CN112528461B - 一种基于油气含量及产气速率的变压器的停运评估方法 - Google Patents
一种基于油气含量及产气速率的变压器的停运评估方法 Download PDFInfo
- Publication number
- CN112528461B CN112528461B CN202011140881.9A CN202011140881A CN112528461B CN 112528461 B CN112528461 B CN 112528461B CN 202011140881 A CN202011140881 A CN 202011140881A CN 112528461 B CN112528461 B CN 112528461B
- Authority
- CN
- China
- Prior art keywords
- transformer
- oil
- communication module
- state
- data block
- 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
Links
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Abstract
本发明涉及变压器运维技术领域,具体涉及一种基于油气含量及产气速率的变压器的停运评估方法,包括以下步骤:A)监测油中气体量;B)建立变压器多状态马尔可夫模型,根据多状态马尔可夫模型获得变压器故障失效率λs;C)建立时变停运子模型,获得变压器时变停运率λv;D)变压器的停运概率λT=λs+λv。本发明的实质性效果是:通过多状态马尔可夫模型能够提供客观的评估结果,通过时变停运子模型,能够提供变压器故障率随时间的变化,更具科学性与系统性;通过时变模型能够获得变压器故障的时变特性,为变压器的故障率提供准确的评估。
Description
技术领域
本发明涉及变压器运维技术领域,具体涉及一种基于油气含量及产气速率的变压器的停运评估方法。
背景技术
变压器失效停运可能导致电网发生大规模停电,不仅影响到电网的稳定运行也极大地增加了系统的运行风险。因此,对电力变压器进行停运建模,分析变压器当前健康状况,评估实时运行风险对系统的稳定运行具有重要意义。目前针对变压器时变失效停运的研究主要可分为两大类,一类是基于数理统计知识的建模,根据变压器历史运行统计数据,建立适当统计模型并计算实时失效率;另一类是通过对变压器器身内部发生的物理化学现象进行分析,通过建立适当模型模拟器身内部故障的发展程度,并根据发展程度判断其失效概率。综合来说,油气信息对变压器健康状况的反映较为全面、客观,因此非常适合进行失效率分析。目前风险评估中常假设变压器失效率在一段时间不变,即取均值进行风险分析。实际运行中,失效率随运行负荷、环境因素、服役时间等的变化而不同,常数失效率的考虑方法并不符合实际运行情况,失效率应该是时变的,是时间的函数。因此根据变压器实际运行情况建立时变停运模型是进行变压器风险分析非常必要的基础准备。中国专利CN109540808A,公开日2019年3月29日,一种变压器检测系统和故障诊断方法,变压器检测系统包括:变压器、抽油模块、油气分离模块、光声光谱采集模块、主控模块、无线通信模块、计算机、散热优化模块、故障预测模块、报警模块。其技术方案通过故障预测模块可以预测未来任意时刻变压器油中特征气体含量并对变压器进行的故障预判与维修措施。但其不能提供变压器失效率的时变特性,不能准确评估变压器的故障率。
发明内容
本发明要解决的技术问题是:目前缺乏反映变压器故障率的时变特性的变压器的停运评估技术的问题,提出了一种基于油气含量及产气速率的变压器的停运评估方法,本方法能够反映变压器的故障率随时间的变化,提供更为准确的变压器停运评估结果。
为解决上述技术问题,本发明所采取的技术方案为:一种基于油气含量及产气速率的变压器的停运评估方法,包括以下步骤:A)监测油中气体量;B)建立变压器多状态马尔可夫模型,根据多状态马尔可夫模型获得变压器故障失效率λs;C)建立时变停运子模型,获得变压器时变停运率λv;D)变压器的停运概率λT=λs+λv。通过多状态马尔可夫模型能够提供客观的评估结果,通过时变停运子模型,能够提供变压器故障率随时间的变化,更具科学性与系统性。
