CN112257265A - 一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法 - Google Patents
一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法 Download PDFInfo
- Publication number
- CN112257265A CN112257265A CN202011139937.9A CN202011139937A CN112257265A CN 112257265 A CN112257265 A CN 112257265A CN 202011139937 A CN202011139937 A CN 202011139937A CN 112257265 A CN112257265 A CN 112257265A
- Authority
- CN
- China
- Prior art keywords
- power transformer
- index
- health
- calculating
- gray model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 230000036541 health Effects 0.000 title claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims abstract description 48
- 230000008569 process Effects 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims description 47
- 238000004804 winding Methods 0.000 claims description 31
- 239000007789 gas Substances 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 238000009413 insulation Methods 0.000 claims description 11
- 238000009825 accumulation Methods 0.000 claims description 10
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 9
- HSFWRNGVRCDJHI-UHFFFAOYSA-N alpha-acetylene Natural products C#C HSFWRNGVRCDJHI-UHFFFAOYSA-N 0.000 claims description 9
- 230000015556 catabolic process Effects 0.000 claims description 9
- 238000006731 degradation reaction Methods 0.000 claims description 9
- 125000002534 ethynyl group Chemical group [H]C#C* 0.000 claims description 9
- 239000001257 hydrogen Substances 0.000 claims description 9
- 229910052739 hydrogen Inorganic materials 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000006872 improvement Effects 0.000 claims description 7
- 230000010287 polarization Effects 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 7
- 239000004215 Carbon black (E152) Substances 0.000 claims description 6
- 238000001816 cooling Methods 0.000 claims description 6
- 230000006866 deterioration Effects 0.000 claims description 6
- 229930195733 hydrocarbon Natural products 0.000 claims description 6
- 150000002430 hydrocarbons Chemical class 0.000 claims description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000010079 rubber tapping Methods 0.000 claims 1
