CN112505494A - 一种油纸绝缘含水量评估方法及装置 - Google Patents
一种油纸绝缘含水量评估方法及装置 Download PDFInfo
- Publication number
- CN112505494A CN112505494A CN202011196035.9A CN202011196035A CN112505494A CN 112505494 A CN112505494 A CN 112505494A CN 202011196035 A CN202011196035 A CN 202011196035A CN 112505494 A CN112505494 A CN 112505494A
- Authority
- CN
- China
- Prior art keywords
- fds
- water content
- preset
- oil
- frequency
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
- G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
- G01N27/221—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance by investigating the dielectric properties
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
- G01N27/223—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance for determining moisture content, e.g. humidity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Electrochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本申请公开了一种油纸绝缘含水量评估方法及装置,用以解决现有的评估方法无法保证油纸绝缘含水量评估的准确性及快速性的技术问题。方法包括:获取油纸绝缘样品在预设频率区间内的频域介电谱FDS测试结果;基于预设频率区间内的FDS测试结果,确定预设截止频率对应的FDS特征值;其中,预设截止频率为预设频率区间内的最小频率;将FDS特征值输入至油纸绝缘含水量评估模型中,确定油纸绝缘样品的含水量。本申请通过上述方法实现了油纸绝缘含水量评估,同时保证了评估结果的准确性以及评估过程的快速性。
Description
技术领域
本申请涉及油纸绝缘设备状态诊断技术领域,尤其涉及一种油纸绝缘含水量评估方法及装置。
背景技术
电容型油纸套管主绝缘由油纸两相复合绝缘组成,其剩余寿命主要取决于内部油纸绝缘的状态。水分作为影响油纸绝缘套管运行状态最重要的因素之一,被视作套管绝缘系统的“头号威胁”。由于在电场作用下介电常数较大的水分子易极化为定向排列的“气体小桥”,导致绝缘劣化速度加快。同时,水分的增加会引起介质电导增大,油纸绝缘系统发热增加,水分汽化产生气泡,致使局放起始电压和击穿电压降低。因此,对油纸绝缘的含水量进行评估就显得尤为重要。
但现有的对油纸绝缘含水量进行评估的方法,均使用全频段频域介电谱法(Frequency Domain Spectroscopy,FDS)进行,不利于工况下快速获得测试结果,无法保证油纸绝缘含水量评估的准确性及快速性。
发明内容
本申请实施例提供了一种油纸绝缘含水量评估方法及装置,用以解决现有的评估方法无法保证油纸绝缘含水量评估的准确性及快速性的技术问题。
一方面,本申请实施例提供了一种油纸绝缘含水量评估方法,包括:获取油纸绝缘样品在预设频率区间内的频域介电谱FDS测试结果;基于预设频率区间内的FDS测试结果,确定预设截止频率对应的FDS特征值;其中,预设截止频率为预设频率区间内的最小频率;将FDS特征值输入至油纸绝缘含水量评估模型中,确定油纸绝缘样品的含水量。
本申请实施例提供的一种油纸绝缘含水量评估方法,通过获取油纸绝缘在预设频率区间的频域介电谱法(Frequency Domain Spectroscopy,FDS)测试结果,确定预设截止频率对应的FDS特征值,避免了使用全频段FDS测试结果进行评估的弊端,减少了工况下获取数据的时间,大大缩短了油纸绝缘含水量的评估时间,保证了油纸绝缘含水量评估的高效性及快速性。另外,通过油纸绝缘含水量评估模型进行含水量的评估,评估预测误差较小,能够保证油纸绝缘含水量评估结果的准确性,实现了快速、准确的评估油纸绝缘的含水量。
在本申请的一种实现方式中,FDS特征值至少包括以下任一项或者多项:复电容实部、复电容虚部以及介质损耗因数。
在本申请的一种实现方式中,在将FDS特征值输入至油纸绝缘含水量评估模型中之前,方法还包括:获取若干油浸纸样品;对若干油浸纸样品分别进行全频段FDS测试,以确定若干油浸纸样品分别对应的全频段FDS测试结果;基于全频段FDS测试结果,构建训练数据集以及测试数据集;将训练数据集输入至随机森林模型中进行训练;得到油纸绝缘含水量评估模型。