作为优选,步骤B)中,建立变压器多状态马尔可夫模型的方法包括:定义变压器的状态,状态1:健康状态,无需修复,状态2:需要进行油过滤,状态3:需要进行油替换,状态4:损坏状态,修复后的变压器可能处于状态1、2、3或4,状态转移速率根据状态转移速率λi,i+1建立马尔可夫模型的状态转移速率矩阵
其中,修复率μi,j为从状态i到状态j的修复时间的倒数。通过多状态马尔可夫模型能够提供变压器在不同状态之间转换的概率,提供变压器故障率的评估结果。
作为优选,步骤B)中,根据多状态马尔可夫模型获得变压器故障失效率λs的方法包括:B1)建立变压器在各个状态的稳态概率Pi,i∈[1,4];B2)根据稳态概率Pi,获得变压器从健康状态到损坏状态的概率,即为变压器故障失效率λs。
作为优选,步骤B1)中,建立变压器在各个状态的稳态概率的方法包括:模型中各状态的稳态概率为P=[P1 P2 P3 P4],则在任何时刻系统各状态的概率之和都恒等于1,即且A·P=0;令P4=0,获得变压器在各个状态的稳态概率:
Δ=μ21·μ32+λ23·μ31+μ21·μ31+λ12·μ32+λ12·μ23++λ13·μ32+λ13·μ23+λ13·μ21+λ12·μ31。通过各个状态的稳态概率能够方便的计算变压器在各个状态之间转换的概率。
作为优选,步骤B2)中,根据稳态概率Pi,获得变压器从健康状态到损坏状态的概率的方法包括:Tw为变压器从初始时刻发展到状态4所需时间,变压器故障失效率λs=P(Tw<t)=LP,其中,L=[0 0 λ34 0],变压器故障失效率通过变压器从初始时刻发展到状态4所需时间计算变压器故障的概率,能够准确表征变压器的故障概率。
作为优选,步骤C)中,建立时变停运子模型,获得变压器时变停运率λv的方法包括:建立预设条件:假设当产气速率趋于无限大时,设备必失效,即v→∞时,λv→100%,其中,v为油中产气速率;检测并获得变压器的产气速率v;令λv(t)=A+α×eθt,θ≥0,其中,A表示外部发生随机故障的概率,α为小正数常量,θ表示随着时间推移失效率的加速因子,得log[λv(t)-A]=logα+θt,即加速因子θ和产气速率v之间服从线性关系:θ(v)=m+k×v,其中,m、k均为常数系数,其值由实验室条件下测量数据拟合得到。通过时变模型能够获得变压器故障的时变特性,为变压器的故障率提供准确的评估。
作为优选,变压器的产气速率其中,G(ti)为ti时监测的油中气体总量值;t1、t2分别为两次监测气体的时间。
作为优选,步骤A)中,监测油中气体含量的方法包括:A1)为目标区域电网内的每台变压器i安装油中气体在线监测装置所述油中气体在线监测装置具有控制器、存储器和通信模块;A2)N/4个在线监测装置的通信模块Gi构成通信环,N为目标区域电网内变压器的数量,通信环中的每个通信模块Gi分别与通信环外的3个通信模块Gij,j∈[1,3]构成通信链,通信模块Gi记为Gi0;A3)每个在线监测装置以周期t采集对应变压器的油中气体含量,在线监测装置以周期T将采集到的油中气体含量数据打包成数据块,T为t的m倍,每个数据块包含m个油中气体含量的监测数据;A4)周期T结束后通信模块Gi3对应的控制器生成m位二进制数Bm,关联时间戳和通信模块Gi3的标识号后上传到服务器;A5)通信模块Gi3将数据块Di3和m位二进制数Bm发送给通信模块Gi2,通信模块Gi2接收到数据块Di3和二进制数Bm后,由通信模块Gi2对应的控制器将数据块Di3和数据块Di2内包含的油中气体含量数据按二进制数Bm的位值进行对调,若二进制数Bm的第k位为1则将数据块Di3和数据块Di2的第k个油中气体含量数据进行对调,对调后的数据块Di3和数据块Di2拼接为数据块Di3-2,通信模块Gi2将数据块Di3-2以及二进制数Bm发送给通信模块Gi1;A6)通信模块Gi1收到数据块Di3-2以及二进制数Bm后,将数据块Di3-2、数据块Di1和二进制数Bm发送给通信模块Gi0,通信模块Gi0收到数据块Di3-2、数据块Di1和二进制数Bm后,由通信模块Gi0对应的控制器将数据块Di1和数据块Di0内包含的油中气体含量数据按二进制数Bm的位值进行对调,若二进制数Bm的第k位为1则将数据块Di1和数据块Di0的第k个油中气体含量数据进行对调,对调后的数据块Di1和数据块Di0拼接为数据块Di1-0;A7)将两个二进制数Bm拼接成二进制数B2m,将数据块Di3-2和数据块Di1-0内包含的油中气体含量数据按二进制数B2m的位值进行对调,若二进制数B2m的第k位为1则将数据块Di3-2和数据块Di1-0的第k个油中气体含量数据进行对调,对调后的数据块Di3-2和数据块Di1-0拼接为数据块Di;A8)通信模块Gi将数据块Di上传到服务器并丢弃二进制数Bm。