CN112486057B - 干式变压器多信息量在线综合监测方法及系统 - Google Patents

Abstract

本发明属于干式变压器在线监测与故障诊断领域，具体公开一种干式变压器多信息量在线综合监测方法及系统。根据干式变压器对局部放电超声信号、暂态对地电压信号、红外热成像图像信号以及振动信号的实时在线监测，通过这些信号所反映的变压器单一状态量信息进行数据融合，确定干式变压器的故障部件及其状态等级，并通过单一状态量与设定的阈值比较，同时运用声电联合分析方法、声热联合分析方法及声振联合分析方法对干式变压器进行故障报警及故障定位。本发明的监测方法及系统能够高效、准确的判断出故障的状态等级并对其进行准确定位。

Description

干式变压器多信息量在线综合监测方法及系统

技术领域

本发明属于干式变压器在线监测与故障诊断领域，具体涉及一种干式变压器多信息量在线综合监测方法及系统。

背景技术

随着我国国民经济的增长，电能需求变得尤为强烈，在电力系统中，电能的生产、变换、输送、分配等各个环节都紧密依赖于各种电力设备。其中，干式变压器由于具有运行损耗低、噪声低、绝缘性能好、防火性能好、体积小等众多优点而广泛应用于为各类生产企业和居民生活提供电能。与此同时，近年来，随着人民生活水平的提高，对电力网络安全稳定运行更加提高了要求，一旦出现事故将会给国民生活带来难以估量的严重后果。因此对干式变压器进行状态监测以减少变压器故障概率、提高检修质量、减少检修费用、延长变压器寿命已成为变压器检修发展的主旋律。

干式变压器由于其自身结构以及其运行环境的复杂性，决定了要想实现有效的且有针对性的、合理的变压器状态监测，需要有多特征信息和长期的运维经验来对变压器所发生的故障类型、严重程度等进行准确的评估，针对于单一的故障特征，很难进行全面和准确的判断。另一方面，也需要针对变压器的重要参数实施在线监测，将这些重要参数进行信息融合，以提高变压器的可靠性、降低故障概率，从而实现真正意义上的在线监测与诊断，以提高电力系统运行的可靠性，提高现有的检修效率。

发明内容

本发明的目的在于提供一种干式变压器多信息量在线综合监测方法及系统，根据干式变压器对局部放电超声信号、暂态对地电压(以下称TEV)信号、红外热成像图像信号以及振动信号的实时在线监测，通过这些信号所反映的变压器单一状态量信息进行数据融合，确定干式变压器的故障部件及其状态等级，并通过单一状态量与设定的阈值比较，同时运用声电联合分析方法、声热联合分析方法及声振联合分析方法对干式变压器进行故障报警及故障定位。本发明的监测方法及系统能够高效、准确的判断出故障的状态等级并对其进行准确定位。

实现本发明目的的技术方案：一种干式变压器多信息量在线综合监测方法，所述方法包括：

步骤1、采集干式变压器的单一状态量数据；

步骤2、对步骤1采集的干式变压器的单一状态量数据进行数据处理，获得干式变压器的单一状态、干式变压器中各部件及干式变压器整体的实时状态；

步骤3、对步骤2获得的干式变压器的单一状态、干式变压器中各部件及干式变压器整体的实时状态进行实时显示。

所述步骤2中包括：

步骤2.1、根据步骤1采集的干式变压器的单一状态量数据，对干式变压器的单一状态、干式变压器中各部件及变压器整体进行故障诊断；

步骤2.2、根据步骤1采集的干式变压器的单一状态量数据，对干式变压器的单一状态、干式变压器中各部件进行故障报警及故障定位。

所述步骤2.1包括：

步骤2.1.1、对步骤1采集的单一状态量数据进行归一化处理；

步骤2.1.2、计算由多个单一状态量决定的故障的综合严重程度；

步骤2.1.3、计算所有状态量概率分配矩阵P(H)；

步骤2.1.4、对所有状态量进行初始置信度CF(xi)赋值，；

步骤2.1.5、计算基本概率分配综合矩阵M；

步骤2.1.6、进行数据融合，确定单一状态量的最终概率；

步骤2.1.7、根据单一状态量的最终概率，确定干式变压器中各部件的状态等级，根据各部件的状态确定干式变压器整体状态等级。

所述步骤2.1.1中归一化处理采用的归一化公式为：

其中，x_i表示单一状态量归一化后的严重程度，归一化后的数据越大，代表该单一状态量偏离正常状态越严重；x_m为单一状态量实际值；a,b为该单一状态量评估指标的阈值，每个指标的阈值根据相关专家参考规程和导则设定。

