CN112583118B - 一种换流站关键设备多维度关联预警方法及系统 - Google Patents
一种换流站关键设备多维度关联预警方法及系统 Download PDFInfo
- Publication number
- CN112583118B CN112583118B CN202011312700.6A CN202011312700A CN112583118B CN 112583118 B CN112583118 B CN 112583118B CN 202011312700 A CN202011312700 A CN 202011312700A CN 112583118 B CN112583118 B CN 112583118B
- Authority
- CN
- China
- Prior art keywords
- association
- key
- early warning
- converter station
- equipment
- 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
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/36—Arrangements for transfer of electric power between ac networks via a high-tension dc link
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]
Abstract
本发明公开了一种换流站关键设备多维度关联预警方法及系统。其中,该方法包括:获取换流站内所有关键设备的状态量监测数据;根据设备之间的属性、逻辑和位置的关系确定各个关键设备的权重关系;获取换流站内所有关键设备的带有权重的状态量之间的关联关系;根据关联关系确定预警结果。本发明解决了相关技术在针对换流站的整体运行状态进行预警时,仅能针对某一台关键设备或者某一类关键设备进行独立预警,无法综合考虑不同类型的设备、不同位置的设备、不同逻辑关系的关键设备之间的关系,而造成的无法对换流站进行全面、多维度监控的技术问题。
Description
技术领域
本发明属于电力设备在线监测技术领域,具体而言,涉及一种换流站关键设备多维度关联预警方法。
背景技术
换流站是高压直流输电(High Voltage Direct Current,HVDC)系统的重要节点,其主要承担着交直流转换的重要功能。换流站内设备众多,除了包括换流器、换流变压器、交直流滤波器和无功补偿设备、平波电抗器等等。还包括辅助检测系统、站用变压器、巡检机器人等等辅助设备。换流站的安全稳定运行对于高压直流输电系统至关重要,然而,由于站内设备众多、电磁环境复杂,因此,如何对换流站的关键设备以及整体情况进行综合预警成为亟待解决的问题。目前针对换流站内的主设备的状态监测与预警的研究主要有:
现有技术文件1(郭涛等.直流输电设备状态检修技术的研究与实施[J].华东电力,2011,39(11):1816-1819.)提出了直流输电设备状态检修工作流程并重点研究了直流输电设备状态评价方法,将设备划分为正常、注意、异常和严重四个等级,并给出了各个等级对应的检修策略。虽然提出了直流输电设备状态划分的方法,但并没有深入讨论直流输电设备状态量之间的关系。
现有技术文件2(陕华平等.±800kV特高压直流输电系统运行检修技术体系[J].高电压技术,2010,36(09):2212-2218.)对±800kV特高压直流输电系统运行检修技术体系进行了研究,通过总结现有直流输电工程运行经验,形成了标准化作业和事故抢修预案以及直流输电在线监测及状态检修框架体系。现有技术文件2基于现场运行经验形成状态检修框架,区别于基于数据驱动的实时状态预警和评价。
现有技术文件3(胡强等.高压直流输电系统主设备状态监测分析[J].电力与能源,2014,35(02):172-175.)对高压直流输电系统主设备的状态监测系统进行了分析,对换流站内的换流变压器、换流阀、滤波器等核心设备的各个性能指标和状态量进行了分析,文献较为全面的梳理了各个设备的状态量,然而并没有讨论单个设备状态量之间的关联关系,也没有讨论不同设备之间的关联关系。