通信环中的每个通信模块Gi,i∈[1,N]都对应一个二进制数Bm,因而每个周期T结束,共会生成N个二进制数Bm,服务器根据N个二进制数Bm能够复原通信模块Gij,i∈[1,N],j∈[1,3]所收到的油中气体含量的监测数据,但每个单独的通信模块Gij,均无法自行复原自身采集到的油中气体含量的监测数据,使得油中气体含量的监测数据在传输过程中无法被窃取,保证变电站数据的保密性。
作为优选,步骤A8)中,通信模块Gi将数据块Di上传到服务器的方法包括:通信模块Gi对应的控制器将数据块Di分为2部分Di,1和Di,2,通信模块Gi对应的控制器根据二进制数Bm的首位,决定是否将数据块Di,2发送给通信环中的下一个通信模块Gi+1,若二进制数Bm的首位为1,则将数据块Di,2发送给通信环中的下一个通信模块Gi+1,若通信模块Gi+1对应的二进制数Bm|i+1的首位为1,则通信模块Gi+1接收数据块Di,2,并将自身的数据块Di+1,2发送给通信环的下一个通信模块Gi+2,反之,则直接将数据块Di,2发送给通信环中的下一个通信模块Gi+2,若干个周期T结束后,全部通信模块Gi,i∈[1,N]将数据块Di,i∈[1,N]上传到服务器。服务器根据N个二进制数Bm能够复原通信模块Gi,i∈[1,N]所进行的数据交换,从而复原全部通信模块所上传的油中气体含量的监测数据。
本发明的实质性效果是:通过多状态马尔可夫模型能够提供客观的评估结果,通过时变停运子模型,能够提供变压器故障率随时间的变化,更具科学性与系统性;通过时变模型能够获得变压器故障的时变特性,为变压器的故障率提供准确的评估。
附图说明
图1为实施例一变压器多状态马尔可夫模型示意图。
具体实施方式
下面通过具体实施例,并结合附图,对本发明的具体实施方式作进一步具体说明。
实施例一:
一种基于油气含量及产气速率的变压器的停运评估方法,如图1所示,包括以下步骤:A)监测油中气体量。
B)建立变压器多状态马尔可夫模型,根据多状态马尔可夫模型获得变压器故障失效率λs。
建立变压器多状态马尔可夫模型的方法包括:定义变压器的状态,状态1:健康状态,无需修复,状态2:需要进行油过滤,状态3:需要进行油替换,状态4:损坏状态,修复后的变压器可能处于状态1、2、3或4,状态转移速率根据状态转移速率λi,i+1建立马尔可夫模型的状态转移速率矩阵
其中,修复率μi,j为从状态i到状态j的修复时间的倒数。通过多状态马尔可夫模型能够提供变压器在不同状态之间转换的概率,提供变压器故障率的评估结果。
根据多状态马尔可夫模型获得变压器故障失效率λs的方法包括:B1)建立变压器在各个状态的稳态概率Pi,i∈[1,4];B2)根据稳态概率Pi,获得变压器从健康状态到损坏状态的概率,即为变压器故障失效率λs。
步骤B1)中,建立变压器在各个状态的稳态概率的方法包括:模型中各状态的稳态概率为P=[P1 P2 P3 P4],则在任何时刻系统各状态的概率之和都恒等于1,即且A·P=0;令P4=0,获得变压器在各个状态的稳态概率:
Δ=μ21·μ32+λ23·μ31+μ21·μ31+λ12·μ32+λ12·μ23+λ13·μ32+λ13·μ23+λ13·μ21+λ12·μ31。通过各个状态的稳态概率能够方便的计算变压器在各个状态之间转换的概率。
步骤B2)中,根据稳态概率Pi,获得变压器从健康状态到损坏状态的概率的方法包括:Tw为变压器从初始时刻发展到状态4所需时间,变压器故障失效率λs=P(Tw<t)=LP,其中,L=[0 0 λ34 0],变压器故障失效率通过变压器从初始时刻发展到状态4所需时间计算变压器故障的概率,能够准确表征变压器的故障概率。