- 201000004569 Blindness Diseases 0.000 abstract description 4
- 239000010410 layer Substances 0.000 description 17
- 239000000126 substance Substances 0.000 description 5
- 230000032683 aging Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000011475 Accrington brick Substances 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
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
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明提供了一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法,属于电力设备运行评估技术领域,其包括步骤:基于选定的评估指标,结合层次分析法,计算电力变压器在一个时间节点的健康指数;基于所述电力变压器多个历史时间节点的健康指数,采用非等间距灰色模型计算所述电力变压器未来时间节点的健康指数,以对应临界值的所述健康指数的时间节点为所述电力变压器的预测寿命。本发明技术方案可以避免现有电力变压器寿命预测方法的盲目性和主观性,具备更高的预测精度。
Description
技术领域
本发明涉及电力设备运行评估技术领域,具体涉及一种用于预测电力变压器寿命的计算机处理方法。
背景技术
现有技术中,电力变压器寿命预测主要采用以下两种方法:(1)根据英国EA公司电力设备健康状况老化公式计算剩余寿命,该方法简单,但预测较粗略;(2)根据变压器油纸绝缘数据进行寿命预测,该方法仅适用于某一特定型式变压器,对于不同型式、不同运行环境的电力变压器不具有普适性。
中国专利CN104484723B提供了一种基于寿命数据的电力变压器经济寿命预测方法,构建以年等值成本最低为依据的变压器经济寿命预测模型,为计算模型中的关键参数,将变压器的全寿命数据进行分类和关键数据提取,采用无分布的比例故障率模型和蒙特卡洛模拟法计算得到故障率和停机持续时间的概率分布;然后分析经济要素,在计算电力变压器的年度检修成本、年度中断成本和年度运行成本的基础上,实现了电力变压器经济寿命的定量预测。这种故障率模型属于改进的变压器油纸绝缘数据等关键指标的故障数据建模,仍然存在上述第二类技术问题。
中国公开CN107944571A提供了一种电力变压器剩余使用寿命预测方法,其包括步骤:a.构建多元Weibull分布模型;b.对F(·)求偏导,获得联合概率密度函数f(·);c.获得f(·)的对数似然函数;d.获得变压器绝缘油纸的退化特征参量在不同时刻的实验数据;e.计算负对数似然函数最小值,获得参数的估计值;f.对模型参数进行拟合,获得各个参数关于时间t的函数;g.获得可靠性函数表达式;h.根据可靠性函数对变压器剩余使用寿命进行预测。本发明根据绝缘材料的退化特征参量对电力变压器剩余使用寿命进行预测,该方法用于得到体现剩余使用寿命随机不确定特征的概率密度函数,但仍然存在上述第二类技术问题。
中国公开CN109919394A提供了一种电力变压器剩余寿命预测方法,包括如下步骤:S1:根据电力变压器的历史运行故障数据确定参数β、η、γ;S2:在变压器外部壳体设置多个监测点,并得到各个监测点在同一时刻的观测值θ为m×n矩阵;S3:通过观测值θ计算第k个监测点处于状态的概率分布;S4:计算完全可观测信息可靠度函数;S5:计算变压器部分可观测信息条件下可靠度函数;S6:计算电力变压器剩余寿命。该电力变压器剩余寿命预测方法为变压器检修及维护人员提前停机。该技术方案改进基础为上述传统老化公式计算剩余寿命的改进,仍存在上述第一类技术问题。
发明内容
本发明目的在于提供一种电力变压器寿命预测方法,可以避免现有电力变压器寿命预测方法的盲目性和主观性,具备更高的预测精度。
本发明提供的技术方案是一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法,包括步骤:基于选定的评估指标,结合层次分析法,计算电力变压器在一个时间节点的健康指数;基于所述电力变压器多个历史时间节点的健康指数,采用非等间距灰色模型计算所述电力变压器未来时间节点的健康指数,以对应临界值的所述健康指数的时间节点为所述电力变压器的预测寿命。
在一些实施例中,基于健康指数和非等间距灰色模型的电力变压器寿命预测方法,包括以下步骤:
S10,选取用于预测一电力变压器技术寿命的评估指标;
S20,采用改进的层次分析法计算所述电力变压器各个评估指标的权重;
S30,选取相对劣化度函数,计算所述电力变压器各个评估指标的相对劣化度;
S40,根据所述权重和所述相对劣化度,计算所述电力变压器的健康指数;
