集。例如，从Intel^®处理器、高级微设备（AMD^®）处理器、国际商业机器（IBM^®）处理器等中选择处理器301。本文中公开的FLES 202不限于采用处理器301的计算机系统300。计算机系统300也可以采用控制器或微控制器。处理器301执行FLES 202的模块，例如202A、202B、202C和202D、202E、202G等。

存储器单元302被用于存储程序、应用和数据。例如，FLES 202的数据通信模块202A、温度确定模块202B、特征矢量生成模块202C、液位预测模块202D、数据学习模块202E、参数数据库202F和模式选择模块202G被存储在计算机系统300的存储器单元302中。存储器单元302例如是随机存取存储器（RAM）或另一类型的动态存储设备，其存储信息和指令以供处理器301执行。存储器单元302还存储在由处理器301执行指令期间使用的临时变量和其他中间信息。计算机系统300进一步包括只读存储器（ROM）或另一类型的静态存储设备，其存储用于处理器301的静态信息和指令。I/O控制器303控制由FLES 202执行的输入动作和输出动作。

网络接口304使得能够实现计算机系统300到通信网络203的连接。例如，FLES 202的数据通信模块202A经由网络接口304建立与通信网络203的连接。在实施例中，网络接口304被提供为接口卡，也被称为线卡（line card）。网络接口304例如包括使用串行协议的接口、使用并行协议的接口和以太网通信接口、基于无线通信技术（诸如卫星技术、射频（RF）技术、近场通信）的接口等。数据总线305允许模块之间的通信，所述模块例如FLES 202的202A、202B、202C、202D、202E、202F、202G等。

显示单元306经由FLES 202的图形用户界面（GUI——未示出）显示信息，诸如经由诸如图形、文本字段、按钮、窗口等的用户界面元素显示电气设备上的传感器S1、S2、S_ref、S_ambient等的物理位置、由温度确定模块202B确定的温度ϴ_S1、ϴ_S2、ϴ_ref和ϴ_ambient、由特征矢量生成模块202C生成的特征矢量、由梯度管理模块202D1根据特征矢量的分布生成的概率密度函数、由液位预测模块202D确定的液位等。显示单元306包括例如液晶显示器、等离子显示器、基于有机发光二极管（OLED）的显示器等。输入设备307被用于将数据输入到计算机系统300中。输入设备307例如是键盘（诸如字母数字键盘）、触敏显示设备和/或能够感测触觉输入的任何设备，其可以由负责安装、调试和/或维护电气设备的工作人员使用。

计算机应用和程序被用于操作计算机系统300。程序经由可移动介质驱动器309被加载到固定介质驱动器308上并且被加载到计算机系统300的存储器单元302中。在实施例中，可以经由通信网络203来直接加载计算机应用和程序。通过使用输入设备307之一双击显示在显示单元306上的相关图标来执行计算机应用和程序。输出设备310输出由FLES 202执行的操作的结果。例如，FLES 202使用输出设备310提供由梯度管理模块202D1基于特征矢量生成的分布的图形表示。在另一个示例中，FLES 202可以使用输出设备310基于电气设备内的液位来提供警报指示和/或通知。

处理器301执行操作系统，例如，Linux^®操作系统、Unix^®操作系统、Microsoft^®Windows^®操作系统的任何版本、Apple公司的Mac OS、IBM^® OS/2等。计算机系统300采用操作系统来执行多个任务。操作系统负责计算机系统300的活动的管理和协调以及资源的共享。操作系统进一步管理计算机系统300、连接到计算机系统300的外围设备以及网络连接的安全性。在计算机系统300上采用的操作系统例如识别由用户使用输入设备307之一提供的输入、输出显示、文件和本地存储在固定介质驱动器308上的目录。计算机系统300上的操作系统使用处理器301执行不同的程序。处理器301和操作系统一起定义计算机平台，针对该计算机平台以高级编程语言编写了应用程序。