在本申请的一种实现方式中,基于全频段FDS测试结果,构建训练数据集以及测试数据集,具体包括:以预设方式将全频段FDS测试结果进行划分,得到若干频率区间的FDS测试结果;对若干频率区间的FDS测试结果进行分层抽样,并对分层抽样后得到的抽样结果进行归一化处理,以完成训练数据集以及测试数据集的构建。
在本申请的一种实现方式中,将训练数据集输入至随机森林模型中进行训练,具体包括:按照k折交叉验证将训练数据集划分为k个子集;将任意k-1个子集合并后输入至随机森林模型中进行训练。保证了随机森林模型参数确定的准确性,进而保证了通过该模型评估出的油纸绝缘含水量的准确性。
在本申请的一种实现方式中,油纸绝缘含水量评估模型采用随机森林回归RFR模型进行训练。
本申请实施例提供的一种油纸绝缘含水量评估方法,基于随机森林回归(RandomForest Regression,RFR)模型构建油纸绝缘含水量评估模型,相比于传统的支持向量机(Support Vector Machine,SVM)模型或深度神经网络(Deep Neural Network,DNN)模型,RFR模型在以决策树为基学习器构建Bagging集成的基础上,进一步在决策树的训练过程中引入随机属性选择,致使学习器间的差异性增大,泛化能力增强,同时训练时所需样本数较小,通过平均决策树降低了过拟合风险,因此可以达到较高的预测精度,进而能够保证油纸绝缘含水量评估结果的准确性。
在本申请的一种实现方式中,在得到油纸绝缘含水量评估模型之后,方法还包括:将测试数据集输入至油纸绝缘含水量评估模型中,得到测试数据集对应的若干含水量评估结果;计算若干含水量评估结果与测试数据集对应的实际含水量之间的决定性系数以及均方根误差;在决定性系数大于第一预设阈值,以及均方根误差小于第二预设阈值的情况下,确定任一含水量评估结果对应的频率区间为预设频率区间。
本申请实施例中,在得到油纸绝缘含水量评估模型之后,使用测试数据集对其进行测试,并将含水量评估结果与实际含水量比较后,计算出相应的决定性系数以及与均方根误差,可得到油纸绝缘含水量的准确评价。另外,通过决定性系数以及均方根误差还可以确定预设频率区间的范围,通过该频率区间的FDS测试结果对应的FDS特征值去进行油纸绝缘含水量的评估,即可缩短评估时间。
在本申请的一种实现方式中,在将FDS特征值输入至油纸绝缘含水量评估模型中之前,方法还包括:对若干FDS特征进行重要度评价,得到各FDS特征对应的重要度评分结果;其中,若干FDS特征与FDS测试结果相关;在任一FDS特征对应的重要度评分结果符合预设条件的情况下,将任一FDS特征对应的FDS特征值输入至油纸绝缘含水量评估模型中。
在本申请的一种实现方式中,预设条件包括:任一FDS特征的重要度评分结果最大值与重要度评分结果最小值之间的差值大于预设阈值。
另一方面,本申请实施例还提供了一种油纸绝缘含水量评估装置,包括:获取模块,用于获取油纸绝缘样品在预设频率区间内的频域介电谱FDS测试结果;确定模块,用于基于预设频率区间内的FDS测试结果,确定预设截止频率对应的FDS特征值;其中,预设截止频率为预设频率区间内的最小频率;确定模块,还用于将FDS特征值输入至油纸绝缘含水量评估模型中,确定油纸绝缘样品的含水量。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种油纸绝缘含水量评估方法流程图;
图2为本申请实施例提供的FDS特征重要度分布示意图;
图3为本申请实施例提供的RFR模型最优参数范围示意图;
图4为本申请实施例提供的FDS分频段谱图;
图5为本申请实施例提供的油纸绝缘含水量评估结果与实际含水量之间的拟合曲线;
图6为本申请实施例提供的各频段对应的评价指标R2分布图;
图7为本申请实施例提供的一种油纸绝缘含水量评估装置内部结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
现有的电容型油纸套管主绝缘由油纸两相复合绝缘组成,其剩余寿命主要取决于内部油纸绝缘状态。水分作为影响油纸绝缘套管运行状态最重要的因素之一,被视作套管绝缘系统的“头号威胁”。由于在电场作用下介电常数较大的水分子易极化为定向排列的“气体小桥”,导致绝缘劣化速度加快。同时,水分的增加会引起介质电导增大,油纸绝缘系统发热增加,水分汽化产生气泡,致使局放起始电压和击穿电压降低。近年来,以介电响应为理论基础的回复电圧法(Recovery Voltage Method,RVM)、极化/去极化电流法(Polarization and Depolarization Current,PDC)和频域介电谱法(Frequency DomainSpectroscopy,FDS)因具有测试电压低、接线简单、对设备绝缘无损等特点而备受关注。相比于前两种方法,FDS携带信息丰富、抗干扰能力强,更适宜现场检测,在油纸绝缘含水量评估方面具有更大潜力。由于低频测试周期较长,完整的FDS测试流程通常耗费数个小时,较长的测试时间严重制约了现场检修的“时间窗口”安排。因此,为避免油纸绝缘劣化引起设备故障,缩短工况下FDS测试时间,研究油纸绝缘含水量快速评估方法迫在眉睫。
现阶段常用的油纸绝缘含水量检测手段主要有两种:基于曲线拟合的经验公式和基于机器学习的智能评估算法。基于曲线拟合的经验公式是对FDS特性曲线进行适当变换,寻找与油纸绝缘含水量具有一定映射关系的特征参量,如特定频率范围下介损的积分值、直流电导率、活化能等,通过拟合含水量与特征参量的线性或非线性关系,获得评估油纸绝缘受潮程度的经验公式。基于机器学习的智能评估算法现阶段主要将FDS特征曲线中的复介电常数作为样本特征,油纸绝缘含水量作为标记,采用支持向量机(Support VectorMachine,SVM)或深度神经网络(Deep Neural Network,DNN)来评估油纸绝缘受潮程度。
