CN112183976B - 配电变压器风险评估模型构建方法、风险评估方法及系统 - Google Patents

配电变压器风险评估模型构建方法、风险评估方法及系统 Download PDF

Info

Publication number
CN112183976B
CN112183976B CN202010986292.6A CN202010986292A CN112183976B CN 112183976 B CN112183976 B CN 112183976B CN 202010986292 A CN202010986292 A CN 202010986292A CN 112183976 B CN112183976 B CN 112183976B
Authority
CN
China
Prior art keywords
transformer
dimension
model
climate
service time
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
CN202010986292.6A
Other languages
English (en)
Other versions
CN112183976A (zh
Inventor
唐成虹
李渊
杨志宏
裴玮
庄莹
马刚
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.)
Nanjing Normal University
Institute of Electrical Engineering of CAS
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
Original Assignee
Nanjing Normal University
Institute of Electrical Engineering of CAS
Nari Technology Co Ltd
NARI Nanjing Control System 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 Nanjing Normal University, Institute of Electrical Engineering of CAS, Nari Technology Co Ltd, NARI Nanjing Control System Co Ltd filed Critical Nanjing Normal University
Priority to CN202010986292.6A priority Critical patent/CN112183976B/zh
Publication of CN112183976A publication Critical patent/CN112183976A/zh
Application granted granted Critical
Publication of CN112183976B publication Critical patent/CN112183976B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种配电变压器风险评估模型构建方法、风险评估方法及系统，本发明根据服役时间维度特征量构建服役时间维度模型，根据环境气候维度特征量构建环境气候维度模型，根据监测数据维度特征量构建监测数据维度模型，最后根据服役时间维度模型、环境气候维度模型和监测数据维度模型，构建基于多维特征融合的变压器风险评估模型，相较于仅考虑单一维度的模型及人工干预的传统风险评估方法，该模型综合考虑了多维风险影响因子，更能科学准确的评估配电变压器的风险状态，该风险评估方法及系统，实现了风险的自动评估及对于风险的主动预防控制，对于延长配电变压器的服役寿命，降低配电网运行潜在风险，保障配电系统安全可靠运行具有重要意义。