所述步骤2.1.2中故障的综合严重程度采用以下公式进行计算：

其中，x_i表示单一状态量归一化后的严重程度，x_M表示多个单一状态量归一化后的综合严重程度，x_j、x_k、x_n分别表示第j个、第k个和第n个状态量归一化后的严重程度，其中j与k不相等，n表示与某一故障模式相关的所有状态量的个数。

所述步骤2.1.3中所有状态量的基本概率分配矩阵P(H)如下所示：

其中，μ_m(x_n)表示第n个指标处于第m个状态等级的概率，m＝1,2,3,4，分别代表正常、注意、异常、严重四种状态，n为所有状态量的个数。

所述步骤2.1.5中根据所有状态量基本概率分配矩阵P(H)以及各状态的指标综合权重进行融合，

所有状态量概率分配矩阵P(H)与各状态的指标综合权重的融合公式为：

融合后的基本概率分配综合矩阵M为：

其中，m_i(h_j)表示第i个评估指标在第j个状态中分基本概率赋值，1≤i≤n，j＝1,2,3,4。m_i(Θ)表示第i个状态指标的不确定度。

所述步骤2.1.6中包括：

步骤2.1.6.1、通过基本概率分配综合矩阵M计算n个状态量之间的支持概率距离：

difSPFE(m_p,m_q)＝max[|m_p(h₁)-m_q(h₁)|,…,|m_p(h₄)-m_q(h₄)|]

其中，difSPFE(m_p,m_q)表示任意两个评价指标p,q之间的支持概率距离。m_p(h_j)、m_q(h_j)分别表示第p个评价指标或第q个评价指标在第j个状态中分配的基本概率赋值，1≤p＜q≤n，j＝1,2,3,4；

步骤2.1.6.2、计算证据之间的冲突系数Def：

k表示p，q两个证据能否同时反应同一个故障，若能，则k为p,q两个证据基本综合概率m_p,m_q的乘积；若不能，则k为0；

步骤2.1.6.3、按照经典D-S证据理论对多证据进行融合，D-S证据理论数据融合方法为：

其中，p∩q表示p、q两个证据能否同时反应同一个故障，m(C)表示两个证据融合后的最终概率；

步骤2.1.6.4、针对于多个证据体，可采用步骤2.1.6.3中的公式进行多证据概率融合推广，即

最终取最大概率分配值所对应状态为最终的评估结果；

所述步骤2.1.6.2中，根据专家工程经验可设定ε，当Def<ε时，使用经典D-S证据理论对多证据进行融合；当Def≥ε时，可根据概率距离对基本概率分配综合矩阵M进行修正。

所述步骤2.2包括：

步骤2.2.1、将步骤1采集到的单一状态量与设定的相应单一状态量的阈值进行比较，若采集到的单一状态量超过相应的设定阈值，进行故障报警；

步骤2.2.2、对于局部放电超声信号，通过与TEV信号结合，运用声电联合分析方法进行故障定位；

步骤2.2.3、对于TEV信号，通过与局部放电超声信号联合分析方法进行故障定位；

步骤2.2.4、对于红外热像信号，通过与基础红外热像图库进行比较分析，并结合超声波定位方式进行故障定位；

步骤2.2.5、对于振动信号，通过与红外热像图像进行联合对比分析，进行故障定位。

一种干式变压器多信息量在线综合监测系统，所述系统包括：

数据采集单元，数据采集单元与数据处理单元连接，用于采集干式变压器的单一状态量数据，单一状态量数据分别为：局部放电超声信号、TEV信号、红外热像图像以及振动信号；

数据处理单元，数据处理单元与数据采集单元连接，用于对数据采集单元采集的数据进行数据处理；和数据显示单元，数据显示单元与数据处理单元连接，用于对数据处理单元处理的数据进行实时显示。