综上所述,现有的研究主要围绕换流站内的单台或者同一种类的关键设备进行故障预警和状态诊断,忽略了换流站内关键设备间的关联关系。无法实现针对换流站全站关键设备的预警。针对上述的问题,目前尚未提出有效的解决方案。
发明内容
为解决现有技术中存在的不足,本发明的目的在于,提供一种换流站关键设备多维度关联预警方法,以至少解决相关技术在针对换流站的整体运行状态进行预警时,仅能针对某一台关键设备或者某一类关键设备进行独立预警,无法综合考虑不同类型的设备、不同位置的设备、不同逻辑关系的关键设备之间的关系,而造成的无法对换流站进行全面、多维度监控的技术问题。
本发明采用如下的技术方案。一种换流站关键设备多维度关联预警方法,关键设备包括:换流变压器、换流阀和滤波器,所述多维度关联预警方法包括以下步骤:
步骤1,获取换流站内所有关键设备的数量、状态量历史监测数据,获取换流站内各个关键设备之间的属性关系、位置关系以及逻辑关系;
步骤2,根据步骤1获得数据确定各个关键设备的权重;
步骤3,获取换流站内所有关键设备的带有权重的状态量之间的关联关系;
步骤4,根据关联关系确定并输出预警结果。
优选地,步骤1中,换流变压器的状态量包括:穿墙套管压力、分接头动作次数、油温、一次绕组温度、二次绕组温度、分接头油位、油枕油位、铁芯对地电流、夹件对地电流、换流变氢气、换流变乙炔、换流变总烃、套管介损、套管电容、套管末屏电流最大值、套管末屏电流最小值、本体温度、套管温度、油枕温度、冷却器风扇温度、循环油泵温度和就地控制柜温度。
优选地,步骤1中,换流阀的状态量包括:阀避雷器泄露电流、晶闸管损坏数量、晶闸管正向保护触发数量、避雷器动作次数、阀体内部异常温升、均压电容电容量、均压电阻的电阻量和阀电抗器参数。
优选地,步骤1中,滤波器的状态量包括:电容器的绝缘电阻、电阻器的绝缘电阻、支柱绝缘子的绝缘电阻、单只电容器的电容量、电容器各臂等值电容、电抗器的直流电阻及电感、电阻器的直流电阻、阻尼电阻阻值、滤波器投切次数和电容器不平衡电流值。
优选地,步骤2具体包括:
步骤2.1,在全部n台关键设备中,使用设备i与设备j之间的属性关系、位置关系以及逻辑关系获得设备i与设备j之间的关联标度aij,其中n表示关键设备的合计台数,设备i表示其中的第i台设备,设备j表示其中的第j台设备,i=1,2,…,n,j=1,2,…n,若i=j表示设备i与设备j是同一台设备;
步骤2.3,以如下公式,使用标度矩阵A计算反对称矩阵B,
B=(bij)n×n=(lgAij)n×n
式中:
bij表示反对称矩阵B第i行第j列的元素;
步骤2.4,以如下公式,使用反对称矩阵B计算最优传递矩阵C,
式中:
cij表示最优传递矩阵C第i行第j列的元素;
步骤2.5,以如下公式,使用最优传递矩阵C计算拟优一致矩阵D,
式中:
dij表示拟优一致矩阵D第i行第j列的元素;
步骤2.6,以如下公式,使用拟优一致矩阵D计算权重向量P,
式中:
pi表示权重向量P第i个的元素,为设备i的权重。
优选地,步骤2.1中,设备属性、逻辑以及位置关系通过关联标度进行定量表示,设备i与设备j之间的关联标度以表示aij,并以如下公式确定设备i与设备j之间的关联标度aij,
优选地,步骤3具体包括:
步骤3.1,在获取各个关键设备的权重之后,为每个关键设备的状态量赋予该关键设备的权重;
步骤3.2,对所有带有权重的状态量进行关联分析,获取关联关系。
优选地,步骤3.2中,使用灰色关联分析法获取关联关系,具体包括:
步骤3.2.1,确定参考数列,
步骤3.2.2,确定比较数列,
步骤3.2.3,数据标准化,
步骤3.2.4,计算关联系数,
步骤3.2.5,计算关联程度,
步骤3.2.6,关联度排序,
步骤3.2.7,根据设定的关联度阈值,将大于该阈值的所有带权重的状态量作为关联度较大的状态量。
优选地,步骤4具体包括:
步骤4.1,自设定的时间点开始,按设定的周期计算关联状态量;
步骤4.2,提取关联状态量和/或关键设备之间关联度持续上升的相关状态量和/或关键设备;
步骤4.3,输出预警结果。