由FLES 202采用的计算机系统300的处理器301检索由FLES 202的数据通信模块202A、温度确定模块202B、特征矢量生成模块202C、液位预测模块202D、数据学习模块202E、模式选择模块202G等定义的指令，用于执行在图2A的详细描述中公开的相应功能。处理器301从存储器单元302检索用于执行FLES 202的模块的指令，所述模块例如202A、202B、202C、202D、202E、202G等。程序计数器确定指令在存储器单元302中的位置。程序计数器存储标识FLES 202的模块中的每个（例如202A、202B、202C、202D、202E、202G等）的程序中的当前位置的数字。由处理器301从存储器单元302取出的指令在被处理之后被解码。指令被存储在处理器301中的指令寄存器中。在处理和解码之后，处理器301执行指令，由此执行由那些指令定义的一个或多个过程。

在执行时，检查存储在指令寄存器中的指令，以确定要执行的操作。处理器301然后执行指定的操作。所述操作包括算术操作和逻辑操作。操作系统执行多个例程，以用于执行分配输入设备307、输出设备310和用于FLES 202的模块的执行的存储器所需的多个任务，所述模块例如202A、202B、202C、202D、202E、202G等。由操作系统执行的任务包括，例如，将存储器分配给FLES 202的模块，例如202A、202B、202C、202D、202E、202G等，以及将存储器分配给由FLES 202使用的数据，在存储器单元302和磁盘单元之间移动数据，以及处置输入/输出操作。操作系统根据操作的请求来执行任务，并且在执行任务之后，操作系统将执行控制转移回到处理器301。处理器301继续执行以获得一个或多个输出。FLES 202的模块（例如202A、202B、202C、202D、202E、202G等）的执行的输出在GUI上被显示给用户。

为了说明的目的，详细描述涉及正在计算机系统300上本地运行的FLES 202；然而，本发明的范围不限于经由操作系统和处理器301正在计算机系统300上本地运行的FLES202，而是可以被扩展到通过采用web浏览器和远程服务器、手持式设备或其他电子设备通过通信网络203远程运行。计算机系统300的一个或多个部分可以跨耦合到通信网络203的一个或多个计算机系统（未示出）分布。

本文中还公开了一种计算机程序产品，其包括非暂时性计算机可读存储介质，该非暂时性计算机可读存储介质存储一个或多个计算机程序代码，该计算机程序代码包括可由至少一个处理器301执行以用于估计电气设备内的液位的指令，如本发明中所公开的那样。计算机程序产品包括用于执行模块202A、202B、202C、202D、202E、202G等的相应功能的计算机程序代码，如在图2A的详细描述中公开的那样。包括计算机可执行指令的计算机程序代码在非暂时性计算机可读存储介质上实现。计算机系统300的处理器301检索这些计算机可执行指令并执行它们。当计算机可执行指令由处理器301执行时，计算机可执行指令使处理器301执行模块202A、202B、202C、202D、202E、202G等的功能，如图2A的详细描述中所公开的那样。

图4图示了用于预测流体填充的电气设备的性能的示例性方法的过程流程图400。在步骤401处，该方法从图2A中所图示的感测单元201接收由感测单元201的传感器S_ambient记录的与围绕电气设备的周围环境相关联的温度数据，以及由电气设备上的预定位置处的感测单元201的传感器S1、S2和S_ref记录的与电气设备中填充的流体相关联的温度数据。

在步骤402处，该方法根据温度数据来确定在电气设备上和围绕电气设备的周围环境的预定位置处的温度ϴ_S1、ϴ_S2、ϴ_ref和ϴ_ambient。为了确定温度ϴ_S1、ϴ_S2、ϴ_ref和ϴ_ambient，在步骤402A处，该方法处理温度数据以过滤噪声和存在的其他背景干扰（如果有的话）。