所述数据处理单元包括故障诊断模块和故障定位模块，故障诊断模块，故障诊断模块分别与数据采集单元和数据显示单元连接，用于根据数据采集单元采集的单一状态量数据，对数据进行归一化处理，根据D-S证据理论进行数据融合，对干式变压器进行故障诊断，确定故障的状态等级；

故障定位模块，故障定位模块分别与数据采集单元和数据显示单元连接，用于根据数据采集单元采集的单一状态量数据，通过与预先设定的相应的阈值比较，确定是否发生故障，并运用声电联合分析方法、声热联合分析方法及声振联合分析方法，对干式变压器进行故障定位。

所述系统还包括报警单元，报警单元分别与故障诊断模块和故障定位模块连接，用于对故障诊断模块诊断的故障状态等级、对故障定位模块定位的故障位置通过灯光闪烁及声音提示进行实时报警。

所述系统还包括数据存储单元，数据存储单元与数据采集单元及数据处理单元连接，用于将干式变压器的信息、数据采集单元采集的数据及数据处理单元处理的数据实时存入数据库。

所述系统还包括数据查询单元，数据查询单元与数据存储单元连接，用于从数据存储模块查询干式变压器的实时数据或历史数据，实时数据或历史数据包括干式变压器的信息、数据采集单元采集的数据及数据处理单元处理的数据。

所述系统还包括报告打印单元，报告打印单元与数据查询单元连接，用于将从数据查询单元获得的数据打印成标准版评估报告。

本发明的有益技术效果在于：

(1)本发明的一种干式变压器多信息量在线综合监测方法及系统采用红外热像信号和声学成像技术进行干式变压器故障定位，根据采集到的干式变压器红外热像图像信号与基础红外热像图谱进行对比分析，结合超声定位方式，使故障定位更加准确；

(2)本发明的一种干式变压器多信息量在线综合监测系统中数据显示单元可以实时显示干式变压器的单一状态量、干式变压器中各部件(载流部件、铁芯和有载分接开关)和干式变压器整体的监测数据，包括故障诊断的状态等级、故障定位等，同时显示故障的置信度，并通过与相关导则进行比较，提供准确、高效的检修策略以进行针对性检修；

(3)本发明的一种干式变压器多信息量在线综合监测系统通过数据存储单元和数据查询单元的结合，可以根据时间、干式变压器的编号、干式变压器出厂信息、故障诊断的等级、故障定位、故障部件等进行多个干式变压器的实时数据或历史数据的查询并进行横向比较，也可以查询单个干式变压器的某一个状态量或某几个状态量、单个干式变压器中的某个部件、或单个干式变压器整体的故障情况的实时数据或历史数据，生成数据变化趋势，形成统计图和雷达图；

(4)本发明的一种干式变压器多信息量在线综合监测系统中报告打印单元可以根据干式变压器运行现场需求，将从数据查询单元获得的数据打印成标准版格式评估报告，以方便存储以及打印成纸质版本，供工作人员查看；

(5)本发明的一种干式变压器多信息量在线综合监测方法及系统利用干式变压器不同状态量信息之间的有效联合，可以针对干式变压器故障进行综合监测并进行故障定位，从而弥补了单一状态量监测方法的不可靠性，提高了系统的稳定性以及准确度，同时通过开发软件系统，使变压器状态监测变得更加方便、有利于操作实施。

附图说明

图1为本发明所提供的一种干式变压器多信息量在线综合监测故障诊断的方法流程图；

图2为本发明所提供的一种干式变压器多信息量在线综合监测故障定位的方法流程图；

图3为本发明提供一种干式变压器多信息量在线综合监测系统的方框示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步详细说明。

如图1-2所示，本发明提供的一种干式变压器多信息量在线综合监测方法，该方法包括以下步骤：

步骤1、采集干式变压器的单一状态量数据，单一状态量数据分别为局部放电超声信号、暂态对地电压(TEV)信号、红外热像图像和振动信号；

步骤2、对步骤1采集的干式变压器的单一状态量数据进行数据处理，获得干式变压器的单一状态、干式变压器中各部件及干式变压器整体的实时状态，干式变压器中各部件包括载流部件、铁芯和有载分接开关；