Description

配电变压器风险评估模型构建方法、风险评估方法及系统
技术领域
本发明涉及一种配电变压器风险评估模型构建方法、风险评估方法及系统，属于配电自动化和运维技术领域。
背景技术
配电变压器是应用最为广泛的电气设备之一，其安全运行在工业生产、民用生活中极为重要。我国配电变压器种类繁杂、部署分散，一方面，其运行可靠性随着服役时间的推移而降低，另一方面，配电网中负荷的不确定性、设备的随机故障、外部和人为因素的影响都增加了配电变压器的安全运行风险，因此，配电变压器风险评估的重要性也日益凸显。
现有配电变压器风险评估方法主要是利用单一的历史统计数据或运行样本数据，通过人工干预的方法对变压器的运行状态进行风险评估，进而评估是否需要运维检修，评估中使用的模型单一，考虑因素不够全面，准确度较差，自动化程度不高。
发明内容
本发明提出了一种配电变压器风险评估模型构建方法、风险评估方法及系统，解决了背景技术中披露的问题。
为了解决上述技术问题，本发明所采用的技术方案是：
配电变压器风险评估模型构建方法，包括，
根据变压器的服役时间维度特征量，获取变压器服役时间维度模型因子，构建服役时间维度模型；
根据变压器的环境气候维度特征量，获取变压器环境气候维度模型因子，构建环境气候维度模型；
根据变压器监测数据维度特征量，获取变压器监测数据维度模型因子，构建监测数据维度模型；
根据服役时间维度模型、环境气候维度模型和监测数据维度模型，获取服役时间维度状态评估基础元模型、环境气候维度状态评估基础元模型和监测数据维度状态评估基础元模型，构建基于多维特征融合的变压器风险评估模型。
服役时间维度特征量包括变压器的服役时间、评估时段、热点温度和形状参数；环境气候维度特征量包括变压器停运故障率的统计平均值、正常气候和恶劣气候下变压器累计运行时长、恶劣气候下变压器故障数在服役期间总故障数中的占比；监测数据维度特征量包括变压器各关键部件在线监测基础参数百分制评分。
变压器服役时间维度模型因子为，
Figure GDA0003716975640000021
其中，λa(t)为变压器服役时间维度模型因子，t为变压器的服役时间，Δt为变压器的评估时段，C和B均为经验常数，Θ0为变压器的热点温度，β为变压器的形状参数；
服役时间维度模型为，
Figure GDA0003716975640000022
其中，Pa为服役时间维度状态指数。
变压器环境气候维度模型因子为，
Figure GDA0003716975640000031
其中，λb(M)为变压器环境气候维度模型因子，N为正常气候下变压器累计运行时长，H为恶劣气候下变压器累计运行时长，ω为变压器当前所处的气候状况，M为恶劣气候下变压器故障数在服役期间总故障数中的占比，
Figure GDA0003716975640000032
为变压器停运故障率的统计平均值；
环境气候维度模型为，
Figure GDA0003716975640000033
其中，Pb为环境气候维度状态指数。
变压器监测数据维度模型因子为，
Figure GDA0003716975640000034
其中，CVi为变压器第i个关键部件在线监测基础参数百分制评分，N′为关键部件数量；
监测数据维度模型为，
Figure GDA0003716975640000035
其中，Pc为监测数据维度状态指数。
服役时间维度状态评估基础元模型为，
Figure GDA0003716975640000036
环境气候维度状态评估基础元模型为，
Figure GDA0003716975640000037
监测数据维度状态评估基础元模型为
Figure GDA0003716975640000041
其中，
Figure GDA0003716975640000042
为服役时间维度状态指数参考量，
Figure GDA0003716975640000043
为环境气候维度状态指数参考量，
Figure GDA0003716975640000044
为监测数据维度状态指数参考量；T为规定的变压器最大服役寿命；λa(T)为变压器服役时间T时，变压器服役时间维度模型因子；λb(0)为恶劣气候下变压器故障数在服役期间总故障数中的占比为0时，变压器环境气候维度模型因子；λc(100)为变压器关键部件在线监测基础参数百分制评分100时，变压器监测数据维度模型因子；
基于多维特征融合的变压器风险评估模型为，
Figure GDA0003716975640000045
其中，P为变压器风险状态指数，Pa为服役时间维度状态指数，Pb为环境气候维度状态指数，Pc为监测数据维度状态指数。
配电变压器风险评估方法，包括，
获取变压器的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量；
将变压器的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量，输入上述方法构建的基于多维特征融合的变压器风险评估模型，获得变压器风险状态指数；
根据变压器风险状态指数和预设评估规则，评估变压器是否处于风险状态。
预设评估规则为，
响应于变压器风险状态指数超过风险阈值，变压器处于风险状态；响应于变压器风险状态指数未超过风险阈值，变压器处于正常状态。
配电变压器风险评估系统，包括，
特征量获取模块：获取变压器的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量；
变压器风险状态指数获取模块：将变压器的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量，输入上述方法构建的基于多维特征融合的变压器风险评估模型，获得变压器风险状态指数；
风险评估模块：根据变压器风险状态指数和预设评估规则，评估变压器所处状态。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行配电变压器风险评估模型构建方法或配电变压器风险评估方法。