C)建立时变停运子模型,获得变压器时变停运率λv。步骤C)中,建立时变停运子模型,获得变压器时变停运率λv的方法包括:建立预设条件:假设当产气速率趋于无限大时,设备必失效,即v→∞时,λv→100%,其中,v为油中产气速率;检测并获得变压器的产气速率v;令λv(t)=A+α×eθt,θ≥0,其中,A表示外部发生随机故障的概率,α为小正数常量,θ表示随着时间推移失效率的加速因子,得log[λv(t)-A]=logα+θt,即加速因子θ和产气速率v之间服从线性关系:θ(v)=m+k×v,其中,m、k均为常数系数,其值由实验室条件下测量数据拟合得到。通过时变模型能够获得变压器故障的时变特性,为变压器的故障率提供准确的评估。
变压器的产气速率其中,G(ti)为ti时监测的油中气体总量值;t1、t2分别为两次监测气体的时间。
D)变压器的停运概率λT=λs+λv。通过多状态马尔可夫模型能够提供客观的评估结果,通过时变停运子模型,能够提供变压器故障率随时间的变化,更具科学性与系统性。
本实施例的实质性效果是:通过多状态马尔可夫模型能够提供客观的评估结果,通过时变停运子模型,能够提供变压器故障率随时间的变化,更具科学性与系统性;通过时变模型能够获得变压器故障的时变特性,为变压器的故障率提供准确的评估。
实施例二:
本实施例在实施例一的基础上对监测油中气体含量的方法进行了进一步的改进。本实施例中,监测油中气体含量的方法包括:A1)为目标区域电网内的每台变压器i安装油中气体在线监测装置所述油中气体在线监测装置具有控制器、存储器和通信模块;A2)N/4个在线监测装置的通信模块Gi构成通信环,N为目标区域电网内变压器的数量,通信环中的每个通信模块Gi分别与通信环外的3个通信模块Gij,j∈[1,3]构成通信链,通信模块Gi记为Gi0;A3)每个在线监测装置以周期t采集对应变压器的油中气体含量,在线监测装置以周期T将采集到的油中气体含量数据打包成数据块,T为t的m倍,每个数据块包含m个油中气体含量的监测数据;A4)周期T结束后通信模块Gi3对应的控制器生成m位二进制数Bm,关联时间戳和通信模块Gi3的标识号后上传到服务器;A5)通信模块Gi3将数据块Di3和m位二进制数Bm发送给通信模块Gi2,通信模块Gi2接收到数据块Di3和二进制数Bm后,由通信模块Gi2对应的控制器将数据块Di3和数据块Di2内包含的油中气体含量数据按二进制数Bm的位值进行对调,若二进制数Bm的第k位为1则将数据块Di3和数据块Di2的第k个油中气体含量数据进行对调,对调后的数据块Di3和数据块Di2拼接为数据块Di3-2,通信模块Gi2将数据块Di3-2以及二进制数Bm发送给通信模块Gi1;A6)通信模块Gi1收到数据块Di3-2以及二进制数Bm后,将数据块Di3-2、数据块Di1和二进制数Bm发送给通信模块Gi0,通信模块Gi0收到数据块Di3-2、数据块Di1和二进制数Bm后,由通信模块Gi0对应的控制器将数据块Di1和数据块Di0内包含的油中气体含量数据按二进制数Bm的位值进行对调,若二进制数Bm的第k位为1则将数据块Di1和数据块Di0的第k个油中气体含量数据进行对调,对调后的数据块Di1和数据块Di0拼接为数据块Di1-0;A7)将两个二进制数Bm拼接成二进制数B2m,将数据块Di3-2和数据块Di1-0内包含的油中气体含量数据按二进制数B2m的位值进行对调,若二进制数B2m的第k位为1则将数据块Di3-2和数据块Di1-0的第k个油中气体含量数据进行对调,对调后的数据块Di3-2和数据块Di1-0拼接为数据块Di;A8)通信模块Gi将数据块Di上传到服务器并丢弃二进制数Bm。通信环中的每个通信模块Gi,i∈[1,N]都对应一个二进制数Bm,因而每个周期T结束,共会生成N个二进制数Bm,服务器根据N个二进制数Bm能够复原通信模块Gij,i∈[1,N],j∈[1,3]所收到的油中气体含量的监测数据,但每个单独的通信模块Gij,均无法自行复原自身采集到的油中气体含量的监测数据,使得油中气体含量的监测数据在传输过程中无法被窃取,保证变电站数据的保密性。