在步骤403处，该方法使用参考温度ϴ_ref和周围温度ϴ_ambient针对温度ϴ_S1、ϴ_S2中的一个或多个生成特征矢量。在步骤403A处，该方法确定温度ϴ_S1和ϴ_S2中的至少一个相对于周围温度ϴ_ambient的相关性。在步骤403B处，该方法确定在由感测单元201针对其记录温度的一段时间内参考温度ϴ_ref相对于周围温度ϴ_ambient的相关性。

在步骤404处，该方法基于特征矢量和与电气设备相关联的历史温度梯度数据来预测电气设备内的液位。在步骤401A处，该方法使用与电气设备相关联的历史温度梯度数据针对温度ϴ_S1和/或ϴ_S2来生成特征矢量的分布。在步骤403B处，该方法基于特征矢量的分布来确定液位阈值。在步骤403C处，该方法将特征矢量与液位阈值进行比较以预测液位是低于正常液位还是在正常液位处。

在步骤405处，该方法基于预测的液位启动一个或多个通知。该通知包括例如流体盗窃警报、低液位警报、临界液位警报等。

图5A-5B图示了根据本发明的作为电气设备的实施例的变压器500的有源部分，该变压器500具有壳体101、芯102、至少一个绕组元件103、储油器104和冷却单元105。图5A图示了图2A中所示的感测单元201的传感器S1，其物理地安装在壳体101上，用于测量流体温度ϴ_S1。感测单元201的另一个传感器S_ref靠近冷却单元105（即靠近散热器片105的顶端）被物理地安装在壳体101上，用于测量变压器500内的流体106的参考温度ϴ_ref。感测单元201的传感器S_ambinet被物理地安装在变压器500的附近，用于测量周围温度ϴ_ambinet。

图5B图示了根据本发明的感测单元201的另一个实施例中，其图示了传感器S1、S2、S_ref和S_ambinet物理地安装在变压器500上和变压器500周围。传感器S2被物理地安装在储油器104上，用于测量在预定位置处（即，在储油器104上）的流体106的温度ϴ_S2。由这些传感器S1、S2、S_ref和S_ambinet测量的温度被液位估计系统202用来预测变压器500内的流体106的液位。如图5A-5B中所示，液位估计系统202可以被物理地安装在变压器500上，或者驻留在变压器500的外部，或者驻留在基于云的服务器（未示出）中。传感器S1、S2、S_ref和S_ambinet经由图2A中图示的有线和/或无线通信网络203与液位估计系统202通信。

图6图示了与一个或多个流体温度相关联的特征矢量的分布的图形表示。当液位估计系统202正在以如图2B中所示的学习模式操作时，如图6中所示的分布由梯度管理模块202D1使用当物理地安装在变压器500上时由传感器S1和S2中的至少一个记录的历史温度梯度数据相对于由传感器S_ref记录的历史温度梯度数据来构造，并且被存储在参数数据库202F中。图6中所示的分布包括针对在学习操作的模式中的一段时间内记录的特征矢量的椭圆601、602、603和604。然后，该分布被用于计算概率密度函数，即由参考椭圆605表示的多变量正态概率密度函数，该概率密度函数进而被用作用于计算液位阈值的边界条件。当液位估计系统202在操作模式中时，然后将针对每个传入传感器读数计算的特征矢量与液位阈值进行比较，以确定电气设备500内的流体106的液位的常态。因此，概率密度函数量化温度数据的常态，并且进而量化液位。

图7图示了基于变压器500中的油位的预测的图5A-5B中所示的油填充的变压器500的性能的图形表示。图7在Y轴上示出了在图5A-5B中所示的储油器104的底部处记录的流体温度ϴ_S2和在变压器500的附近记录的周围温度ϴ_ambient之间的相关性，其在X轴上示出的一段时间内绘制。图7还在Y轴上示出了在散热器片105的顶部处记录的参考温度ϴ_ref和周围温度ϴ_ambient之间的相关性，其在X轴中所示的一段时间内绘制。使用这些相关性，即特征矢量、图6中所图示的特征矢量的分布以及根据该分布确定的概率密度函数，液位估计系统202预测与液位相关联的事件，即正常油位的概率和从变压器500盗油的概率，如图7中所示。