步骤2.1、根据步骤1采集的干式变压器的单一状态量数据，对数据进行归一化处理，根据D-S证据理论进行数据融合，对干式变压器的单一状态、干式变压器中各部件及变压器整体进行故障诊断，如图1所示，具体步骤如下：

步骤2.1.1、对采集的多个单一状态量数据进行归一化处理

在归一化处理过程中采用x_i来表示单一状态量的严重程度，取值范围规定为[0,1]，其中1表示最严重，0表示状态良好。分别对局部放电超声信号、TEV信号、红外热像图像以及振动信号进行归一化处理，其中红外热像图像可提取温度数值，振动信号可按照有无分别取为1、0，局部放电信号和TEV信号可通过仪器采集其实际的分贝值，阈值根据导则确定，处理规则采用如下归一化公式：

其中，x_i表示单一状态量归一化后的严重程度，归一化后的数据越大，代表该监测量偏离正常状态越严重；x_m为单一状态量实际值；a,b为该单一状态量评估指标的阈值，每个指标的阈值根据相关专家参考规程和导则设定。

步骤2.1.2、计算由多个单一状态量决定的故障的综合严重程度

干式变压器中故障和状态之间并不存在一一对应关系，因此根据变压器的每一种状态信息归一化后的值来反应故障当前状态对于某一故障的严重程度，针对于一种由多个状态量来决定的故障，采用以下公式对该故障的严重程度进行综合：

其中，x_i表示单一状态量归一化后的严重程度，x_M表示多个单一状态量归一化后的综合严重程度，x_j、x_k、x_n分别表示第j个、第k个和第n个状态量归一化后的严重程度，其中j与k不相等，n表示与某一故障模式相关的所有状态量的个数。

步骤2.1.3、计算所有状态量概率分配矩阵P(H)

根据某台变压器的历史运行数据中，发生故障时，某一状态量指标处于不同状态的次数与总次数的比值，得到多指标不同状态时的基本概率分布，其中可将该状态可分为正常、注意、一般、严重四种，其中状态分级标准根据该指标的严重程度划分，如表1所示：

表1状态分级标准

所有状态量的基本概率分配矩阵P(H)如下所示：

其中，μ_m(x_n)表示第n个指标处于第m个状态等级的概率，m＝1,2,3,4，分别代表正常、注意、异常、严重四种状态，n为所有状态量的个数。

步骤2.1.4、对所有状态量进行初始置信度CF(xi)赋值

采用专家赋值法，对单一状态量进行初始置信度赋值，同时在运行过程中，可根据系统积累值由有权限人员进行置信度的修正，置信度采用CF(x_i)表示。

步骤2.1.5、计算基本概率分配综合矩阵M

根据单一状态量基本概率分配矩阵P(H)以及各状态的指标综合权重进行融合。

指标综合权重的计算方法为：对所有监测状态量进行初始置信度赋值，采用专家赋值法，同时在运行过程中，可根据系统积累值由具有权限的人员进行置信度修正，置信度用CF(xi)表示。

所有状态量概率分配矩阵P(H)与各状态的指标综合权重的融合公式为：

融合后的基本概率分配综合矩阵M为：

其中，m_i(h_j)表示第i个评估指标在第j个状态中分基本概率赋值，1≤i≤n，j＝1,2,3,4。m_i(Θ)表示第i个状态指标的不确定度。

步骤2.1.6、计算冲突系数Def,根据D-S证据理论进行数据融合，确定单一状态量的最终概率

步骤2.1.6.1、通过基本概率分配综合矩阵M计算n个状态量之间的支持概率距离：

difSPFE(m_p,m_q)＝max[|m_p(h₁)-m_q(h₁)|,…,|m_p(h₄)-m_q(h₄)|]

其中，difSPFE(m_p,m_q)表示任意两个评价指标p,q之间的支持概率距离。m_p(h_j)、m_q(h_j)分别表示第p个评价指标或第q个评价指标在第j个状态中分配的基本概率赋值，1≤p＜q≤n，j＝1,2,3,4；