本发明所达到的有益效果：本发明根据服役时间维度特征量构建服役时间维度模型，根据环境气候维度特征量构建环境气候维度模型，根据监测数据维度特征量构建监测数据维度模型，最后根据服役时间维度模型、环境气候维度模型和监测数据维度模型，构建基于多维特征融合的变压器风险评估模型，相较于仅考虑单一维度的模型及人工干预的传统风险评估方法，该模型综合考虑了对配电变压器风险状态有重要影响的多维因子，更能科学准确地反映配电变压器的风险状态；该风险评估方法及系统，实现了配电变压器风险的自动化评估，可以及时准确发现服役配电变压器隐患，并对处于风险状态的配电变压器采取主动预防控制措施，对于延长配电变压器的服役寿命，降低配电网运行潜在风险，保障配电系统安全稳定可靠运行具有重要意义。
附图说明
图1为本发明的模型构建方法流程图；
图2为本发明的风险评估方法流程图。
具体实施方式
下面结合附图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。
如图1所示，配电变压器风险评估模型构建方法，包括以下步骤：
步骤1，根据变压器的服役时间维度特征量，获取变压器服役时间维度模型因子，构建服役时间维度模型。
服役时间维度特征量包括变压器的服役时间、评估时段、热点温度和形状参数等。
变压器服役时间维度模型因子为：
Figure GDA0003716975640000061
其中，t为变压器的服役时间，Δt为变压器的评估时段，C和B均为经验常数，C一般取1.903×10-12，B一般取15000，Θ0为变压器的热点温度，β为变压器的形状参数。
根据变压器服役时间维度模型因子，构建的服役时间维度模型为：
Figure GDA0003716975640000062
其中，Pa为服役时间维度状态指数，λa(t)为变压器服役时间维度模型因子。
步骤2，根据变压器的环境气候维度特征量，获取变压器环境气候维度模型因子，构建环境气候维度模型。
环境气候维度特征量包括变压器停运故障率的统计平均值、变压器所处环境气候、正常气候和恶劣气候下变压器累计运行时长、恶劣气候下变压器故障数在服役期间总故障数中的占比等。
变压器环境气候维度模型因子为：
Figure GDA0003716975640000071
其中，N为正常气候下变压器累计运行时长，H为恶劣气候下变压器累计运行时长，ω为变压器当前所处的气候状况，正常气候ω＝0，恶劣气候ω＝1，M为恶劣气候下变压器故障数在服役期间总故障数中的占比，
Figure GDA0003716975640000072
为变压器停运故障率的统计平均值。
根据变压器环境气候维度模型因子，构建的环境气候维度模型为：
Figure GDA0003716975640000073
其中，Pb为环境气候维度状态指数，λb(t)为变压器环境气候维度模型因子。
步骤3，根据变压器监测数据维度特征量，获取变压器监测数据维度模型因子，构建监测数据维度模型。
监测数据维度特征量包括变压器各关键部件在线监测基础参数百分制评分等。
变压器监测数据维度模型因子为：
Figure GDA0003716975640000081
其中，N′为关键部件数量，CVi为变压器第i个关键部件在线监测基础参数百分制评分，一般认为有变压器箱体参数(箱体温度、电弧放电、箱体振动)、套管绝缘参数(套管绝缘电阻、介质损耗、局部放电量)、绕组绝缘参数(绕组温度、绕组变形、绕组纸板绝缘)、油枕参数(油温、油中溶解气体含量、油中产气速率)。
根据变压器监测数据维度模型因子，构建的监测数据维度模型为，
Figure GDA0003716975640000082
其中，Pc为监测数据维度状态指数，λc(CV)为变压器监测数据维度模型因子。
步骤4，根据服役时间维度模型、环境气候维度模型和监测数据维度模型，获取服役时间维度状态评估基础元模型、环境气候维度状态评估基础元模型和监测数据维度状态评估基础元模型，构建基于多维特征融合的变压器风险评估模型。
服役时间维度状态评估基础元模型、环境气候维度状态评估基础元模型和监测数据维度状态评估基础元模型分别用以计算各状态指数参考量；具体模型如下：
服役时间维度状态评估基础元模型为，
Figure GDA0003716975640000083
环境气候维度状态评估基础元模型为，
Figure GDA0003716975640000084
监测数据维度状态评估基础元模型为
Figure GDA0003716975640000091
其中，
Figure GDA0003716975640000092
为服役时间维度状态指数参考量，
Figure GDA0003716975640000093
为环境气候维度状态指数参考量，
Figure GDA0003716975640000094
为监测数据维度状态指数参考量；T为规定的变压器最大服役寿命；λa(T)为变压器服役时间T时，变压器服役时间维度模型因子；λb(0)为恶劣气候下变压器故障数在服役期间总故障数中的占比为0时，变压器环境气候维度模型因子；λc(100)为变压器关键部件在线监测基础参数百分制评分100时，变压器监测数据维度模型因子。
根据服役时间维度模型、环境气候维度模型、监测数据维度模型、服役时间维度状态评估基础元模型、环境气候维度状态评估基础元模型和监测数据维度状态评估基础元模型，构建的基于多维特征融合的变压器风险评估模型为：
Figure GDA0003716975640000095
其中，P为变压器风险状态指数，Pa为服役时间维度状态指数，Pb为环境气候维度状态指数，Pc为监测数据维度状态指数。
上述方法根据服役时间维度特征量构建服役时间维度模型，根据环境气候维度特征量构建环境气候维度模型，根据监测数据维度特征量构建监测数据维度模型，最后根据服役时间维度模型、环境气候维度模型和监测数据维度模型，构建基于多维特征融合的变压器风险评估模型，相较于传统的单一维度模型，该模型综合考虑了对配电变压器风险状态有重要影响的多维因子，更能科学准确地反映配电变压器的风险状态。
如图2所示，配电变压器风险评估方法，包括以下步骤：
S1)获取变压器的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量；
S2)将变压器的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量，输入上述方法构建的基于多维特征融合的变压器风险评估模型，获得变压器风险状态指数；