其中,步骤A8)中,通信模块Gi将数据块Di上传到服务器的方法包括:通信模块Gi对应的控制器将数据块Di分为2部分Di,1和Di,2,通信模块Gi对应的控制器根据二进制数Bm的首位,决定是否将数据块Di,2发送给通信环中的下一个通信模块Gi+1,若二进制数Bm的首位为1,则将数据块Di,2发送给通信环中的下一个通信模块Gi+1,若通信模块Gi+1对应的二进制数Bm|i+1的首位为1,则通信模块Gi+1接收数据块Di,2,并将自身的数据块Di+1,2发送给通信环的下一个通信模块Gi+2,反之,则直接将数据块Di,2发送给通信环中的下一个通信模块Gi+2,若干个周期T结束后,全部通信模块Gi,i∈[1,N]将数据块Di,i∈[1,N]上传到服务器。服务器根据N个二进制数Bm能够复原通信模块Gi,i∈[1,N]所进行的数据交换,从而复原全部通信模块所上传的油中气体含量的监测数据。其余步骤同实施例一。
以上的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (7)
1.一种基于油气含量及产气速率的变压器的停运评估方法,其特征在于,
包括以下步骤:
A)监测油中气体含量;
B)建立变压器多状态马尔可夫模型,根据多状态马尔可夫模型获得变压器故障失效率λs;
C)建立时变停运子模型,获得变压器时变停运率λv;
D)变压器的停运概率λT=λs+λv;
步骤A)中,监测油中气体含量的方法包括:
A1)为目标区域电网内的每台变压器i安装油中气体在线监测装置所述油中气体在线监测装置具有控制器、存储器和通信模块;
A2)N/4个在线监测装置的通信模块Gi构成通信环,N为目标区域电网内变压器的数量,通信环中的每个通信模块Gi分别与通信环外的3个通信模块Gij,j∈[1,3]构成通信链,通信模块Gi记为Gi0;
A3)每个在线监测装置以周期t采集对应变压器的油中气体含量,在线监测装置以周期T将采集到的油中气体含量数据打包成数据块,T为t的m倍,每个数据块包含m个油中气体含量的监测数据;
A4)周期T结束后通信模块Gi3对应的控制器生成m位二进制数Bm,关联时间戳和通信模块Gi3的标识号后上传到服务器;
A5)通信模块Gi3将数据块Di3和m位二进制数Bm发送给通信模块Gi2,通信模块Gi2接收到数据块Di3和二进制数Bm后,由通信模块Gi2对应的控制器将数据块Di3和数据块Di2内包含的油中气体含量数据按二进制数Bm的位值进行对调,若二进制数Bm的第k位为1则将数据块Di3和数据块Di2的第k个油中气体含量数据进行对调,对调后的数据块Di3和数据块Di2拼接为数据块Di3-2,通信模块Gi2将数据块Di3-2以及二进制数Bm发送给通信模块Gi1,通信模块Gi1收到数据块Di3-2以及二进制数Bm后,将数据块Di3-2、数据块Di1和二进制数Bm发送给通信模块Gi0;步骤A)中,监测油中气体含量的方法还包括:
A6)通信模块Gi1收到数据块Di3-2以及二进制数Bm后,将数据块Di3-2、数据块Di1和二进制数Bm发送给通信模块Gi0,通信模块Gi0收到数据块Di3-2、数据块Di1和二进制数Bm后,由通信模块Gi0对应的控制器将数据块Di1和数据块Di0内包含的油中气体含量数据按二进制数Bm的位值进行对调,若二进制数Bm的第k位为1则将数据块Di1和数据块Di0的第k个油中气体含量数据进行对调,对调后的数据块Di1和数据块Di0拼接为数据块Di1-0;
A7)将两个二进制数Bm拼接成二进制数B2m,将数据块Di3-2和数据块Di1-0内包含的油中气体含量数据按二进制数B2m的位值进行对调,若二进制数B2m的第k位为1则将数据块Di3-2和数据块Di1-0的第k个油中气体含量数据进行对调,对调后的数据块Di3-2和数据块Di1-0拼接为数据块Di;
A8)通信模块Gi将数据块Di上传到服务器并丢弃二进制数Bm;
步骤A8)中,通信模块Gi将数据块Di上传到服务器的方法包括:
通信模块Gi对应的控制器将数据块Di分为2部分Di,1和Di,2,通信模块Gi对应的控制器根据二进制数Bm的首位,决定是否将数据块Di,2发送给通信环中的下一个通信模块Gi+1,若二进制数Bm的首位为1,则将数据块Di,2发送给通信环中的下一个通信模块Gi+1,若通信模块Gi+1对应的二进制数Bm|i+1的首位为1,则通信模块Gi+1接收数据块Di,2,并将自身的数据块Di+1,2发送给通信环的下一个通信模块Gi+2,反之,则直接将数据块Di,2发送给通信环中的下一个通信模块Gi+2,若干个周期T结束后,全部通信模块Gi,i∈[1,N]将数据块Di,i∈[1,N]上传到服务器。