步骤2.1.6.2、将反映某一故障的所有状态量指标定义为该故障的证据，计算证据之间的冲突系数Def

定义反映某一故障的所有状态量指标为该故障的证据，计算证据之间的冲突系数Def：

k表示p，q两个证据能否同时反应同一个故障，若能，则k为p,q两个证据基本综合概率m_p,m_q的乘积；若不能，则k为0；根据专家工程经验可设定ε，当Def<ε时，使用经典D-S证据理论对多证据进行融合；当Def≥ε时，可根据概率距离对基本概率分配综合矩阵M进行修正。

步骤2.1.6.3、按照经典D-S证据理论对多证据进行融合，D-S证据理论数据融合方法为：

其中，p∩q表示p,q两个证据能否同时反应同一个故障，m(C)表示两个证据融合后的最终概率；

步骤2.1.6.4、针对于多个证据体，可采用步骤2.1.6.3中的公式进行多证据概率融合推广，即

最终取最大概率分配值所对应状态为最终的评估结果；

步骤2.1.7、确定干式变压器中各部件状态及变压器整体状态

干式变压器分为三个部件：载流部件、铁芯和有载分接开关，其中每一部件均按照上述步骤1-6理论形成最终概率，分别取三个部件中最大的概率所处状态作为该部件所处状态等级，对变压器整体评估则取三个部件中故障最严重者作为变压器整体状态。

步骤2.2、根据步骤1采集的干式变压器的单一状态量数据，与设定的相应单一状态量的阈值进行比较，并运用声电联合分析方法、声热联合分析方法及声振联合分析方法，对干式变压器的单一状态、干式变压器中各部件进行故障报警及故障定位，如图2所示，具体步骤如下：

步骤2.2.1、对干式变压器的单一状态量设定阈值，将步骤1采集的单一状态量数据，与设定的相应单一状态量的阈值进行比较，若采集到的单一状态量超过相应的设定阈值，进行故障报警；具体来讲，对于采集的干式变压器的局部放电超声信号，当发生有局部放电超声信号特征值超过设定阈值时，进行故障报警；对于采集的干式变压器的TEV信号，当有TEV信号特征值超出设定阈值时，进行故障报警；对于采集的干式变压器的红外热像信号，当红外热像信号特征值超过设定阈值时，进行故障报警；对于采集的干式变压器的振动信号，当检测到振动信号特征值超出设定阈值时，进行故障报警；

步骤2.2.2、对采集的数据进行如下分析处理：对于采集的干式变压器的局部放电超声信号，通过与TEV信号结合，运用声电联合分析方法对故障进行定位；

步骤2.2.3、对于采集的干式变压器的TEV信号，通过与超声波信号联合分析方法进行故障定位，准确识别故障点；

步骤2.2.4、对于采集的干式变压器的红外热像信号，通过将红外热像图像与基础红外热像图库中的温度、温升、温度场进行比较分析，然后结合超声波定位方式进行故障定位；

步骤2.2.5、对于采集的干式变压器的振动信号，通过与红外热像图像进行联合对比分析，进行故障准确定位。

步骤3、对步骤2获得的干式变压器的单一状态、干式变压器中各部件及干式变压器整体的故障诊断状态等级、故障定位等实时状态进行实时显示。

如图3所示，本发明提供一种干式变压器多信息量在线综合监测系统，所述系统包括：数据采集单元、数据处理单元、数据显示单元、报警单元、数据存储单元、数据查询单元和报告打印单元，其中，数据处理单元包括故障诊断模块和故障定位模块。

数据采集单元，数据采集单元输出端分别与数据处理单元中的故障诊断模块输入端和故障定位模块输入端连接，用于采集干式变压器的单一状态量数据，单一状态量数据分别为：局部放电超声信号、TEV信号、红外热像图像以及振动信号；数据采集单元通过干式变压器内部装设的超声波传感器、采用手持式红外热像仪对干式变压器外部箱体进行温度检测、暂态对地电压传感器和振动信号传感器，采集局部放电超声信号、红外热像图像信号、TEV信号以及振动信号，并将采集到的上述信号传递至数据处理单元进行信号数据处理。