上述两种方法均可评估油纸绝缘含水量,但基于曲线拟合的经验公式计算过程复杂,普遍存在过拟合、泛化性能差等问题。同时智能算法中SVR模型对于非线性问题往往无法找到合适的核函数,导致其评估性能较差;神经网络可以用较少的参数表示任意复杂函数,但存在网络结构难复杂、学习速度慢等问题。同时以上两个模型均使用全频段FDS数据进行含水量评估,不利于工况下快速获得测试结果。
综上所述,现有的油纸绝缘含水量的预测方法,存在无法保证预测结果的准确性以及无法快速获取预测结果的技术问题。
本申请实施例提供了一种油纸绝缘含水量评估方法及装置,通过获取预设频率区间内的FDS测试结果,确定预设截止频率对应的FDS特征值,然后利用油纸绝缘含水量评估模型对含水量进行预设,解决了上述现有技术中存在的技术问题,实现了油纸绝缘含水量的评估,同时保证了油纸绝缘含水量评估结果的准确性以及评估过程的高效性及快速性。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种油纸绝缘含水量评估方法流程图。如图1所示,本申请实施例中对油纸绝缘样品的含水量评估过程主要包括以下步骤:
步骤101、获取油纸绝缘样品在预设频率区间内的FDS测试结果。
本申请实施例提供的一种油纸绝缘含水量评估方法,首先是获取油纸绝缘样品在预设频率区间内的FDS测试结果。需要说明的是,预设频率区间是全频段(1mHz~5kHz)中的一个子区间,相较于传统的含水量预测方法中获取全频段的FDS测试结果,本申请实施例中获取预设频率区间的FDS测试结果,能够缩短获取时间,进而保证快速的实现油纸绝缘含水量的评估过程。
还需要说明的是,预设频率区间可以在实际的评估过程中进行确定、调整,本申请实施例对此不作限定。而本申请实施例中的预设评估区间是在油纸绝缘含水量评估模型训练完成后,通过测试数据集确定的,该部分内容对应的详细实现过程已在下文说明,故在此不做赘述。
另外,获取油纸绝缘样品在预设频率区间内的FDS测试结果,可以通过现有的方法或者设备实现,例如奥地利Omicron公司开发的DIRANA设备,本申请实施例在此不作赘述。
步骤102、根据预设频率区间内的FDS测试结果,确定预设截止频率对应的FDS特征值。
在获取到油纸绝缘样品在预设频率区间内的FDS测试结果之后,进一步确定预设截止频率对应的FDS特征值。此时确定出的FDS特征值即为评估油纸绝缘样品的含水量时,所使用的油纸绝缘含水量评估模型的输入参数对应的具体数值。且预设截止频率为预设频率区间内的最小频率。本领域技术人员可以明确的是,本申请实施例中的得FDS测试结果为曲线形式,且该曲线用于指示FDS特征与频率之间的对应关系。即,根据预设的截止频率即可在FDS曲线上确定任一FDS特征对应的特征值。
在本申请的一个实施例中,FDS特征值主要包括以下任一项或者多项:复电容实部、复电容虚部以及介质损耗因数。
由于在高维空间中,常会出现数据样本稀疏,计算量增大,运算复杂等问题,而选取某些重要的特征作为样本输入特征是解决“维度灾难”的有效方法。因此,本申请实施例中的FDS特征值是经选取后的部分FDS特征所对应的特征值。
进一步地,本申请实施例中通过以下方式对所有的FDS特征进行选择,以确定油纸绝缘含水量评估模型的输入参数:对于FDS测试结果中所包含的所有特征进行重要度评价。具体地,通过以下公式评价每个FDS特征在随机森林回归模型中的重要度:
其中,xp为输入特征,I(xp)为输入特征的重要度得分,In为判别函数,N为回归树总个数。其具体的重要度得分结果如图2所示。
图2为本申请实施例提供的FDS特征重要度分布示意图。如图2所示,相比于其他参数,在任意频率点下的复电容实部C′的最大值与最小值之间均相差两个数量级以上,能够对不同含水量的FDS测试结果进行较大区分。由图2还可以看出,复电容(C′以及C″)与复介电常数(ε′以及ε″)之间的重要度比较接近,因此,只需要选取其中的一种作为油纸绝缘含水量评估模型的输入即可。故,本申请实施例中选取复电容实部C′、复电容虚部C″以及介质损耗因数tanδ作为油纸绝缘含水量评估模型的输入参数。
步骤103、将FDS特征值输入至油纸绝缘含水量评估模型中,确定油纸绝缘样品的含水量。
在确定预设截止频率对应的FDS特征值之后,将其输入至油纸绝缘含水量评估模型中,得到油纸绝缘样品对应的含水量。
在本申请的一个实施例中,在将FDS特征值输入至油纸绝缘含水量评估模型中之前,首先需要对油纸绝缘含水量评估模型进行训练,而本申请实施例中采用的训练模型为随机森林回归(Random Forest Regression,RFR)模型。其具体的训练过程如下:
首先,获取若干油浸纸样品。具体地,由于纤维素与矿物油分别具有强亲水性和强憎水性,油纸绝缘中97%的水分主要储存于绝缘纸纤维中,溶解于油中的水分很少,故本申请实施例中在制备油浸纸样品时使纸板受潮,变压器油保持干燥。具体实现过程如下:
(1)纸的干燥:为模拟现场电容型油纸套管的真实结构,需在实验室条件下制备固定尺寸的油浸纸样品。首先,使用酒精将真空烘箱内腔体及玻璃器皿擦拭干净,并置于真空烘箱中,持续烘干数小时,确保干燥箱中无残留水分。将卷制好的绝缘纸叠层放入玻璃器皿中分散排布,并置于真空烘箱中干燥数小时。之后打开烘箱,擦拭掉烘箱内壁上的水珠,继续进行干燥。干燥后使用瑞士万通卡尔费休水分测定计KFT831测量纸中含水量。
(2)油的干燥:以与纸的干燥中相同的过程将变压器油干燥数小时。需注意变压器油与绝缘纸样品不能在同一烘箱中干燥,因为变压器油或油渍受热会挥发为油蒸汽被绝缘纸表面吸附,从而降低了绝缘纸样品与空气中水分的交换能力。这样不仅影响绝缘纸样品的干燥程度,也难以精确控制自然吸潮时的水分含量。
(3)油纸受潮:将干燥好的纸浸与干燥好的油中数小时,得到若干油浸纸样品。然后,将干燥好的油浸纸样品取出并立即置于高精度电子天平称重,通过控制自然吸潮时重量的变化来制备若干不同含水量的油纸绝缘样品,之后将制备好的若干油浸纸样品置于含油的密封瓶中静置数小时,使绝缘纸中的气泡溢出。
例如,本申请实施例中的油浸纸样品参数为厚度1.04mm、长600mm、宽100mm。在制备时,首先使用酒精将真空烘箱内腔体及玻璃器皿擦拭干净,并置于真空烘箱中,以105℃/100Pa条件持续烘干5h,确保干燥箱中无残留水分。将卷制好的绝缘纸叠层放入玻璃器皿中分散排布,并置于真空烘箱中,在105℃/100Pa条件下干燥24h。24h后打开烘箱,擦拭掉烘箱内壁上的水珠,以105℃/100Pa条件继续干燥48h。干燥后使用瑞士万通卡尔费休水分测定计KFT831测量纸中含水量,此时含水量小于0.5%。然后,以同样的流程对25#克拉玛依变压器油在105℃/100Pa条件下干燥72h。最后,将干燥好的油浸纸样品取出立即置于高精度电子天平称重,通过控制自然吸潮时重量的变化来制备初始含水量为0.41%~6.82%的55组油纸绝缘样品,其中含水量大于6%的样品采用喷雾机加湿获得。之后将制备好的若干油浸纸样品置于含油的密封瓶中静置48h,使绝缘纸中的气泡溢出。
至此,得到若干油浸纸样品。
然后,通过奥地利Omicron公司开发的DIRANA设备对若干油浸纸样品进行FDS测试,以得到若干油浸纸样品对应的全频段FDS测试结果,即FDS曲线图谱。
其次,根据全频段FDS测试结果,构建油纸绝缘含水量评估模型的训练数据集以及测试数据集。具体地,以预设方式将全频段FDS测试结果进行划分,得到若干频率区间的FDS测试结果,本申请实施例中的预设方式可以是按照频率区间方式进行划分。例如,将全频段FDS测试结果按照频率划分为5个频率区间对应的FDS测试结果,即1mHz~5kHz、0.01Hz~5kHz、0.1Hz~5kHz、1Hz~5kHz、10Hz~5kHz、100Hz~5kHz。然后,对划分出来的若干频率区间的FDS测试结果进行分层抽样,并对分层抽样后得到的抽样结果通过以下公式进行归一化处理,以完成训练数据集以及测试数据集的构建:
其中,x为原特征参数,x′为归一化后的特征参数。归一化可以提高求解模型最优解的速度,同时使得泛化误差减小。
需要说明的是,分层抽样是先将总体样本按某种特征分为若干次级,然后在每一层中进行单纯随机抽样,组成一个样本的方法。一般地,在抽样时,将总体分成互不交叉的层,然后按一定的比例,从各层次独立地抽取一定数量的个体,将各层次取出的个体合在一起作为新样本。例如,对样本进行N层抽样时,第i层的个数为ai,抽取的样本数为M,样本总数为P,那么第i层的抽样样本个数xi为:
最后,利用训练数据集对RFR模型进行训练。本申请实施例中,采用网格搜索法对RFR模型的最优参数进行确定。考虑到设定较大参数范围后网格搜索计算时间较长,因此本申请实施例中首先根据经验确定待搜索范围,搜索过程中逐一将各参数待选数值进行组合,最终给出交叉验证评分最高的一组参数值,即为RFR模型的最优参数。
具体的,首先获取RFR模型的最优参数范围,如图3所示。图3为本申请实施例提供的RFR模型最优参数范围示意图。由图3可以看出,图中颜色与模型最优参数之间含有映射关系,颜色越深,所对应的参数值使得模型交叉验证的均方误差越小,即模型性能越好。然后,通过分层抽样方法将训练数据集按照k折交叉验证划分为k个大小相似的互斥子集,之后轮流选取每个子集作为测试集,剩余k-1个子集作为训练集,重复k次,最终使用k次结果的平均值作为综合评价指标。如图3所示,当决策树数量为300,最大特征数为3,树最大深度为3时,RFR模型所对应均方误差最小,颜色最深,故选择此参数作为最优参数构建RFR模型。
在本申请的一个实施例中,k取值为10。对RFR模型进行10次训练,直至输出收敛,得到油纸绝缘含水量评估模型。
至此,得到训练好的油纸绝缘含水量评估模型,且该模型的输入参数为FDS特征值,输出参数即为油纸绝缘含水量的评估结果。
进一步地,利用测试数据集对训练好的油纸绝缘含水量评估模型进行测试。具体地,将测试数据集输入至训练好的油纸绝缘含水量评估模型中,得到测试数据集对应的若干含水量评估结果(测试数据集中包括若干油浸纸样品分别在不同频率区间内对应的FDS特征值,而根据不同的FDS特征值可得到不同的含水量评估结果)。然后,计算若干含水量评估结果与测试数据集对应的实际含水量之间的决定性系数及均方根误差,并使用决定性系数及均方根误差作为评价指标,确定出任一含水量评估结果对应的频率区间为预设频率区间。使用该频率区间的截止频率对应的FDS特征值进行油纸绝缘含水量评估,能够保证评估过程的快速性。
在本申请的一个实施例中,通过以下公式计算若干含水量评估结果与实际含水量之间的决定性系数:
在本申请的另一实施例中,通过以下公式计算若干含水量评估结果与实际含水量之间的均方根误差:
本领域技术人员可以明确的是,R2越接近1,rmse越接近0,油纸绝缘含水量评估模型的性能越好。
图4为本申请实施例提供的FDS分频段谱图。如图4所示,FDS共包含5个频段,分别为1mHz~5kHz、0.01Hz~5kHz、0.1Hz~5kHz、1Hz~5kHz、10Hz~5kHz、100Hz~5kHz,获取这些频段数据所需测试时间分别为51min、23min、5min、1min、1min。
针对以上5个频段数据,对含水量评估值及实际含水量进行拟合,其结果如5所示。图5为本申请实施例提供的油纸绝缘含水量评估结果与实际含水量之间的拟合曲线。同时,针对以上5个频段数据,绘制评价指标R2的折线图,如图6所示。
由图5以及图6可知,截止频率为0.001Hz和0.01Hz的决定性系数R2较为接近,分别为0.9056与0.8697,均大于0.85。而工况下0.001Hz截止频段所需测试时间为51min,0.01Hz截止频段所需测试时间为23min,后者仅为前者的45%。因此,本申请实施例中最终确定预设频率范围为0.01Hz~5kHz,可实现使用较高截止频率数据快速准确的评估油纸绝缘含水量。
本申请实施例提供的一种油纸绝缘含水量评估方法,具有以下有益效果:首先,本申请实施例中基于RFR构建油纸绝缘含水量评估模型,相比于目前已有的SVR模型与DNN模型,由于RFR在以决策树为基学习器构建Bagging集成的基础上,进一步在决策树的训练过程中引入随机属性选择,致使学习器间的差异性增大,泛化能力增强,同时训练时所需样本数较小,通过平均决策树降低了过拟合风险,因此可以达到较高的含水量预测精度。而SVR所需训练数据量小,可以解决高维问题、能够处理非线性特征的相互作用、无局部极小值问、无需依赖整个数据、泛化能力比较强,但对非线性问题没有通用解决方案,有时候很难找到一个合适的核函数,导致其预测误差低于RFR;DNN通过增加隐含层、扩展激活函数以及增加输出层的神经元来用较少的参数表示任意复杂函数,但其训练过程往往需要大量数据,同时在学习过程中较易陷入局部极值点,由于缺乏实验数据,DNN模型预测效果较差。
其次,由于传统的含水量评估方法使用全频段(0.1mHz~10kHz)的FDS测试数据,低频测试周期较长,完整的FDS测试流程通常耗费数个小时。并且现场电力检修时间短且待检修设备多,较长的测试时间严重制约了现场检修的“时间窗口”安排。相比于使用较长测试时间的全频段数据,本申请实施例通过使用预设截止频率(例如0.01HZ与0.1Hz)的FDS测试结果,可实现在30min内获取FDS数据进而准确进行油纸绝缘含水量的评估过程,可以有效减少工况下获取数据的时间,进而实现快速的获取油纸绝缘含水量的评估结果。
最后,将待测油纸绝缘样品含水量评估结果与实际含水量比较后,计算出相应的决定性系数R2与均方根误差rmse,可得到待测油纸绝缘样品含水量的准确评价。即本申请实施例中的技术方案通过将RFR模型与分段FDS测试结果相结合,可以实现快速、准确地评估油纸绝缘含水量。
以上为本申请中的方法实施例,基于同样的发明构思,本申请实施例还提供了一种油纸绝缘含水量评估装置。
图7为本申请实施例提供的一种油纸绝缘含水量评估装置内部结构示意图。如图7所示,装置包括:获取模块701以及确定模块702。
需要说明的是,图6显示出的油纸绝缘含水量评估装置结构并不构成对该装置的限定。实际上,本申请实施例中的油纸绝缘含水量评估装置可以包括比图6所示更多或更少的部件,或者组合某些部件,或者不同部件的布置。
在本申请的一个实施例中,获取模块701用于获取油纸绝缘样品在预设频率区间内的频域介电谱FDS测试结果;确定模块702,用于基于预设频率区间内的FDS测试结果,确定预设截止频率对应的FDS特征值;其中,预设截止频率为预设频率区间内的最小频率,以及用于将FDS特征值输入至油纸绝缘含水量评估模型中,确定油纸绝缘样品的含水量。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种油纸绝缘含水量评估方法,其特征在于,所述方法包括:
获取油纸绝缘样品在预设频率区间内的频域介电谱FDS测试结果;
基于所述预设频率区间内的FDS测试结果,确定预设截止频率对应的FDS特征值;其中,所述预设截止频率为所述预设频率区间内的最小频率;
将所述FDS特征值输入至油纸绝缘含水量评估模型中,确定所述油纸绝缘样品的含水量。
2.根据权利要求1所述的一种油纸绝缘含水量评估方法,其特征在于,所述FDS特征值至少包括以下任一项或者多项:复电容实部、复电容虚部以及介质损耗因数。
3.根据权利要求1所述的一种油纸绝缘含水量评估方法,其特征在于,在将所述FDS特征值输入至油纸绝缘含水量评估模型中之前,所述方法还包括:
获取若干油浸纸样品;
对所述若干油浸纸样品分别进行全频段FDS测试,以确定所述若干油浸纸样品分别对应的全频段FDS测试结果;
基于所述全频段FDS测试结果,构建训练数据集以及测试数据集;
将所述训练数据集输入至随机森林模型中进行训练,得到所述油纸绝缘含水量评估模型。
4.根据权利要求3所述一种油纸绝缘含水量评估方法,其特征在于,基于所述全频段FDS测试结果,构建训练数据集以及测试数据集,具体包括:
以预设方式将所述全频段FDS测试结果进行划分,得到若干频率区间的FDS测试结果;
