CN112269067A - 基于形态学和3σ准则的电容器介质损耗角在线监测方法 - Google Patents

Abstract

本发明涉及一种基于形态学和3σ准则的电容器介质损耗角在线监测方法，其特征在于：包括以下步骤：步骤1、根据监测点的电压和电流的夹角θ计算tanθ，以便通过tanθ的变化判断电容器介质损耗角δ的变化；步骤2、使用数学形态学对步骤1计算得出的tanθ进行滤波；步骤3、对滤波处理后tanθ的进行电容器介质损耗角突变判断，当监测数据超出该范围时，则发出预警，使得工作人员采取合理的措施，防止意外事故的发生。本发明采用测得的支路监测点的电流和电压值和相角，间接监测电容器的介质损耗角，监测结果准确可靠。

Description

基于形态学和3σ准则的电容器介质损耗角在线监测方法

技术领域

本发明属于电力设备在线监测技术领域，涉及电容器介质损耗角在线监测方法，尤其是一种基于形态学和3σ准则的电容器介质损耗角在线监测方法。

背景技术

电容器是最典型的容性设备，其应用范围很广阔，工作状态对电力系统至关重要。及早地发现设备故障，减小过度维修和过少维修，减小人员工作强度，提高设备工作安全，对电力系统有着很深远的意义。因此，对电力系统设备进行实时在线监测就很重要了。在线监测有一个很大的特点，就是数据量大，现场干扰因素很多，如环境温度、湿度、电压波动等因素都会对测量结果产生干扰。

目前存在的方法有53H滤波，小波分析、综合相对测量法，自回归模型，粗糙集。虽然数学形态学滤波也有应用，但补偿电容器(包括静态补偿电容器和动态补偿电容器)在现场运行一般都会串联电感器，这些方法只是提及对介质损耗角的滤波处理，未提及在实际应用中如何对电容器进行在线监测。因此，能否实现电容器介质损耗角在线监测是本领域技术人员亟待解决的技术难题。

发明内容

本发明的目的在于克服现有技术的不足，提出一种设计合理、方便实用且监测结果可靠性强的基于形态学和3σ准则的电容器介质损耗角在线监测方法。

本发明解决其现实问题是采取以下技术方案实现的：

一种基于形态学和3σ准则的电容器介质损耗角在线监测方法，包括以下步骤：

步骤1、根据监测点的电压和电流的夹角θ计算tanθ，以便通过tanθ的变化判断电容器介质损耗角δ的变化；

步骤2、使用数学形态学对步骤1计算得出的tanθ进行滤波；

步骤3、对滤波处理后tanθ的进行电容器介质损耗角突变判断，当监测数据超出3σ准则的范围时，则发出预警，使得工作人员采取合理的措施，防止意外事故的发生。

而且，所述步骤1的具体步骤包括：

(1)假设监测点的电压、电流相位差为θ，补偿电容器的电抗率是K，电抗器品质因素是Q；

(2)计算总阻抗为：

则

(3)令

即wL＝QR_L，则

(4)又

则有

(5)电抗率

则有

(6)代入tanθ已求得的可以得出

由于tan²δ数值相对较小，可以化简为

变形可得

由式(9)可以看出，可以通过监测点的电压电流计算出的tanθ，通过监测tanθ的变化而间接监测电容器的介质损耗角δ的变化。

而且，所述步骤2的具体方法为：

构造了一类广义开一闭和闭一开滤波器，形式如下：

开—闭滤波器和闭—开滤波器的滤波效果都使得数据有一定的偏移，开运算使数据滤波结果偏大，闭—开滤波器使数据滤波结果偏小，组合开—闭滤波器和闭—开滤波器可以使得数据滤波效果更优，即：

而且，所述步骤的3的具体方法为：

均值、方差各偏移10％的3σ区间，借鉴3σ准则，即数值分布在(μ-3σ，μ+3σ)中的概率为99.74％可以认为，数值的取值几乎全部集中在(μ-3σ，μ+3σ)区间内，超出这个范围的可能性仅占不到0.3％；采用方差和均值偏移10％设置区间，则使得前一天的正常状态的数据全部包含在内，用于第二天的判断。

本发明的优点和有益效果：

1、本发明提出基于电容器支路监测点测得的电压、电流的值和相角，判断电容器介质损耗角的变化情况的方法，利用数学形态学滤波方法，去除信号中的噪声，并使用3σ准则判断电容器介质损耗角是否发生突变，从而判断电容器是否发生故障。

2、本发明基于数学形态学滤波和3σ准则，判断电容器是否存在故障，依据设备监测参数和其变化的趋势等确定维修的策略，提高了电容器运行的可靠性，提升了电力系统运行的稳定性。