数据处理单元中的故障诊断模块输入端和故障定位模块输入端分别与数据采集单元输出端连接，用于对数据采集单元采集的数据进行数据处理；

故障诊断模块，故障诊断模块输入端分别与数据采集单元输出端连接，用于根据数据采集单元采集的单一状态量数据，对数据进行归一化处理，根据D-S证据理论进行数据融合，对干式变压器的单一状态量、干式变压器中各部件(载流部件、铁芯和有载分接开关)和干式变压器整体进行故障诊断，确定故障的状态等级；

故障定位模块，故障定位模块输入端分别与数据采集单元输出端连接，用于根据数据采集单元采集的单一状态量数据，通过与预先设定的相应的阈值比较，确定是否发生故障；采用局部放电超声信号和TEV信号联合分析的方法进行干式变压器故障监测与定位，采用声电联合法分析干式变压器的局部放电强度和放电位置；采用红外热像信号和超声波定位方式进行干式变压器故障定位，根据采集到的干式变压器红外热像信号与基础红外热像图谱进行对比分析，结合超声定位方式，使故障定位更加准确；采用红外热像信号和振动信号相结合的方法，制作发热云图及振动分布云图，提取发热点和发声点，对干式变压器故障进行监测及定位。

数据显示单元，数据显示单元输入端与数据处理单元中的故障诊断模块输出端和故障定位模块输出端连接，用于对数据处理单元处理的数据进行实时显示。数据显示单元显示干式变压器的单一状态量、干式变压器中各部件(载流部件、铁芯和有载分接开关)和干式变压器整体的实时监测数据，包括故障诊断的状态等级、故障定位等，同时显示故障的置信度，并通过与相关导则进行比较，提供准确、高效的检修策略以进行针对性检修。

报警单元，报警单元输入端分别与故障诊断模块输出端和故障定位模块输出端连接，用于对故障诊断模块诊断的故障状态等级、对故障定位模块定位的故障位置通过灯光闪烁及声音提示进行实时报警。对于单一状态量，报警单元根据对故障诊断的严重程度的不同区间划分，显示不同的灯光颜色，灯光颜色分为绿、黄、橙、红，依次对应由低至高的故障诊断严重程度等级。对于干式变压器中各部件及干式变压器整体，报警单元同样根据对故障诊断的严重程度的不同区间划分，显示不同的灯光颜色，灯光颜色分为绿、黄、橙、红，依次对应由低至高的故障诊断严重程度等级。

数据存储单元，数据存储单元输入端与数据采集单元输出端及数据处理单元中的故障诊断模块输出端和故障定位模块输出端连接，用于将干式变压器的信息、数据采集单元采集的数据及数据处理单元处理的数据实时存入数据库。干式变压器的信息包括干式变压器编号、干式变压器出厂信息等；数据采集单元采集的数据包括：单一状态量的局部放电超声信号、TEV信号、红外热像图像和振动信号；数据处理单元处理的数据包括：单一状态量、干式变压器中各部件(载流部件、铁芯和有载分接开关)和干式变压器整体的故障诊断的状态等级、故障定位等。数据存储单元可以按照时间、干式变压器的编号、干式变压器出厂信息、故障诊断的等级、故障定位、故障部件等唯一识别代码将干式变压器的相关数据进行实时连续存储。

数据查询单元，数据查询单元输入端与数据存储单元输出端连接，用于从数据存储模块查询干式变压器的实时数据或历史数据并根据实时数据或历史数据形成统计图和雷达图，实时数据或历史数据包括干式变压器的信息、数据采集单元采集的数据及数据处理单元处理的数据。数据查询单元可以根据时间、干式变压器的编号、干式变压器出厂信息、故障诊断的等级、故障定位、故障部件等进行多个干式变压器的实时数据或历史数据的查询并进行横向比较，也可以查询单个干式变压器的某一个状态量或某几个状态量、单个干式变压器中的某个部件、或单个干式变压器整体的故障情况的实时数据或历史数据，生成数据变化趋势，形成统计图和雷达图。