对所述若干频率区间的FDS测试结果进行分层抽样,并对分层抽样后得到的抽样结果进行归一化处理,以完成所述训练数据集以及测试数据集的构建。
5.根据权利要求3所述一种油纸绝缘含水量评估方法,其特征在于,将所述训练数据集输入至随机森林模型中进行训练,具体包括:
按照k折交叉验证,将所述训练数据集划分为k个子集;
将任意k-1个子集合并后输入至随机森林模型中进行训练。
6.根据权利要求1所述一种油纸绝缘含水量评估方法,其特征在于,所述油纸绝缘含水量评估模型采用随机森林回归RFR模型进行训练。
7.根据权利要求3所述一种油纸绝缘含水量评估方法,其特征在于,在得到油纸绝缘含水量评估模型之后,所述方法还包括:
将所述测试数据集输入至油纸绝缘含水量评估模型中,得到所述测试数据集对应的若干含水量评估结果;
计算所述若干含水量评估结果与所述测试数据集对应的实际含水量之间的决定性系数以及均方根误差;
在所述决定性系数大于第一预设阈值,以及所述均方根误差小于第二预设阈值的情况下,确定任一所述含水量评估结果对应的频率区间为预设频率区间。
8.根据权利要求1所述一种油纸绝缘含水量评估方法,其特征在于,在将所述FDS特征值输入至油纸绝缘含水量评估模型中之前,所述方法还包括:
对若干FDS特征进行重要度评价,得到各所述FDS特征对应的重要度评分结果;其中,所述若干FDS特征与所述FDS测试结果相关;
在任一所述FDS特征对应的重要度评分结果符合预设条件的情况下,将任一所述FDS特征对应的FDS特征值输入至油纸绝缘含水量评估模型中。
9.根据权利要求8所述一种油纸绝缘含水量评估方法,其特征在于,所述预设条件包括:
任一所述FDS特征的重要度评分结果最大值与重要度评分结果最小值之间的差值大于预设阈值。
10.一种油纸绝缘含水量评估装置,其特征在于,所述装置包括:
获取模块,用于获取油纸绝缘样品在预设频率区间内的频域介电谱FDS测试结果;
确定模块,用于基于所述预设频率区间内的FDS测试结果,确定预设截止频率对应的FDS特征值;其中,所述预设截止频率为所述预设频率区间内的最小频率;
所述确定模块,还用于将所述FDS特征值输入至油纸绝缘含水量评估模型中,确定所述油纸绝缘样品的含水量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011196035.9A CN112505494B (zh) | 2020-10-30 | 2020-10-30 | 一种油纸绝缘含水量评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011196035.9A CN112505494B (zh) | 2020-10-30 | 2020-10-30 | 一种油纸绝缘含水量评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112505494A true CN112505494A (zh) | 2021-03-16 |
CN112505494B CN112505494B (zh) | 2022-05-03 |
Family
ID=74954772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011196035.9A Active CN112505494B (zh) | 2020-10-30 | 2020-10-30 | 一种油纸绝缘含水量评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112505494B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113466551A (zh) * | 2021-05-20 | 2021-10-01 | 河北大唐国际王滩发电有限责任公司 | 一种基于截止频率测量的锅炉管老化程度快速评估方法 |
CN113514739A (zh) * | 2021-06-16 | 2021-10-19 | 国网吉林省电力有限公司电力科学研究院 | 一种基于iwoa-bp算法的油纸绝缘老化评估方法 |
CN113588733A (zh) * | 2021-07-09 | 2021-11-02 | 深圳供电局有限公司 | 油纸绝缘水分含量评估方法及设备 |
CN113740674A (zh) * | 2021-07-19 | 2021-12-03 | 深圳供电局有限公司 | 介电响应测试方法、系统及存储介质 |
CN114818908A (zh) * | 2022-04-22 | 2022-07-29 | 福州大学 | 基于Stacking模型融合的油纸绝缘受潮状态定量评估方法 |
CN115184538A (zh) * | 2021-06-29 | 2022-10-14 | 国网山东省电力公司济宁供电公司 | 一种油纸绝缘套管水分含量的评估方法及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018639A (zh) * | 2012-11-21 | 2013-04-03 | 深圳供电局有限公司 | 一种基于频域介电谱的油纸绝缘电力设备绝缘老化状态评估方法 |