S3)根据变压器风险状态指数和预设评估规则，评估变压器所处状态；其中，预设评估规则为：响应于变压器风险状态指数超过风险阈值，变压器处于风险状态；响应于变压器风险状态指数未超过风险阈值，变压器处于正常状态。当变压器处于风险状态则采取预设的减载、负荷转供等控制措施。
下面通过具体实例对上述评估方法进行说明：
配电变压器采用型号为SCB-630kVA/10kV/0.4kV的10kV变压器，其风险评估所需参数如表1所示：
表1 SCB-630kVA/10kV/0.4kV变压器风险评估所需参数
Figure GDA0003716975640000101
计算服役5年后的24h中，配电变压器每两小时的综合故障风险状态，结果比较如表2所示。(表中Pa为仅考虑服役时间维度的风险状态指数，Pb为仅考虑环境气候维度风险状态指数，Pc为仅考虑监测数据维度风险状态指数)
表2 10kV配电变压器风险状态指数计算结果比较表
前12h 2h 4h 6h 8h 10h 12h
P<sub>a</sub> 0.36×10<sup>-6</sup> 0.36×10<sup>-6</sup> 0.36×10<sup>-6</sup> 0.38×10<sup>-6</sup> 0.39×10<sup>-6</sup> 0.40×10<sup>-6</sup>
P<sub>b</sub> 0.12×10<sup>-4</sup> 0.12×10<sup>-4</sup> 0.12×10<sup>-4</sup> 0.12×10<sup>-4</sup> 0.12×10<sup>-4</sup> 0.12×10<sup>-4</sup>
P<sub>c</sub> 0.85×10<sup>-5</sup> 0.85×10<sup>-5</sup> 0.85×10<sup>-5</sup> 0.85×10<sup>-5</sup> 0.86×10<sup>-5</sup> 0.86×10<sup>-5</sup>
P 8.49×10<sup>-6</sup> 8.49×10<sup>-6</sup> 8.49×10<sup>-6</sup> 8.49×10<sup>-6</sup> 8.53×10<sup>-6</sup> 8.53×10<sup>-6</sup>
后12h 14h 16h 18h 20h 22h 24h
P<sub>a</sub> 0.40×10<sup>-6</sup> 0.40×10<sup>-6</sup> 0.39×10<sup>-6</sup> 0.38×10<sup>-6</sup> 0.36×10<sup>-6</sup> 0.36×10<sup>-6</sup>
P<sub>b</sub> 0.12×10<sup>-4</sup> 0.12×10<sup>-4</sup> 0.12×10<sup>-4</sup> 0.12×10<sup>-4</sup> 0.12×10<sup>-4</sup> 0.12×10<sup>-4</sup>
P<sub>c</sub> 0.86×10<sup>-5</sup> 0.86×10<sup>-5</sup> 0.86×10<sup>-5</sup> 0.86×10<sup>-5</sup> 0.86×10<sup>-5</sup> 0.86×10<sup>-5</sup>
P 8.53×10<sup>-6</sup> 8.53×10<sup>-6</sup> 8.53×10<sup>-6</sup> 8.53×10<sup>-6</sup> 8.53×10<sup>-6</sup> 8.53×10<sup>-6</sup>
综上，上述基于多维特征融合模型的配电变压器风险评估方法的状态指数计算结果，相较于单一维度计算所得状态指数，更加科学准确地反映了当前变压器风险状态。
上述评估方法可以及时发现服役配电变压器隐患，并对处于风险状态的配电变压器采取主动预防措施，可以延长配电变压器的服役寿命，降低配电网运行潜在风险，保障配电系统安全稳定可靠运行。
配电变压器风险评估模型构建系统，包括，
服役时间维度模型模块：根据变压器的服役时间维度特征量，获取变压器服役时间维度模型因子，构建服役时间维度模型；
环境气候维度模型模块：根据变压器的环境气候维度特征量，获取变压器环境气候维度模型因子，构建环境气候维度模型；
监测数据维度模型模块：根据变压器监测数据维度特征量，获取变压器监测数据维度模型因子，构建监测数据维度模型；
变压器风险评估模型模块：根据服役时间维度模型、环境气候维度模型和监测数据维度模型，获取服役时间维度状态评估基础元模型、环境气候维度状态评估基础元模型和监测数据维度状态评估基础元模型，构建基于多维特征融合的变压器风险评估模型。
配电变压器风险评估系统，包括，
特征量获取模块：获取变压器的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量；
变压器风险状态指数获取模块，即配电变压器风险评估模型构建系统：根据输入的将变压器的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量，输出变压器风险状态指数；
风险评估模块：根据变压器风险状态指数和预设评估规则，评估变压器所处状态.
风险处理模块：如果评估变压器处于风险状态，采取预设的减载、负荷转供等控制措施。
一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行配电变压器风险评估模型构建方法或配电变压器风险评估方法。
一种计算设备，包括一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行配电变压器风险评估模型构建方法或配电变压器风险评估方法的指令。
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。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (8)