3、本发明采用测得的支路监测点的电流和电压值和相角，间接监测电容器的介质损耗角，监测结果准确可靠。

4、本发明通过数学形态学分析，对监测点相角的正切函数进行滤波，对滤波后的结果使用3σ准则进行突变判断，从而分析电容器是否存在故障，提高了电容器运行的可靠性。

附图说明

图1是本发明的补偿电容器等效电路图。

具体实施方式

以下结合附图对本发明实施例作进一步详述：

一种基于形态学和3σ准则的电容器介质损耗角在线监测方法，包括以下步骤：

步骤1、根据监测点的电压和电流的夹角θ计算tanθ，以便通过tanθ的变化判断电容器介质损耗角δ的变化；

所述步骤1的具体步骤包括：

(1)假设监测点的电压、电流相位差为θ，补偿电容器的电抗率是K，电抗器品质因素是Q，补偿电容器等效电路图，如图1所示。

(2)计算总阻抗为：

则

(3)令

即wL＝QR_L，则

(4)又

则有

(5)电抗率

则有

(6)代入tanθ已求得的可以得出

由于tan²δ数值相对较小，可以化简为

变形可得

由式(9)可以看出，可以通过监测点的电压电流计算出的tanθ，通过监测tanθ的变化而间接监测电容器的介质损耗角δ的变化；

步骤2、使用数学形态学对步骤2计算得出的tanθ进行滤波；

所述步骤2的具体方法为：

构造了一类广义开一闭和闭一开滤波器，形式如下：

开—闭滤波器和闭—开滤波器的滤波效果都使得数据有一定的偏移，开运算使数据滤波结果偏大，闭—开滤波器使数据滤波结果偏小，组合开—闭滤波器和闭—开滤波器可以使得数据滤波效果更优，即：

步骤3、对滤波处理后tanθ的进行电容器介质损耗角突变判断，当监测数据超出3σ准则的范围时，则发出预警，使得工作人员采取合理的措施，防止意外事故的发生。

在本实施例中，在线监测数据经过滤波处理，消除了随机误差，变得平滑，使得数据变化趋势凸显出来，在此基础上的判断，更加准确。

本发明用前一天的数据进行合理的制定区间，使用该区间进行第二天的监测判断。

所述步骤的3的具体方法为：

判断方法为均值、方差各偏移10％的3σ区间，该方法借鉴3σ准则，即数值分布在(μ-3σ，μ+3σ)中的概率为0.9974可以认为，数值的取值几乎全部集中在(μ-3σ，μ+3σ)区间内，超出这个范围的可能性仅占不到0.3％。采用方差和均值偏移10％设置区间，则使得前一天的正常状态的数据全部包含在内，可以用于第二天的判断。

当监测数据超出该范围时，则发出预警，使得工作人员采取合理的措施，防止意外事故的发生。

需要强调的是，本发明所述实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (4)

1.一种基于形态学和3σ准则的电容器介质损耗角在线监测方法，其特征在于：包括以下步骤：

步骤1、根据监测点的电压和电流的夹角θ计算tanθ，以便通过tanθ的变化判断电容器介质损耗角δ的变化；

步骤2、使用数学形态学对步骤1计算得出的tanθ进行滤波；

步骤3、对滤波处理后tanθ的进行电容器介质损耗角突变判断，当监测数据超出3σ准则的范围时，则发出预警，使得工作人员采取合理的措施，防止意外事故的发生。

2.根据权利要求1所述的一种基于形态学和3σ准则的电容器介质损耗角在线监测方法，其特征在于：所述步骤1的具体步骤包括：

(1)假设监测点的电压、电流相位差为θ，补偿电容器的电抗率是K，电抗器品质因素是Q；

(2)计算总阻抗为：

式中，Z是电容补偿支路的总阻抗，R_C是电容器的总电阻，j是虚数符号，w是电路角频率，C是电容器的总电容，R_L是电感的电阻，L是电抗器的电感。

则

式中，tanθ是监测点的电压和电流的夹角的正切值；

(3)令

即wL＝QR_L，则

(4)又

则有

式中，tanδ是电容器的介质损耗角正切值；

(5)电抗率

则有

(6)代入tanθ已求得的可以得出

由于tan²δ数值相对较小，可以化简为

变形可得

由式(9)可以看出，可以通过监测点的电压电流计算出的tanθ，通过监测tanθ的变化而间接监测电容器的介质损耗角δ的变化。

3.根据权利要求1所述的一种基于形态学和3σ准则的电容器介质损耗角在线监测方法，其特征在于：所述步骤2的具体方法为：

构造了一类广义开—闭和闭—开滤波器，形式如下：

式中，OC(f(n))表示开—闭滤波器运算结果，CO(f(n))表示闭—开滤波器运算结果，n表示数据序列的索引值，○表示开运算，●表示闭运算，f(n)和g(n)表示数据序列。

开—闭滤波器和闭—开滤波器的滤波效果都使得数据有一定的偏移，开运算使数据滤波结果偏大，闭—开滤波器使数据滤波结果偏小，组合开—闭滤波器和闭—开滤波器可以使得数据滤波效果更优，即：

式中，w(n)表示组合开—闭滤波器和闭—开滤波器的滤波后的数据序列值。

4.根据权利要求1所述的一种基于形态学和3σ准则的电容器介质损耗角在线监测方法，其特征在于：所述步骤的3的具体方法为：

均值、方差各偏移10％的3σ区间，借鉴3σ准则，即数值分布在(μ-3σ，μ+3σ)中的概率为99.74％可以认为，数值的取值几乎全部集中在(μ-3σ，μ+3σ)区间内，超出这个范围的可能性仅占不到0.3％；采用方差和均值偏移10％设置区间，则使得前一天的正常状态的数据全部包含在内，用于第二天的判断。

Images