报告打印单元，报告打印单元输入端与数据查询单元输出端连接，用于根据干式变压器运行现场需求，将从数据查询单元获得的数据打印成标准版word格式评估报告，以方便存储以及打印成纸质版本，供工作人员查看。

上面结合附图和实施例对本发明作了详细说明，但是本发明并不限于上述实施例，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。本发明中未作详细描述的内容均可以采用现有技术。

Claims (9)

1.一种干式变压器多信息量在线综合监测方法，其特征在于：所述方法包括：

步骤1、采集干式变压器的单一状态量数据；

步骤2、对步骤1采集的干式变压器的单一状态量数据进行数据处理，获得干式变压器的单一状态、干式变压器中各部件及干式变压器整体的实时状态；

步骤3、对步骤2获得的干式变压器的单一状态、干式变压器中各部件及干式变压器整体的实时状态进行实时显示；

所述步骤2中包括：

步骤2.1、根据步骤1采集的干式变压器的单一状态量数据，对干式变压器的单一状态、干式变压器中各部件及变压器整体进行故障诊断；

步骤2.2、根据步骤1采集的干式变压器的单一状态量数据，对干式变压器的单一状态、干式变压器中各部件进行故障报警及故障定位；

所述步骤2.1包括：

步骤2.1.1、对步骤1采集的单一状态量数据进行归一化处理；

步骤2.1.2、计算由多个单一状态量决定的故障的综合严重程度；

步骤2.1.3、计算所有状态量概率分配矩阵P(H)；

步骤2.1.4、对所有状态量进行初始置信度CF(x_i)赋值；

步骤2.1.5、计算基本概率分配综合矩阵M；

步骤2.1.6、进行数据融合，确定单一状态量的最终概率；

步骤2.1.7、根据单一状态量的最终概率，确定干式变压器中各部件的状态等级，根据各部件的状态确定干式变压器整体状态等级；

所述步骤2.1.1中归一化处理采用的归一化公式为：

其中，x_i表示单一状态量归一化后的严重程度，归一化后的数据越大，代表该单一状态量偏离正常状态越严重；x_m为单一状态量实际值；a,b为该单一状态量评估指标的阈值，每个指标的阈值根据相关专家参考规程和导则设定；

所述步骤2.1.2中故障的综合严重程度采用以下公式进行计算：

其中，x_i表示单一状态量归一化后的严重程度，x_M表示多个单一状态量归一化后的综合严重程度，x_j、x_k、x_n分别表示第j个、第k个和第n个状态量归一化后的严重程度，其中j与k不相等，n表示与某一故障模式相关的所有状态量的个数；

所述步骤2.1.3中所有状态量的基本概率分配矩阵P(H)如下所示：

其中，μ_m(x_n)表示第n个指标处于第m个状态等级的概率，m＝1,2,3,4，分别代表正常、注意、异常、严重四种状态，n为所有状态量的个数；

所述步骤2.1.5中根据所有状态量基本概率分配矩阵P(H)以及各状态的指标综合权重进行融合，

所有状态量概率分配矩阵P(H)与各状态的指标综合权重的融合公式为：

融合后的基本概率分配综合矩阵M为：

其中，m_i(h_j)表示第i个评估指标在第j个状态中分基本概率赋值，1≤i≤n，j＝1,2,3,4；m_i(Θ)表示第i个状态指标的不确定度；

所述步骤2.2包括：

步骤2.2.1、将步骤1采集到的单一状态量与设定的相应单一状态量的阈值进行比较，若采集到的单一状态量超过相应的设定阈值，进行故障报警；

步骤2.2.2、对于局部放电超声信号，通过与TEV信号结合，运用声电联合分析方法进行故障定位；

步骤2.2.3、对于TEV信号，通过与局部放电超声信号联合分析方法进行故障定位；

步骤2.2.4、对于红外热像信号，通过与基础红外热像图库进行比较分析，并结合超声波定位方式进行故障定位；

步骤2.2.5、对于振动信号，通过与红外热像图像进行联合对比分析，进行故障定位。

2.根据权利要求1所述的一种干式变压器多信息量在线综合监测方法，其特征在于：所述步骤2.1.6中包括：

步骤2.1.6.1、通过基本概率分配综合矩阵M计算n个状态量之间的支持概率距离：

difSPFE(m_p,m_q)＝max[|m_p(h₁)-m_q(h₁)|,…,|m_p(h₄)-m_q(h₄)|]