将显然的是，本文中公开的各种方法、算法和计算机程序可以在针对计算设备适当编程的计算机可读介质上实现。如本文中所使用的那样，“计算机可读介质”指代参与提供数据（例如，可以由计算机、处理器或类似设备读取的指令）的非暂时性计算机可读介质。非暂时性计算机可读介质包括除了暂时性传播信号之外的所有计算机可读介质，例如，非易失性介质、易失性介质和传输介质。

实现本文中公开的方法和算法的计算机程序可以使用多种介质（例如，计算机可读介质）以若干种方式来存储和传输。在实施例中，可以使用硬连线电路或定制硬件来代替或结合软件指令来实现各种实施例的过程。因此，实施例不限于硬件和软件的任何特定组合。通常，包括计算机可执行指令的计算机程序代码可以以任何编程语言来实现。计算机程序代码或软件程序可以作为目标代码被存储在一个或多个介质上或被存储在其中。当在浏览器程序的可视区域或窗口中查看时，本文中公开的方法和系统的各种方面可以在非编程环境中实现，该非编程环境包括例如以超文本标记语言（HTML）、可扩展标记语言（XML）或呈现图形用户界面（GUI）的各方面或执行其他功能的其他格式创建的文档。本文中公开的方法和系统的各种方面可以被实现为编程元件、或非编程元件或其任何合适的组合。本文中公开的计算机程序产品包括用于实现各种实施例的过程的一个或多个计算机程序代码。

在描述诸如参数数据库202F的数据库的情况下，本领域中的普通技术人员将理解，（i）可以容易地采用所描述的那些数据库结构的替代数据库结构，以及（ii）除了数据库之外还可以容易地采用其他存储器结构。本文中公开的任何样本数据库的任何图示或描述都是用于信息的存储表示的说明性布置。除了由附图或其他地方中所图示的表格所建议的那些布置之外，还可以采用任何数量的其他布置。类似地，数据库的任何图示条目仅表示示例性信息；本领域中的普通技术人员将理解，条目的数量和内容可以不同于本文中公开的那些。此外，尽管数据库作为表格的任何描述，但是包括关系数据库、基于对象的模型和/或分布式数据库的其他格式可以被用于存储和操纵本文中公开的数据类型。类似地，数据库的对象方法或行为可以被用于实现各种过程，诸如本文中公开的那些过程。此外，数据库可以以已知的方式被本地存储或远离访问这样的数据库中的数据的设备存储。在其中系统中有多个数据库的实施例中，数据库可以被集成以彼此通信，以便在针对数据库之一中的数据有任何更新时，使得能够实现跨数据库链接的数据的同时更新。

本发明可以被配置成在包括一个或多个计算机的网络环境中工作，所述一个或多个计算机经由网络与一个或多个设备通信。计算机可以经由有线介质或无线介质（诸如因特网、局域网（LAN）、广域网（WAN）或以太网、令牌环）或者经由任何适当的通信介质或通信介质的组合直接地或间接地与设备通信。设备中的每个包括适于与计算机通信的处理器，上面公开了其一些示例。在实施例中，计算机中的每个配备有网络通信设备，例如网络接口卡、调制解调器或适用于连接到网络的其他网络连接设备。计算机和设备中的每个执行操作系统，上面公开了其一些示例。虽然操作系统可能根据计算机的类型而不同，但操作系统将继续提供适当的通信协议来与网络建立通信链接。任何数量和类型的机器都可以与计算机通信。