S50,依据所述电力变压器的多个历史节点的健康指数,采用非等间距灰色模型预测所述电力变压器的健康指数;
S60,以所述电力变压器的健康指数的临界值对应的时间为技术寿命。
优选的,步骤S20包含以下步骤:
S21,构造判断矩阵A;
S22,计算所述判断矩阵A的反对称矩阵B;
S23,计算所述反对称矩阵B的标准差σij;
S24,计算所述反对称矩阵的平均阵;
S25,计算最优传递矩阵C;
S26,计算评估指标的权重。
优选的,步骤S30中,相对劣化度表示状态偏离正常状态的程度,对于越小越优型指标,
u(xm)=(xm-xnor)/(xcrit-xnor)
对于越大越优型指标,
u(xm)=(xnor-xm)/(xnor-xcrit)
其中,xm为评估指标的实际测量值,xnor为评估指标的正常值,xcrit为评估指标的注意值。
优选的,步骤S40中,健康指数HI采用欧几里得贴近度改进公式按照评估指标权重对各个评估指标进行综合,计算式为:
HI={∑wj×[u(xm)-u(xom)]}1/2
其中,wj为步骤S20所计算的评估指标权重,u(xm)为步骤S30所计算的评估指标劣化度函数,u(xom)为评估指标的理想值。
优选的,步骤S50中,采用非等间距灰色模型预测所述电力变压器的健康指数包括步骤:
S51,将健康指数的原始数据列变换为累加序列;
S52,对所述累加序列建立灰微分方程;
S53,构造背景值函数;
S54,用最小二乘法计算所述累加序列的预测值;
S55,对累加序列的预测值进行处理得到原始数据序列的预测值。
优选的,所述临界值为6.5。
优选的,所述评估指标为10个以上。
优选的,所述评估指标包括绕组泄漏电流、绕组极化指数、绕组介质损耗角正切、绕组绝缘电阻、绕组变形量、铁芯接地电流、分接开关工况、冷却系统运行工况、测温装置运行工况、绝缘油微水含量、绝缘油介质损耗角正切、氢气含量、乙炔含量、总烃绝对产气速率、总烃相对产气速率、储油柜运行工况、压力释放阀运行工况、气体继电器运行工况、其它组件运行工况、套管氢气含量、套管乙炔含量、套管甲烷含量、套管末屏绝缘电阻、套管介质损耗角正切和套管电容变化率中的一个以上。
优选的,所述评估指标包括绝缘油绝对产气速率、绝缘油相对产气速率、氢气含量、乙炔含量、绝缘油微水含量、绝缘油介质损耗角正切、绕组泄漏电流、绕组绝缘电阻、绕组介质损耗、绕组极化指数、绕组变形度、冷却系统运行状况、有载分接开关运行状况和保护装置运行情况。
本发明技术方案,采用多专家群组决策的方法计算电力变压器状态评估指标的权重,避免了传统的层次分析法调整判断矩阵的盲目性和主观性;根据计算得到的历年健康指数,提出了一种基于非等间距灰色模型的电力变压器寿命预测方法。其中,采用基于积分定义重构灰色模型背景值的方法,避免了过去由于背景值重构不准确未完全脱离等间距灰色模型的建模思想,由于电力变压器状态检修数据为非等间距时间序列,因此该方法提高了等间距灰色模型的预测精度。
附图说明
图1为本发明实施例中基于健康指数和非等间距灰色模型的电力变压器寿命预测方法的流程示意图。
具体实施方式
首先应当说明的是,本发明提供技术方案涉及术语“层次分析法”。现有技术中,层次分析法是指将一个复杂的多目标决策问题作为一个系统,将目标分解为多个目标或准则,进而分解为多指标(或准则、约束)的若干层次,通过定性指标模糊量化方法算出层次单排序(权数)和总排序,以作为目标(多指标)、多方案优化决策的系统方法。
现有技术中,层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构,然后用求解判断矩阵特征向量的办法,求得每一层次的各元素对上一层次某元素的优先权重,最后再加权和的方法递阶归并各备择方案对总目标的最终权重,此最终权重最大者即为最优方案。
一些层次分析法的实施例中,包括以下步骤:
步骤1.建立层次结构模型。将决策的目标、考虑的因素(决策准则)和决策对象按它们之间的相互关系分为最高层、中间层和最低层,绘出层次结构图。最高层是指决策的目的、要解决的问题。最低层是指决策时的备选方案。中间层是指考虑的因素、决策的准则。对于相邻的两层,称高层为目标层,低层为因素层。
步骤2,构造判断(成对比较)矩阵。在确定各层次各因素之间的权重时,如果只是定性的结果,则常常不容易被别人接受,因而Saaty等人提出一致矩阵法,即不把所有因素放在一起比较,而是两两相互比较,对此时采用相对尺度,以尽可能减少性质不同的诸因素相互比较的困难,以提高准确度。如对某一准则,对其下的各方案进行两两对比,并按其重要性程度评定等级。aij为要素i与要素j重要性比较结果,表1列出Saaty给出的9个重要性等级及其赋值。按两两比较结果构成的矩阵称作判断矩阵。判断矩阵具有如下性质:
判断矩阵元素aij的标度方法如下:
表1比例标度表
因素i比因素j | 量化值 |
同等重要 | 1 |
稍微重要 | 3 |
较强重要 | 5 |
强烈重要 | 7 |
极端重要 | 9 |
两相邻判断的中间值 | 2,4,6,8 |