1.配电变压器风险评估模型构建方法，其特征在于：包括，
根据变压器的服役时间维度特征量，获取变压器服役时间维度模型因子，构建服役时间维度模型；其中，服役时间维度模型为，
Figure FDA0003716975630000011
Pa为服役时间维度状态指数，λa(t)为变压器服役时间维度模型因子，t为变压器的服役时间；
根据变压器的环境气候维度特征量，获取变压器环境气候维度模型因子，构建环境气候维度模型；其中，环境气候维度模型为，
Figure FDA0003716975630000012
Pb为环境气候维度状态指数，λb(M)为变压器环境气候维度模型因子，M为恶劣气候下变压器故障数在服役期间总故障数中的占比；
根据变压器监测数据维度特征量，获取变压器监测数据维度模型因子，构建监测数据维度模型；其中，变压器监测数据维度模型因子为，
Figure FDA0003716975630000013
λc(CV)为变压器监测数据维度模型因子，N′为关键部件数量；监测数据维度模型为，
Figure FDA0003716975630000014
Pc为监测数据维度状态指数，CVi为变压器第i个关键部件在线监测基础参数百分制评分；
根据服役时间维度模型、环境气候维度模型和监测数据维度模型，获取服役时间维度状态评估基础元模型、环境气候维度状态评估基础元模型和监测数据维度状态评估基础元模型，构建基于多维特征融合的变压器风险评估模型；其中，服役时间维度状态评估基础元模型为，
Figure FDA0003716975630000015
环境气候维度状态评估基础元模型为，
Figure FDA0003716975630000021
监测数据维度状态评估基础元模型为
Figure FDA0003716975630000022
Figure FDA0003716975630000023
为服役时间维度状态指数参考量，
Figure FDA0003716975630000024
为环境气候维度状态指数参考量，
Figure FDA0003716975630000025
为监测数据维度状态指数参考量；T为规定的变压器最大服役寿命；λa(T)为变压器服役时间T时，变压器服役时间维度模型因子；λb(0)为恶劣气候下变压器故障数在服役期间总故障数中的占比为0时，变压器环境气候维度模型因子；λc(100)为变压器关键部件在线监测基础参数百分制评分100时，变压器监测数据维度模型因子；
基于多维特征融合的变压器风险评估模型为，
Figure FDA0003716975630000026
其中，P为变压器风险状态指数。
2.根据权利要求1所述的配电变压器风险评估模型构建方法，其特征在于：服役时间维度特征量包括变压器的服役时间、评估时段、热点温度和形状参数；环境气候维度特征量包括变压器停运故障率的统计平均值、正常气候和恶劣气候下变压器累计运行时长、恶劣气候下变压器故障数在服役期间总故障数中的占比；监测数据维度特征量包括变压器各关键部件在线监测基础参数百分制评分。
3.根据权利要求1所述的配电变压器风险评估模型构建方法，其特征在于：变压器服役时间维度模型因子为，
Figure FDA0003716975630000031
其中，Δt为变压器的评估时段，C和B均为经验常数，Θ0为变压器的热点温度，β为变压器的形状参数。
4.根据权利要求1所述的配电变压器风险评估模型构建方法，其特征在于：变压器环境气候维度模型因子为，
Figure FDA0003716975630000032
其中，N为正常气候下变压器累计运行时长，H为恶劣气候下变压器累计运行时长，ω为变压器当前所处的气候状况，
Figure FDA0003716975630000033
为变压器停运故障率的统计平均值，正常气候ω＝0，恶劣气候ω＝1。
5.配电变压器风险评估方法，其特征在于：包括，
获取变压器的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量；
将变压器的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量，输入权利要求1～4任意一项所述方法构建的基于多维特征融合的变压器风险评估模型，获得变压器风险状态指数；
根据变压器风险状态指数和预设评估规则，评估变压器是否处于风险状态。
6.根据权利要求5所述的配电变压器风险评估方法，其特征在于：预设评估规则为，
响应于变压器风险状态指数超过风险阈值，变压器处于风险状态；响应于变压器风险状态指数未超过风险阈值，变压器处于正常状态。
7.配电变压器风险评估系统，其特征在于：包括，
特征量获取模块：获取变压器的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量；
变压器风险状态指数获取模块：将变压器的服役时间维度特征量、环境气候维度特征量和监测数据维度特征量，输入权利要求1～4任意一项所述方法构建的基于多维特征融合的变压器风险评估模型，获得变压器风险状态指数；
风险评估模块：根据变压器风险状态指数和预设评估规则，评估变压器所处状态。
8.一种存储一个或多个程序的计算机可读存储介质，其特征在于：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至6所述的方法中的任一方法。
CN202010986292.6A 2020-09-18 2020-09-18 配电变压器风险评估模型构建方法、风险评估方法及系统 Active CN112183976B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010986292.6A CN112183976B (zh) 2020-09-18 2020-09-18 配电变压器风险评估模型构建方法、风险评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010986292.6A CN112183976B (zh) 2020-09-18 2020-09-18 配电变压器风险评估模型构建方法、风险评估方法及系统