其中，difSPFE(m_p,m_q)表示任意两个评价指标p,q之间的支持概率距离，m_p(h_j)、m_q(h_j)分别表示第p个评价指标或第q个评价指标在第j个状态中分配的基本概率赋值，1≤p＜q≤n，j＝1,2,3,4；

步骤2.1.6.2、计算证据之间的冲突系数Def：

k表示p，q两个证据能否同时反应同一个故障，若能，则k为p,q两个证据基本综合概率m_p,m_q的乘积；若不能，则k为0；

步骤2.1.6.3、按照经典D-S证据理论对多证据进行融合，D-S证据理论数据融合方法为：

其中，p∩q表示p、q两个证据能否同时反应同一个故障，m(C)表示两个证据融合后的最终概率；

步骤2.1.6.4、针对于多个证据体，采用步骤2.1.6.3中的公式进行多证据概率融合推广，即

最终取最大概率分配值所对应状态为最终的评估结果。

3.根据权利要求2所述的一种干式变压器多信息量在线综合监测方法，其特征在于：所述步骤2.1.6.2中，根据专家工程经验设定ε，当Def<ε时，使用经典D-S证据理论对多证据进行融合；当Def≥ε时，根据概率距离对基本概率分配综合矩阵M进行修正。

4.一种干式变压器多信息量在线综合监测系统，所述系统用于实现根据权利要求3所述的一种干式变压器多信息量在线综合监测方法，其特征在于：所述系统包括：

数据采集单元，数据采集单元与数据处理单元连接，用于采集干式变压器的单一状态量数据，单一状态量数据分别为：局部放电超声信号、TEV信号、红外热像图像以及振动信号；

数据处理单元，数据处理单元与数据采集单元连接，用于对数据采集单元采集的数据进行数据处理；和数据显示单元，数据显示单元与数据处理单元连接，用于对数据处理单元处理的数据进行实时显示。

5.根据权利要求4所述的一种干式变压器多信息量在线综合监测系统，其特征在于：所述数据处理单元包括故障诊断模块和故障定位模块，

故障诊断模块，故障诊断模块分别与数据采集单元和数据显示单元连接，用于根据数据采集单元采集的单一状态量数据，对数据进行归一化处理，根据D-S证据理论进行数据融合，对干式变压器进行故障诊断，确定故障的状态等级；

故障定位模块，故障定位模块分别与数据采集单元和数据显示单元连接，用于根据数据采集单元采集的单一状态量数据，通过与预先设定的相应的阈值比较，确定是否发生故障，并运用声电联合分析方法、声热联合分析方法及声振联合分析方法，对干式变压器进行故障定位。

6.根据权利要求4所述的一种干式变压器多信息量在线综合监测系统，其特征在于：所述系统还包括报警单元，报警单元分别与故障诊断模块和故障定位模块连接，用于对故障诊断模块诊断的故障状态等级、对故障定位模块定位的故障位置通过灯光闪烁及声音提示进行实时报警。

7.根据权利要求4所述的一种干式变压器多信息量在线综合监测系统，其特征在于：所述系统还包括数据存储单元，数据存储单元与数据采集单元及数据处理单元连接，用于将干式变压器的信息、数据采集单元采集的数据及数据处理单元处理的数据实时存入数据库。

8.根据权利要求4所述的一种干式变压器多信息量在线综合监测系统，其特征在于：所述系统还包括数据查询单元，数据查询单元与数据存储单元连接，用于从数据存储模块查询干式变压器的实时数据或历史数据，实时数据或历史数据包括干式变压器的信息、数据采集单元采集的数据及数据处理单元处理的数据。

9.根据权利要求4所述的一种干式变压器多信息量在线综合监测系统，其特征在于：所述系统还包括报告打印单元，报告打印单元与数据查询单元连接，用于将从数据查询单元获得的数据打印成标准版评估报告。

Images