步骤3,层次单排序及其一致性检验。对应于判断矩阵最大特征根λmax的特征向量,经归一化(使向量中各元素之和等于1)后记为矩阵W。W的元素为同一层次因素对于上一层次因素某因素相对重要性的排序权值,这一过程称为层次单排序。能否确认层次单排序,则需要进行一致性检验,所谓一致性检验是指对A确定不一致的允许范围。其中,n阶一致阵的唯一非零特征根为n;n阶正互反阵A的最大特征根λ≥n,当且仅当λ=n时,A为一致矩阵。
由于λ连续的依赖于aij,则λ比n大的越多,A的不一致性越严重,一致性指标用CI计算,CI越小,说明一致性越大。用最大特征值对应的特征向量作为被比较因素对上层某因素影响程度的权向量,其不一致程度越大,引起的判断误差越大。因而可以用λ-n数值的大小来衡量A的不一致程度。定义一致性指标为:
CI=0,有完全的一致性;CI接近于0,有满意的一致性;CI越大,不一致越严重。
为衡量CI的大小,引入随机一致性指标RI:
其中,随机一致性指标RI和判断矩阵的阶数有关,一般情况下,矩阵阶数越大,则出现一致性随机偏离的可能性也越大,其对应关系如表2,不同的标准不同,RI的值也会有微小的差异:
表2平均随机一致性指标RI标准值
矩阵阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 |
考虑到一致性的偏离可能是由于随机原因造成的,因此在检验判断矩阵是否具有满意的一致性时,还需将CI和随机一致性指标RI进行比较,得出检验系数CR,公式如下:
一般,如果CR<0.1,则认为该判断矩阵通过一致性检验,否则就不具有满意一致性。
步骤4,层次总排序及其一致性检验。计算某一层次所有因素对于最高层(总目标)相对重要性的权值,称为层次总排序。这一过程是从最高层次到最低层次依次进行的。
一般认为,层次分析法的缺陷在于:
一个方面的,不能为决策提供新方案。层次分析法的作用是从备选方案中选择较优者。在应用层次分析法的时候,可能就会有这样一个情况,就是我们自身的创造能力不够,造成了我们尽管在我们想出来的众多方案里选了一个最好的出来,但其效果仍然不够企业所做出来的效果好。而对于大部分决策者来说,如果一种分析工具能替我分析出在我已知的方案里的最优者,然后指出已知方案的不足,又或者甚至再提出改进方案的话,这种分析工具才是比较完美的。但显然,层次分析法还没能做到这点。
一个方面的,定量数据较少,定性成分多,不易令人信服。在如今对科学的方法的评价中,一般都认为一门科学需要比较严格的数学论证和完善的定量方法。但现实世界的问题和人脑考虑问题的过程很多时候并不是能简单地用数字来说明一切的。层次分析法是一种带有模拟人脑的决策方式的方法,因此必然带有较多的定性色彩。
一个方面的,指标过多时,数据统计量大,且权重难以确定。当我们希望能解决较普遍的问题时,指标的选取数量很可能也就随之增加。指标的增加就意味着我们要构造层次更深、数量更多、规模更庞大的判断矩阵。那么我们就需要对许多的指标进行两两比较的工作。由于一般情况下我们对层次分析法的两两比较是用1至9来说明其相对重要性,如果有越来越多的指标,我们对每两个指标之间的重要程度的判断可能就出现困难了,甚至会对层次单排序和总排序的一致性产生影响,使一致性检验不能通过。不能通过,就需要调整,在指标数量多的时候比较难调整过来。
一个方面的,特征值和特征向量的精确求法比较复杂。在求判断矩阵的特征值和特征向量时,所用的方法和我们多元统计所用的方法是一样的。在二阶、三阶的时候,我们还比较容易处理,但随着指标的增加,阶数也随之增加,在计算上也变得越来越困难。不过幸运的是这个缺点比较好解决,我们有三种比较常用的近似计算方法。第一种就是和法,第二种是幂法,还有一种常用方法是根法。
本发明提及的改进的层次分析法,仅在基础运算上涉及常规层次分析法的定义,根据以下实施例的说明,本领域技术人员可以清楚的了解到本发明技术方案与现有技术的区别,并在此基础上进行改进和实施。
下面结合附图1和实施例进一步说明本发明的方案。本实施例是一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法,通过计算机程序编码运行于计算设备。运行计算机程序编码的计算设备根据预设的电力变压器状态评估指标体系向评估专家发送评估请求,并根据接收到的数据进行处理并最终输出变压器技术寿命的预测值。这些评估专家可以是客户端或者其他运算设备。具体的,本发明实施例包括以下步骤S10至步骤S60。其中,
S10,建立电力变压器状态评估指标体系。
具体的,参考DL/T596-1996《电力设备预防性试验规程》和JB/T 501-2006《电力变压器试验导则》,基于科学性、可行性和全面性原则,建立电力变压器状态评估指标体系,包括25个评估指标:绕组泄漏电流、绕组极化指数、绕组介质损耗角正切、绕组绝缘电阻、绕组变形量、铁芯接地电流、分接开关工况、冷却系统运行工况、测温装置运行工况、绝缘油微水含量、绝缘油介质损耗角正切、氢气含量、乙炔含量、总烃绝对产气速率、总烃相对产气速率、储油柜运行工况、压力释放阀运行工况、气体继电器运行工况、其它组件运行工况、套管氢气含量、套管乙炔含量、套管甲烷含量、套管末屏绝缘电阻、套管介质损耗角正切和套管电容变化率。