本发明不限于特定的计算机系统平台、处理器、操作系统或网络。本发明的一个或多个方面可以被分布在一个或多个计算机系统中，所述计算机系统例如被配置成向一个或多个客户端计算机提供一个或多个服务或者在分布式系统中执行完整任务的服务器。例如，本发明的一个或多个方面可以在客户端-服务器系统上执行，所述客户端-服务器系统包括分布在执行根据各种实施例的多个功能的一个或多个服务器系统中的部件。这些部件包括例如可执行代码、中间代码或解释代码，所述代码使用通信协议通过网络进行通信。本发明不限于在任何特定系统或系统的组上可执行，并且不限于任何特定分布式架构、网络或通信协议。

前述示例仅为了解释的目的而已经被提供，并且决不被解释为对本文中公开的本发明的限制。虽然已经参考各种实施例描述了本发明，但是要理解，本文中已经使用的词是描述和说明性的词，而不是限制性的词。此外，尽管本文中已经参考特定的装置、材料和实施例描述了本发明，但是本发明不旨在被限于本文中公开的细节（particulars）；而是，本发明扩展到所有功能等同的结构、方法和用途，诸如在所附权利要求的范围内。受益于本说明书的教导的本领域技术人员可以对其进行（affect）多种修改，并且可以在其各方面中不脱离本发明的范围和精神的情况下进行改变。

Claims

1.一种用于预测流体填充的电气设备（500）的性能的系统（200），包括：

- 感测单元（201），其被配置成记录至少与围绕电气设备（500）的周围环境相关联的温度数据以及与电气设备（500）上和电气设备（500）周围的预定位置处的电气设备（500）中填充的流体（106）相关联的温度数据；以及

- 液位估计系统（202），其与感测单元（201）可操作地通信，其被配置成基于温度数据来预测电气设备（500）内的流体（106）的液位。

2.根据权利要求1所述的系统（200），其中，所述感测单元（201）包括：

- 至少一个传感器（S1），其可物理地安装在电气设备（500）的壳体（101）上；

- 至少一个传感器（Sref），其可物理地安装在电气设备（500）的冷却单元（105）上；以及

- 至少一个传感器（Sambient），其可物理地安装在围绕电气设备（500）的周围环境中的电气设备（500）的附近。

3.根据权利要求2所述的系统（200），其中，所述感测单元（201）包括可物理地安装在电气设备（500）的流体存储部件（104）上的传感器（S2）。

4.一种液位估计系统（202），用于预测流体填充的电气设备（500）内的流体（106）的液位，并且包括：

- 非暂时性计算机可读存储介质（302），其被配置成存储由所述液位估计系统（202）的模块定义的计算机程序指令；

- 至少一个处理器（301），其通信地耦合到所述非暂时性计算机可读存储介质（302），所述至少一个处理器（301）被配置成执行所述液位估计系统（202）的所述模块；以及

- 所述液位估计系统（202）的所述模块包括：

数据通信模块（202A），其被配置成与感测单元（201）通信，所述感测单元（201）包括可部署在填充有流体（106）的电气设备（500）上和电气设备（500）周围的预定位置处以及在电气设备（500）的附近的传感器（S1，S2，Sref，Sambient），用于接收由感测单元（201）的传感器（S1，S2，Sref，Sambient）记录的温度数据；以及

温度确定模块（202B），其被配置成通过处理温度数据来确定与电气设备（500）上的预定位置处的流体（106）相关联的一个或多个温度（ϴ_S1，ϴ_S2，ϴ_ref）以及在电气设备（500）周围的预定位置处的周围环境的周围温度（ϴ_ambient）；

特征矢量生成模块（202C），其被配置成使用流体的参考温度（ϴ_ref）和周围温度（ϴ_ambient）来针对流体的一个或多个温度（ϴ_S1，ϴ_S2）生成特征矢量；以及

液位预测模块（202D），其被配置成基于特征矢量和与电气设备（500）相关联的历史温度梯度数据来预测电气设备（500）内的流体（106）的液位。

5.根据权利要求4所述的液位估计系统（202），其中，所述预定位置包括感测单元（201）的传感器（S1，S2和Sref）被定位在其处的电气设备（500）上的位置。