2.根据权利要求1所述的一种基于油气含量及产气速率的变压器的停运评估方法,其特征在于,
步骤B)中,建立变压器多状态马尔可夫模型的方法包括:
定义变压器的状态,状态1:健康状态,无需修复,状态2:需要进行油过滤,状态3:需要进行油替换,状态4:损坏状态,修复后的变压器可能处于状态1、2、3或4,状态转移速率
根据状态转移速率λi,i+1建立马尔可夫模型的状态转移速率矩阵
其中,修复率μi,j为从状态i到状态j的修复时间的倒数。
3.根据权利要求2所述的一种基于油气含量及产气速率的变压器的停运评估方法,其特征在于,
步骤B)中,根据多状态马尔可夫模型获得变压器故障失效率λs的方法包括:
B1)建立变压器在各个状态的稳态概率Pi,i∈[1,4];
B2)根据稳态概率Pi,获得变压器从健康状态到损坏状态的概率,即为变压器故障失效率λs。
4.根据权利要求3所述的一种基于油气含量及产气速率的变压器的停运评估方法,其特征在于,
步骤B1)中,建立变压器在各个状态的稳态概率的方法包括:
模型中各状态的稳态概率为P=[P1 P2 P3 P4],则在任何时刻系统各状态的概率之和都恒等于1,即且AP=0;
令P4=0,获得变压器在各个状态的稳态概率:
Δ=μ21·μ32+λ23·μ31+μ21·μ31+λ12·μ32+λ12·μ23+λ13·μ32+λ13·μ23+λ13·μ21+λ12·μ31。
5.根据权利要求3或4所述的一种基于油气含量及产气速率的变压器的停运评估方法,其特征在于,
步骤B2)中,根据稳态概率Pi,获得变压器从健康状态到损坏状态的概率的方法包括:
Tw为变压器从初始时刻发展到状态4所需时间,变压器故障失效率λs=P(Tw<t)=LP,
其中,L=[0 0 λ34 0],
变压器故障失效率
6.根据权利要求1或2所述的一种基于油气含量及产气速率的变压器的停运评估方法,其特征在于,
步骤C)中,建立时变停运子模型,获得变压器时变停运率λv的方法包括:
建立预设条件:假设当产气速率趋于无限大时,设备必失效,即v→∞时,λv→100%,其中,v为油中产气速率;
检测并获得变压器的产气速率v;
令λv(t)=A+α×eθt,θ≥0,其中,A表示外部发生随机故障的概率,α为小正数常量,θ表示随着时间推移失效率的加速因子,
得log[λv(t)-A]=logα+θt,即加速因子θ和产气速率v之间服从线性关系:θ(v)=m+k×v,其中,m、k均为常数系数,其值由实验室条件下测量数据拟合得到。
7.根据权利要求1或2所述的一种基于油气含量及产气速率的变压器的停运评估方法,其特征在于,
变压器的产气速率其中,G(ti)为ti时监测的油中气体总量值;t1、t2分别为两次监测气体的时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011140881.9A CN112528461B (zh) | 2020-10-22 | 2020-10-22 | 一种基于油气含量及产气速率的变压器的停运评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011140881.9A CN112528461B (zh) | 2020-10-22 | 2020-10-22 | 一种基于油气含量及产气速率的变压器的停运评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112528461A CN112528461A (zh) | 2021-03-19 |
CN112528461B true CN112528461B (zh) | 2023-10-13 |
Family