S20,采用改进的层次分析法计算评估指标权重。
本发明所述改进的层次分析法指在引入最优传递矩阵而实施的层次分析法,以避免传统层次分析调整判断矩阵的盲目性和主观性。本实施例中,具体的,在S25中获得最优传递矩阵,并在S26中用于计算权重。
进一步的,本实施例中,改进的层次分析法具体步骤包括以下步骤S21至S26:
S21,构造判断矩阵A。即针对第k个具体的评估专家,基于其对各个评估指标的判断,对于第k个判断矩阵A,有
A(k)=(aij (k))n×n,k=1,2,...m (21)
其中,m为评估专家数;n为评估指标数,本实施例具体为25;aij表示矩阵A的第i行、第j列的元素。
S22,计算反对称矩阵B。即,对于m个判断矩阵A对应的有m个反对称矩阵B,对于第k个反对称矩阵B(k)有:
B(k)=(bij (k))n×n=lgA(k) (22)
S23,计算反对称矩阵B的标准差σij;
对于B(k)中指标bij (k)有,
若所有指标标准差小于1,则说明专家意见比较统一、通过一致性检验,若不能满足所有指标标准差小于1,则说明专家意见比较分散,需要返回步骤S21重新构造判断矩阵A;
S24,计算所有反对称矩阵的平均阵
S25,计算最优传递矩阵C:
C=(cij)n×n=(∑(bil-bjl)/n)n×n (25)
其中,l∈1,2,...n;
S26,计算n个评估指标的权重
可以看出,本步骤中改进的层次分析法中,评价指标的权重通过各个指标相关的最优传递矩阵的对应的元素进行计算,本领域技术人员可以在此基础上进行其他拟合,提取权重与最优传递矩阵相关性,并作出进一步的改进。
S30,计算相对劣化度函数。
具体的,针对各个评估指标构建其相对劣化度函数,用于计算评估指标的相对劣化度,相对劣化度表示状态偏离正常状态的程度,对于越小越优型指标,如变压器油介质损耗等,
u(xm)=(xm-xnor)/(xcrit-xnor) (31)
对于越大越优型指标,如绕组极化指数等,
u(xm)=(xnor-xm)/(xnor-xcrit) (32)
其中,
xm为指标实际测量值,
xnor为指标的正常值,
xcrit为指标的注意值。
S40,计算健康指数。
具体的,本实施例中,健康指数HI采用欧几里得贴近度改进公式按照指标权重对各个指标进行综合,计算式为:
HI={∑wj×[u(xm)-u(xom)]}1/2 (40)
其中,
wj为步骤S20所计算的评估指标权重,
u(xm)为步骤S30所计算的指标劣化度函数,
u(xom)为评估指标的理想值。
S50,采用非等间距灰色模型进行寿命预测。
具体的,本实施例中非等间距灰色模型基本步骤包括S51至S55为:
S51,将健康指数的原始数据列变换为累加序列,
X(1)(ti)=∑X(0)(ti)Δti (51)
其中,
X(0)(ti)为健康指数的原始数据列,
Δti为时间间距;
S52,对累加序列建立灰微分方程,
dX(1)(t)/dt+aX(1)(t)=b,t∈[0,∞] (52)
S53,构造背景值函数,
Z(1)(ti+1)=X(0)(ti+1)Δti+1 2/[ln(X(1)(ti+1))-ln(X(1)(ti))] (53)
其中,Z(1)为本实施例中构造的一个背景值函数;
ti+1表示ti后的下一时刻值;
S54,用最小二乘法计算累加序列的预测值X(1)(ti+1);
S55,对累加序列的预测值进行处理得到原始数据序列的预测值,
X(0)(ti+1)=(X(1)(ti+1)-X(1)(ti))/Δti+1 (55)
可以理解的是,本实施例中采用累加生成,创建生成序列,灰色预测模型也可以采用累减生成、映射生成等其他现有技术手段,其中,非等间距具体体现在实际获取的数据时间间距Δti是不相等的。
S60,以所述电力变压器的健康指数的临界值对应的时间为技术寿命。对于健康指数的临界值,可以选用预设的数值,或者从其他系统读取的数值。
在一个具体的实施例中,以河北省某110kV变压器为例,依据本发明提供技术方案,对其运行中的预期寿命进行评估。
具体的,选取状态评估指标为14个:绝缘油绝对产气速率、绝缘油相对产气速率、氢气含量、乙炔含量、微水含量、油介质损耗、绕组泄漏电流、绕组绝缘电阻、绕组介质损耗、绕组极化指数、绕组变形度、冷却系统运行状况、有载分接开关运行状况和保护装置运行情况。
采用本发明改进的层次分析法得到健康指数为:0.619(2005年11月)、0.713(2007年4月)、0.789(2009年11月)、1.003(2014年5月)。变压器健康指数取值范围为0~10,0~3表示变压器状态良好,3~6.5表示变压器出现明显的老化现象,6.5~10表明变压器出现严重的老化现象,此时故障概率明显上升。因此,设定变压器健康指数的临界值为6.5,采用非等间距灰色模型计算得到该台电力变压器寿命为34年,即运行到2039年11月该变压器健康指数达到6.5,建议在此时或者此时之前更换电力变压器。
Claims (10)