CN107679327A (zh) * | 2017-10-10 | 2018-02-09 | 国网江苏省电力公司电力科学研究院 | 基于fds的油纸绝缘扩展德拜模型参数辨识方法 |
CN108431613A (zh) * | 2015-12-01 | 2018-08-21 | 通用电器技术有限公司 | 变压器油纸绝缘的主绝缘状况的智能评定方法 |
CN109766930A (zh) * | 2018-12-24 | 2019-05-17 | 太原理工大学 | 一种基于dcnn模型的矿井机械设备的剩余寿命预测方法 |
CN110554287A (zh) * | 2019-09-20 | 2019-12-10 | 福州大学 | 利用向后选择多元回归分析的油纸绝缘微水含量评估方法 |
CN110805534A (zh) * | 2019-11-18 | 2020-02-18 | 长沙理工大学 | 一种风力发电机的故障检测方法、装置及设备 |
CN111488713A (zh) * | 2020-04-14 | 2020-08-04 | 中国交通建设股份有限公司吉林省分公司 | 一种混凝土早期碳化预测的方法、预测系统及存储介质 |
-
2020
- 2020-10-30 CN CN202011196035.9A patent/CN112505494B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018639A (zh) * | 2012-11-21 | 2013-04-03 | 深圳供电局有限公司 | 一种基于频域介电谱的油纸绝缘电力设备绝缘老化状态评估方法 |
CN108431613A (zh) * | 2015-12-01 | 2018-08-21 | 通用电器技术有限公司 | 变压器油纸绝缘的主绝缘状况的智能评定方法 |
CN107679327A (zh) * | 2017-10-10 | 2018-02-09 | 国网江苏省电力公司电力科学研究院 | 基于fds的油纸绝缘扩展德拜模型参数辨识方法 |
CN109766930A (zh) * | 2018-12-24 | 2019-05-17 | 太原理工大学 | 一种基于dcnn模型的矿井机械设备的剩余寿命预测方法 |
CN110554287A (zh) * | 2019-09-20 | 2019-12-10 | 福州大学 | 利用向后选择多元回归分析的油纸绝缘微水含量评估方法 |
CN110805534A (zh) * | 2019-11-18 | 2020-02-18 | 长沙理工大学 | 一种风力发电机的故障检测方法、装置及设备 |
CN111488713A (zh) * | 2020-04-14 | 2020-08-04 | 中国交通建设股份有限公司吉林省分公司 | 一种混凝土早期碳化预测的方法、预测系统及存储介质 |
Non-Patent Citations (7)
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113466551A (zh) * | 2021-05-20 | 2021-10-01 | 河北大唐国际王滩发电有限责任公司 | 一种基于截止频率测量的锅炉管老化程度快速评估方法 |
CN113466551B (zh) * | 2021-05-20 | 2024-03-19 | 河北大唐国际王滩发电有限责任公司 | 一种基于截止频率测量的锅炉管老化程度快速评估方法 |
CN113514739A (zh) * | 2021-06-16 | 2021-10-19 | 国网吉林省电力有限公司电力科学研究院 | 一种基于iwoa-bp算法的油纸绝缘老化评估方法 |
CN115184538A (zh) * | 2021-06-29 | 2022-10-14 | 国网山东省电力公司济宁供电公司 | 一种油纸绝缘套管水分含量的评估方法及设备 |
CN115184538B (zh) * | 2021-06-29 | 2024-04-26 | 国网山东省电力公司济宁供电公司 | 一种油纸绝缘套管水分含量的评估方法及设备 |
CN113588733A (zh) * | 2021-07-09 | 2021-11-02 | 深圳供电局有限公司 | 油纸绝缘水分含量评估方法及设备 |
CN113740674A (zh) * | 2021-07-19 | 2021-12-03 | 深圳供电局有限公司 | 介电响应测试方法、系统及存储介质 |
CN113740674B (zh) * | 2021-07-19 | 2024-01-02 | 深圳供电局有限公司 | 介电响应测试方法、系统及存储介质 |
CN114818908A (zh) * | 2022-04-22 | 2022-07-29 | 福州大学 | 基于Stacking模型融合的油纸绝缘受潮状态定量评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112505494B (zh) | 2022-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112505494B (zh) | 一种油纸绝缘含水量评估方法及装置 | |
Liu et al. | Moisture diagnosis of transformer oil-immersed insulation with intelligent technique and frequency-domain spectroscopy | |