ID=74980304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011140881.9A Active CN112528461B (zh) | 2020-10-22 | 2020-10-22 | 一种基于油气含量及产气速率的变压器的停运评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528461B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101149420A (zh) * | 2006-09-18 | 2008-03-26 | 北京航空航天大学 | Sf6断路器气体在线监测仪 |
KR20080085413A (ko) * | 2007-03-20 | 2008-09-24 | 강승환 | 바이너리 cdma 기술을 이용한 전력 설비 관리 시스템 |
CN101728871A (zh) * | 2009-12-09 | 2010-06-09 | 山西省电力公司电力科学研究院 | 变压器色谱数据远程监控系统 |
CN105098975A (zh) * | 2014-05-14 | 2015-11-25 | 国家电网公司 | 基于北斗短报文通信的电网远程智能监控系统及监测方法 |
CN208141584U (zh) * | 2017-12-25 | 2018-11-23 | 东华理工大学 | 一种能源计量数据在线采集与监控系统 |
JP2019053760A (ja) * | 2018-11-22 | 2019-04-04 | 株式会社東芝 | セキュリティデータ管理システムによる管理方法及び管理システム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012009804A1 (en) * | 2010-07-23 | 2012-01-26 | Corporation De L'ecole Polytechnique | Tool and method for fault detection of devices by condition based maintenance |
US20200225655A1 (en) * | 2016-05-09 | 2020-07-16 | Strong Force Iot Portfolio 2016, Llc | Methods, systems, kits and apparatuses for monitoring and managing industrial settings in an industrial internet of things data collection environment |
US11507064B2 (en) * | 2016-05-09 | 2022-11-22 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for industrial internet of things data collection in downstream oil and gas environment |
-
2020
- 2020-10-22 CN CN202011140881.9A patent/CN112528461B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101149420A (zh) * | 2006-09-18 | 2008-03-26 | 北京航空航天大学 | Sf6断路器气体在线监测仪 |
KR20080085413A (ko) * | 2007-03-20 | 2008-09-24 | 강승환 | 바이너리 cdma 기술을 이용한 전력 설비 관리 시스템 |
CN101728871A (zh) * | 2009-12-09 | 2010-06-09 | 山西省电力公司电力科学研究院 | 变压器色谱数据远程监控系统 |
CN105098975A (zh) * | 2014-05-14 | 2015-11-25 | 国家电网公司 | 基于北斗短报文通信的电网远程智能监控系统及监测方法 |
CN208141584U (zh) * | 2017-12-25 | 2018-11-23 | 东华理工大学 | 一种能源计量数据在线采集与监控系统 |