1.一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法,包括步骤:基于选定的评估指标,结合层次分析法,计算电力变压器在一个时间节点的健康指数;基于所述电力变压器多个历史时间节点的健康指数,采用非等间距灰色模型计算所述电力变压器未来时间节点的健康指数,以对应临界值的所述健康指数的时间节点为所述电力变压器的预测寿命。
2.根据权利要求1所述的基于健康指数和非等间距灰色模型的电力变压器寿命预测方法,其特征在于:
S10,选取用于预测一电力变压器技术寿命的评估指标;
S20,采用改进的层次分析法计算所述电力变压器各个评估指标的权重;
S30,选取相对劣化度函数,计算所述电力变压器各个评估指标的相对劣化度;
S40,根据所述权重和所述相对劣化度,计算所述电力变压器的健康指数;
S50,依据所述电力变压器的多个历史节点的健康指数,采用非等间距灰色模型预测所述电力变压器的健康指数;
S60,以所述电力变压器的健康指数的临界值对应的时间为技术寿命。
3.根据权利要求2所述的基于健康指数和非等间距灰色模型的电力变压器寿命预测方法,其特征在于,步骤S20包含以下步骤:
S21,构造判断矩阵A;
S22,计算所述判断矩阵A的反对称矩阵B;
S23,计算所述反对称矩阵B的标准差σij;
S24,计算所述反对称矩阵的平均阵;
S25,计算最优传递矩阵C;
S26,计算评估指标的权重。
4.根据权利要求2所述的基于健康指数和非等间距灰色模型的电力变压器寿命预测方法,其特征在于:步骤S30中,相对劣化度表示状态偏离正常状态的程度,对于越小越优型指标,
u(xm)=(xm-xnor)/(xcrit-xnor)
对于越大越优型指标,
u(xm)=(xnor-xm)/(xnor-xcrit)
其中,xm为评估指标的实际测量值,xnor为评估指标的正常值,xcrit为评估指标的注意值。
5.根据权利要求2所述的基于健康指数和非等间距灰色模型的电力变压器寿命预测方法,其特征在于,步骤S40中,健康指数HI采用欧几里得贴近度改进公式按照评估指标权重对各个评估指标进行综合,计算式为:
HI={∑wj×[u(xm)-u(xom)]}1/2
其中,wj为步骤S20所计算的评估指标权重,u(xm)为步骤S30所计算的评估指标劣化度函数,u(xom)为评估指标的理想值。
6.根据权利要求2所述的基于健康指数和非等间距灰色模型的电力变压器寿命预测方法,其特征在于,步骤S50中,采用非等间距灰色模型预测所述电力变压器的健康指数包括步骤:
S51,将健康指数的原始数据列变换为累加序列;
S52,对所述累加序列建立灰微分方程;
S53,构造背景值函数;
S54,用最小二乘法计算所述累加序列的预测值;
S55,对累加序列的预测值进行处理得到原始数据序列的预测值。
7.根据权利要求1所述的基于健康指数和非等间距灰色模型的电力变压器寿命预测方法,其特征在于:所述临界值为6.5。
8.根据权利要求1所述的基于健康指数和非等间距灰色模型的电力变压器寿命预测方法,其特征在于,所述评估指标为10个以上。
9.根据权利要求1所述的基于健康指数和非等间距灰色模型的电力变压器寿命预测方法,其特征在于:所述评估指标包括绕组泄漏电流、绕组极化指数、绕组介质损耗角正切、绕组绝缘电阻、绕组变形量、铁芯接地电流、分接开关工况、冷却系统运行工况、测温装置运行工况、绝缘油微水含量、绝缘油介质损耗角正切、氢气含量、乙炔含量、总烃绝对产气速率、总烃相对产气速率、储油柜运行工况、压力释放阀运行工况、气体继电器运行工况、其它组件运行工况、套管氢气含量、套管乙炔含量、套管甲烷含量、套管末屏绝缘电阻、套管介质损耗角正切和套管电容变化率中的一个以上。
10.根据权利要求9所述的基于健康指数和非等间距灰色模型的电力变压器寿命预测方法,其特征在于:所述评估指标包括绝缘油绝对产气速率、绝缘油相对产气速率、氢气含量、乙炔含量、绝缘油微水含量、绝缘油介质损耗角正切、绕组泄漏电流、绕组绝缘电阻、绕组介质损耗、绕组极化指数、绕组变形度、冷却系统运行状况、有载分接开关运行状况和保护装置运行情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011139937.9A CN112257265A (zh) | 2020-10-22 | 2020-10-22 | 一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011139937.9A CN112257265A (zh) | 2020-10-22 | 2020-10-22 | 一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112257265A true CN112257265A (zh) | 2021-01-22 |
Family