6.根据权利要求4所述的液位估计系统（202），其中，所述特征矢量生成模块（202C）被进一步配置成确定在一段时间内流体（106）的温度（ϴ_S1，ϴ_S2）中的至少一个相对于周围温度（ϴ_ambient）的相关性，以及参考温度（ϴ_ref）相对于周围温度（ϴ_ambient）的相关性。

7.根据权利要求4所述的液位估计系统（202），其中，所述液位预测模块（202D）包括：

- 梯度管理模块（202D1），其被配置成使用与电气设备（500）相关联的历史温度梯度数据针对温度（ϴ_S1，ϴ_S2）中的一个或多个温度来生成特征矢量的分布；

- 阈值确定模块（202D2），其被配置成基于所述分布来确定液位阈值；以及

- 参数比较模块（202D3），其被配置成将特征矢量与液位阈值进行比较。

8.根据权利要求4和7中的任一项所述的液位估计系统（202），其中，所述液位预测模块（202D）被配置成基于预测的流体（106）的液位来启动一个或多个通知，其中，所述通知包括流体盗窃警报、低液位警报和临界液位警报中的一项或多项。

9.一种电气设备（500），包括：

- 壳体（101）；

- 定位在壳体（101）内的芯（102），其中芯（102）至少部分地浸入流体（106）中；

- 至少一个冷却单元（105），其可操作地连接到壳体（101），其被配置成冷却流体（106）；以及

- 系统（200），其可部署在电气设备（500）上和电气设备（500）周围，并配置成预测流体填充的电气设备（500）的性能。

10.根据权利要求7所述的电气设备（500），其中，所述系统（200）包括：

- 感测单元（201），其被配置成记录与围绕电气设备（500）的周围环境相关联的温度数据以及与电气设备（500）上和电气设备（500）周围的预定位置处的电气设备（500）中填充的流体（106）相关联的温度数据；以及

11.根据权利要求9所述的电气设备（500），其是流体冷却的电气设备。

12.一种用于预测流体填充的电气设备（500）的性能的方法（400），所述方法包括：

- 从感测单元（201）接收至少与围绕电气设备（500）的周围环境相关联的温度数据以及与电气设备（500）上和电气设备（500）周围的预定位置处的电气设备（500）中填充的流体（106）相关联的温度数据；

- 根据温度数据来确定电气设备（500）上和电气设备（500）周围的预定位置处以及围绕电气设备（500）的周围环境的温度（ϴ_S1，ϴ_S2，ϴ_ref和ϴ_ambient）；

- 使用参考温度（ϴ_ref）和周围温度（ϴ_ambient）针对一个或多个温度（ϴ_S1，ϴ_S2）生成特征矢量；以及

- 基于特征矢量和与电气设备（500）相关联的历史温度梯度数据，预测电气设备（500）内的流体（106）的液位。

13.根据权利要求10所述的方法（400），其中，生成特征矢量包括确定在一段时间内温度（ϴ_S1，ϴ_S2）中的至少一个相对于周围温度（ϴ_ambient）的相关性，以及参考温度（ϴ_ref）相对于周围温度（ϴ_ambient）的相关性。

14.根据权利要求10所述的方法（400），其中，预测电气设备（500）内的流体（106）的液位包括：

- 使用与电气设备（500）相关联的历史温度梯度数据，针对温度（ϴ_S1，ϴ_S2）中的一个或多个生成特征矢量的分布；

- 基于所述分布确定液位阈值；以及

- 将特征矢量与液位阈值进行比较。

15.根据权利要求10和14中的任一项所述的方法（400），进一步包括基于预测的流体（106）的液位来启动一个或多个通知，其中，所述通知包括流体盗窃警报、低液位警报和临界液位警报中的一个或多个。