JP2019053760A (ja) * | 2018-11-22 | 2019-04-04 | 株式会社東芝 | セキュリティデータ管理システムによる管理方法及び管理システム |
Non-Patent Citations (5)
Title |
---|
变压器油色谱在线监测装置恒温箱控制系统设计;景茂恒;王永奇;陈宏刚;樊新鸿;;电工技术(第08期);全文 * |
基于卷积神经网络的变压器故障诊断;李辉等;河南理工大学学报( 自然科学版);第第37卷卷(第第6期期);118-123 * |
基于大数据分析的智慧变压器专家诊断系统研究;张永新;许建军;陈鹏;贺才军;柴星海;;电工技术(第14期);全文 * |
浅论大型变压器状态监测与故障诊断;宋为为;;中国高新区(第24期);全文 * |
表征内部潜伏性故障的变压器时变停运模型研究;郭创新;王越;王媚;尹玉娟;文云峰;张金江;;中国电机工程学报(第01期);63-69 * |
Also Published As
Publication number | Publication date |
---|---|
CN112528461A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109240244B (zh) | 基于数据驱动的设备运行状态健康度分析方法及系统 | |
CN104390657B (zh) | 一种发电机组运行参数测量传感器故障诊断方法及系统 | |
CN109977624A (zh) | 基于深度神经网络的光伏电站缓变故障监测方法 | |
CN112526251B (zh) | 一种基于数据驱动的变电站电力设备故障诊断方法 | |
CN103926490B (zh) | 一种具有自学习功能的电力变压器综合诊断方法 | |
CN102590688B (zh) | 六氟化硫变压器运行工况评估方法 | |
CN116772944B (zh) | 配气站的智能监控系统及其方法 | |
CN115329812B (zh) | 一种基于人工智能的桥梁基础设施异常监测方法 | |
CN111161095B (zh) | 一种检测建筑能源异常消耗的方法 | |
CN106249709B (zh) | 动态的过程质量控制图和定龄维修联合设计优化控制方法 | |
CN110046409A (zh) | 一种基于ResNet的汽轮机部件健康状态评估方法 | |
CN108921305B (zh) | 一种部件生命期监测方法 | |
CN115225463A (zh) | 一种基于it运维的硬件故障监测方法及系统 | |
CN116308304A (zh) | 基于元学习概念漂移检测的新能源智慧运维方法及系统 | |
CN116756909A (zh) | 一种基于数据模型及机理模型的火电厂预警诊断系统 | |
CN112528461B (zh) | 一种基于油气含量及产气速率的变压器的停运评估方法 | |
CN113486950B (zh) | 一种智能管网漏水检测方法及系统 | |
CN212895016U (zh) | 一种基于LoRa无线测控技术的铝电解槽况诊断系统 | |
KR102562025B1 (ko) | 자가진단이 가능한 ai 소규모 수도시설 소형 정수 시스템 및 방법 | |
CN116910635A (zh) | 基于联邦学习和膨胀卷积的调压器故障诊断方法及装置 | |
JP2019191880A (ja) | 設備管理支援システム | |
RU2735296C1 (ru) | Способ многопараметрического контроля состояния сложных электротехнических объектов | |
CN117764422B (zh) | 智慧节能运维管理云平台 | |
CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
Guo-guang et al. | Prognostics and Health Management Technology of LED Lamp |
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 |