ID=74264089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011139937.9A Pending CN112257265A (zh) | 2020-10-22 | 2020-10-22 | 一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112257265A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113203918A (zh) * | 2021-04-28 | 2021-08-03 | 国网河北省电力有限公司培训中心 | 一种基于老化因子和非等间距gm(1,1)模型的电力电缆剩余寿命预测方法 |
CN113268885A (zh) * | 2021-06-17 | 2021-08-17 | 苏州热工研究院有限公司 | 基于灰色马尔可夫模型的变压器故障预测方法及电子设备 |
CN113723693A (zh) * | 2021-09-03 | 2021-11-30 | 华电莱州发电有限公司 | 多因素模糊时间序列算法对设备指标进行预测的方法 |
CN114034997A (zh) * | 2021-11-10 | 2022-02-11 | 国网江苏省电力有限公司检修分公司 | 一种基于多参量的绝缘子劣化程度预测方法及系统 |
CN114924209A (zh) * | 2022-04-18 | 2022-08-19 | 云南电网有限责任公司电力科学研究院 | 变压器绕组形变监测系统及方法 |
CN115221731A (zh) * | 2022-08-11 | 2022-10-21 | 南京航空航天大学 | 基于数据融合和Wiener模型的变压器寿命评估方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530706A (zh) * | 2013-10-23 | 2014-01-22 | 国家电网公司 | 一种配电网综合节能潜力分析方法 |
CN104657909A (zh) * | 2014-11-21 | 2015-05-27 | 国家电网公司 | 一种基于层次分析法的中低压配电网电能损耗综合评估方法 |
CN106446426A (zh) * | 2016-09-29 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 一种基于健康指数的电力变压器评估方法 |
WO2018186537A1 (ko) * | 2017-04-04 | 2018-10-11 | 한국전력공사 | 전력용 변압기 자산 관리 장치 및 그 방법 |
CN109190080A (zh) * | 2018-07-27 | 2019-01-11 | 国网山东省电力公司东营供电公司 | 一种电力变压器的健康状况确定方法 |
CN109872054A (zh) * | 2019-01-30 | 2019-06-11 | 湖北中烟工业有限责任公司 | 一种打叶复烤生产线工艺性能的测试与评价方法 |
CN110633891A (zh) * | 2019-08-06 | 2019-12-31 | 南京南瑞信息通信科技有限公司 | 服务商履约绩效评价系统及方法 |
-
2020
- 2020-10-22 CN CN202011139937.9A patent/CN112257265A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530706A (zh) * | 2013-10-23 | 2014-01-22 | 国家电网公司 | 一种配电网综合节能潜力分析方法 |
CN104657909A (zh) * | 2014-11-21 | 2015-05-27 | 国家电网公司 | 一种基于层次分析法的中低压配电网电能损耗综合评估方法 |
CN106446426A (zh) * | 2016-09-29 | 2017-02-22 | 国网山东省电力公司电力科学研究院 | 一种基于健康指数的电力变压器评估方法 |
WO2018186537A1 (ko) * | 2017-04-04 | 2018-10-11 | 한국전력공사 | 전력용 변압기 자산 관리 장치 및 그 방법 |
CN109190080A (zh) * | 2018-07-27 | 2019-01-11 | 国网山东省电力公司东营供电公司 | 一种电力变压器的健康状况确定方法 |
CN109872054A (zh) * | 2019-01-30 | 2019-06-11 | 湖北中烟工业有限责任公司 | 一种打叶复烤生产线工艺性能的测试与评价方法 |
CN110633891A (zh) * | 2019-08-06 | 2019-12-31 | 南京南瑞信息通信科技有限公司 | 服务商履约绩效评价系统及方法 |
Non-Patent Citations (4)
Title |
---|
万书亭等: "基于灰色理论和变权模糊综合评判的风电机组性能评估", 《太阳能学报》 * |
郭绍伟等: "基于DAHP算法及非等间隔GM(1,1)模型的电力变压器技术寿命预测研究", 《高压电器》 * |
马云东等: "改进的AHP法及其在多目标决策中的应用", 《系统工程理论与实践》 * |