CN111220885B (zh) | 一种基于频域介电模量估算变压器油纸绝缘的活化能的方法 | |
CN107860894B (zh) | 一种基于频域复介电常数初始斜率的变压器绝缘油中糠醛含量预测方法 | |
CN108872820B (zh) | 高压电流互感器内油浸纸绝缘老化状态的评估方法及系统 | |
CN112668604A (zh) | 基于频域介电响应和支持向量机的套管绝缘水分预测方法 | |
CN109142865B (zh) | 考虑油纸绝缘界面极化等效电路参数的频域谱辨识方法 | |
CN112883536A (zh) | 基于介电模量的套管绝缘油纸温度修正和活化能预测方法 | |
Liao et al. | A method for discriminating the moisture status of OIP bushing based on Dissado-hill and GWO-HMM model | |
Fan et al. | Polarization loss analysis and ageing characterisation of transformer oil‐immersed insulation by using decoupled frequency domain spectroscopy | |
Fan et al. | Moisture evaluation of oil-immersed insulation in bushing based on frequency domain spectroscopy and grey relational analysis | |
CN112257228A (zh) | 基于拟合指纹数据库预测现场套管油纸绝缘状态方法 | |
Yao et al. | Evaluation method for moisture content of oil‐paper insulation based on segmented frequency domain spectroscopy: From curve fitting to machine learning | |
CN113553756A (zh) | 一种含气泡油纸绝缘状态评估模拟测试的方法及系统 | |
Ding et al. | NSGA-II model-based dielectric frequency response parameters for aging and moisture analysis of transformer insulation | |
CN107727939A (zh) | 用于油纸绝缘的三支路改进等效模型 | |
CN116859189A (zh) | 一种套管含水量与频域介电谱特征关联性判断方法 | |
CN109142996B (zh) | 一种油浸式高压套管水分侵入点的测试方法 | |
Liu et al. | A novel curve database for moisture evaluation of transformer oil-immersed cellulose insulation using FDS and exponential decay model | |
CN113792475B (zh) | 基于加权knn算法考虑变压器老化效应的水分含量评估方法 | |
CN113935171A (zh) | 一种油纸绝缘介电响应的宽频等效建模方法 | |
Yang et al. | A circuital model-based analysis of moisture content in oil-impregnated-paper insulation using frequency domain spectroscopy | |
CN114088660B (zh) | 一种基于稳健波长筛选的绝缘纸含水量评估方法 | |
CN113484369A (zh) | 一种油纸绝缘介电谱特性分析方法 | |
CN112257227A (zh) | 基于介电模量指纹数据库套管绝缘状态的评估方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230406 Address after: 710086 Room 017, F2001, 20th Floor, Building 4-A, Xixian Financial Port, Fengdong New Energy Jinmao District, Xixian New District, Xi'an City, Shaanxi Province Patentee after: Shaanxi Hefeng Zhidian Technology Co.,Ltd. Address before: No.28, Xianning West Road, Beilin District, Xi'an City, Shaanxi Province Patentee before: XI'AN JIAOTONG University |
|
TR01 | Transfer of patent right |