Publications (2)

Publication Number Publication Date
CN112183976A CN112183976A (zh) 2021-01-05
CN112183976B true CN112183976B (zh) 2022-08-26

Family

ID=73921679

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010986292.6A Active CN112183976B (zh) 2020-09-18 2020-09-18 配电变压器风险评估模型构建方法、风险评估方法及系统

Country Status (1)

Country Link
CN (1) CN112183976B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114357589B (zh) * 2022-01-20 2022-09-02 中交第四公路工程局有限公司 一种格构幕墙结构的稳定性智能评估方法及系统
CN116611741B (zh) * 2023-07-14 2024-06-14 湖南省计量检测研究院 基于风电设备的服役质量指数体系构建方法及系统
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

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105631578A (zh) * 2015-12-10 2016-06-01 浙江大学 一种面向风险评估的输变电设备故障概率模型的建模方法
CN108985546A (zh) * 2018-05-30 2018-12-11 广东工业大学 一种考虑天气因素的电力变压器时变停运风险评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105631578A (zh) * 2015-12-10 2016-06-01 浙江大学 一种面向风险评估的输变电设备故障概率模型的建模方法
CN108985546A (zh) * 2018-05-30 2018-12-11 广东工业大学 一种考虑天气因素的电力变压器时变停运风险评估方法

Also Published As

Publication number Publication date
CN112183976A (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
CN112183976B (zh) 配电变压器风险评估模型构建方法、风险评估方法及系统
CN106908674B (zh) 一种基于多状态量预测的变压器状态评估方法
CN106372735B (zh) 一种继电保护状态评估方法
CN110163477A (zh) 一种基于状态监测数据确定电力设备的运行状态的方法及系统
CN107563620A (zh) 一种基于设备全寿命信息的综合评价方法
CN108985498A (zh) 一种基于风险评估的电缆退役更换方法
CN110176768A (zh) 一种电力数据分析方法
CN113112136A (zh) 一种配电网可靠性综合评估方法及系统
CN113779005A (zh) 一次设备的缺陷评估方法和装置、存储介质
CN116187759A (zh) 一种电缆线路运行风险评估方法及系统
CN109142988B (zh) 一种基于电能质量监测数据的配网故障定位方法及系统
CN113758604B (zh) 电气设备运行状态的检测方法、装置、设备及存储介质
CN114154728A (zh) 一种故障预测方法、装置、电子设备及存储介质
Nelson et al. Economical aspects of remote conditon monitoring system for distribution transformer
CN110516960B (zh) 一种变电站继电保护设备的可靠性指标定量计算方法
CN112241587B (zh) 配电线路风险评估模型构建方法、风险评估方法及系统
CN115600879A (zh) 一种断路器异常预警方法、系统及相关装置
CN115078618A (zh) 一种变压器油色谱故障识别方法及相关装置
Hong et al. Transformer risk assessment model under condition based maintenance
CN108106672B (zh) 一种移动变压器现场快速投运评价方法
Lybeck et al. Online monitoring technical basis and analysis framework for large power transformers; Interim report for FY 2012
Wang et al. Multilevel Information Fusion DGA Diagnosis Method for Power Transformer
Xu et al. Comprehensive Method for Determining Transformer Decommissioning Life Considering Economic Life and Physical Life
Wang et al. Analysis of the distribution characteristics of transformer defects and the application of non-power-off detection technology
CN112668867A (zh) 一种基于现场数据量的设备故障率评估方法及系统

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