鲁智勇等: "《网络安全防护理论与技术》", 31 December 2017 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113203918A (zh) * | 2021-04-28 | 2021-08-03 | 国网河北省电力有限公司培训中心 | 一种基于老化因子和非等间距gm(1,1)模型的电力电缆剩余寿命预测方法 |
CN113203918B (zh) * | 2021-04-28 | 2022-06-14 | 国网河北省电力有限公司培训中心 | 一种基于老化因子和非等间距gm(1,1)模型的电力电缆剩余寿命预测方法 |
CN113268885A (zh) * | 2021-06-17 | 2021-08-17 | 苏州热工研究院有限公司 | 基于灰色马尔可夫模型的变压器故障预测方法及电子设备 |
CN113723693A (zh) * | 2021-09-03 | 2021-11-30 | 华电莱州发电有限公司 | 多因素模糊时间序列算法对设备指标进行预测的方法 |
CN114034997A (zh) * | 2021-11-10 | 2022-02-11 | 国网江苏省电力有限公司检修分公司 | 一种基于多参量的绝缘子劣化程度预测方法及系统 |
CN114924209A (zh) * | 2022-04-18 | 2022-08-19 | 云南电网有限责任公司电力科学研究院 | 变压器绕组形变监测系统及方法 |
CN115221731A (zh) * | 2022-08-11 | 2022-10-21 | 南京航空航天大学 | 基于数据融合和Wiener模型的变压器寿命评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112257265A (zh) | 一种基于健康指数和非等间距灰色模型的电力变压器寿命预测方法 | |
CN106980905B (zh) | 配电网供电可靠性预测方法和系统 | |
CN110210740B (zh) | 一种考虑供电质量的配电网可靠性评估方法 | |
CN104914327B (zh) | 基于实时监测信息的变压器故障检修预测方法 | |
CN109031014A (zh) | 一种基于运行数据的变压器综合可靠性评估及预测方法 | |
CN110264112B (zh) | 基于双向加权灰色关联的配电网可靠性影响因素分析方法 | |
CN106651189B (zh) | 一种基于多层复合规则的变压器状态评价方法 | |
CN106447205A (zh) | 一种基于层次分析法的配电自动化终端状态评价方法 | |
CN111062500B (zh) | 一种基于离散模糊数和层次分析法的电力设备评价方法 | |
CN108053148A (zh) | 一种电力信息系统故障高效诊断方法 | |
CN110940374A (zh) | 基于大数据融合的变压器健康等级评价系统及方法 | |
CN111178725A (zh) | 一种基于层次分析法的保护设备状态预警方法 | |
CN111953543A (zh) | 一种基于pca-ahp的量子通信网络可靠性状况的评估方法 | |
CN111612296B (zh) | 一种换流站电力设备在线监测装置量化配置方法 | |
CN110705859A (zh) | 基于pca-自组织神经网络的中低压配电网运行状态评估方法 | |
CN115271238A (zh) | 一种变压器的寿命预测方法及装置 | |
CN112270423A (zh) | 一种基于模糊综合评价的变电站设备状态的评估方法 | |
CN112116276A (zh) | 一种计及电气主设备时变状态的变电站运行风险评估方法 | |
CN112417627A (zh) | 一种基于四维指标体系配电网运行可靠性分析方法 | |
CN110929976A (zh) | 一种配电网负荷点可靠性评价方法及系统 | |
CN113642240B (zh) | 基于数据-机理联合驱动的配电网可靠性评估方法及系统 | |
Setiawan et al. | An approach of the analytic hierarchy process to acquire the weighting factor of high voltage circuit breaker health index | |
CN110674951B (zh) | 一种配电自动化终端的状态检修方法 | |
CN112633665A (zh) | 一种基于层次分析法的配电网防雷决策方法 | |
CN113077124B (zh) | 一种电网逾龄设备技改后剩余可使用年限的评估方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210122 |
|
RJ01 | Rejection of invention patent application after publication |