本发明的另一方面还提供了一种利用所述的换流站关键设备多维度关联预警方法的预警系统,包括以下模块:数据采集获取模块,用于获取换流站内所有关键设备的数量、状态量历史监测数据,获取换流站内各个关键设备之间的属性关系、位置关系以及逻辑关系;权重处理模块,与数据采集获取模块相连接,接收各个关键设备之间的属性关系、位置关系以及逻辑关系计算获得各个关键设备的权重关系;关联处理模块,与权重处理模块相连接,接收各个关键设备的权重,为每个关键设备的状态量赋予该关键设备的权重,计算获得状态量之间的关联关系;预警模块,与关联处理模块相连接,接收状态量之间的关联关系,按照关联度阈值,确定并输出预警结果。
本发明的有益效果在于,与现有技术相比,本发明采用对换流站内换流变压器、换流阀以及滤波器等关键设备进行关联分析的方式,通过获取换流站内所有关键设备的状态量监测数据,根据设备之间的属性、逻辑和位置的关系确定各个关键设备的权重关系,获取换流站内所有关键设备的带有权重的状态量之间的关联关系,根据关联关系确定预警结果,达到了对换流站内关键设备进行全面、综合预警的目的,从而实现了提高换流站整体预警水平的效果,进而解决了相关技术在针对换流站的整体运行状态进行预警时,仅能针对某一台关键设备或者某一类关键设备进行独立预警,无法综合考虑不同类型的设备、不同位置的设备、不同逻辑关系的关键设备之间的关系,而造成的无法对换流站进行全面、多维度监控的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明提供的一种换流站关键设备多维度关联预警方法的流程图;
图2是本发明实施例1的换流变压器与换流阀连接图;
图3是本发明实施例1的换流变压器与交流滤波器连接图;
图4是本发明实施例2的换流站关键设备多维度关联预警系统的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
实施例1:一种换流站关键设备多维度关联预警方法
如图1所示,本发明提供了一种换流站关键设备多维度关联预警方法,包括以下步骤:
步骤1,获取换流站内所有关键设备的数量、状态量历史监测数据,获取换流站内各个关键设备之间的属性关系、位置关系以及逻辑关系。其中关键设备包括换流变压器、换流阀和滤波器。
可以理解的是,设备属性关系是指设备本身具有的性质,包括规格、型号、技术参数等。例如:同一厂商生产的同型号同样技术参数的换流变压器其属性是相同的,而同一厂商生产的不同型号但是具有同样技术参数的换流变压器其属性是不同的。对于逻辑关系而言,如果两个设备电气连接,则认为具有逻辑关系,即电气相邻,否则不具有逻辑关系,即电气不相邻。对于位置关系而言,如果两个设备安装位置是相邻的,则认为具有位置关系,即位置相邻,否则不具备位置关系,即位置不相邻。
步骤1具体包括:
获取换流站内所有关键设备的数量是指获得换流变压器、换流阀和滤波器的台数,以n表示关键设备的合计台数,以设备i表示其中的第i台设备,以设备j表示其中的第j台设备,i=1,2,…,n,j=1,2,…n。可以理解的是,若i=j表示设备i与设备j是同一台设备。
获取换流站内所有关键设备的状态量历史监测数据,是指获取设定时间段的换流变压器、换流阀和滤波器的的状态量。
如表1所示,换流变压器的状态量包括:穿墙套管压力、分接头动作次数、油温、一次绕组温度、二次绕组温度、分接头油位、油枕油位、铁芯对地电流、夹件对地电流、换流变氢气、换流变乙炔、换流变总烃、套管介损、套管电容、套管末屏电流最大值、套管末屏电流最小值、本体温度、套管温度、油枕温度、冷却器风扇温度、循环油泵温度和就地控制柜温度。
表1换流变压器的状态量
编码 | 状态量名称 | 编码 | 状态量名称 |
x1 | 穿墙套管压力 | x12 | 换流变总烃 |
x2 | 分接头动作次数 | x13 | 套管介损 |
x3 | 油温 | x14 | 套管电容 |
x4 | 一次绕组温度 | x15 | 套管末屏电流最大值 |
x5 | 二次绕组温度 | x16 | 套管末屏电流最小值 |
x6 | 分接头油位 | x17 | 本体温度 |
x7 | 油枕油位 | x18 | 套管温度 |
x8 | 铁芯对地电流 | x19 | 油枕温度 |
x9 | 夹件对地电流 | x20 | 冷却器风扇温度 |
x10 | 换流变氢气 | x21 | 循环油泵温度 |
x11 | 换流变乙炔 | x22 | 就地控制柜温度 |
如表2所示,换流阀的状态量包括:阀避雷器泄露电流、晶闸管损坏数量、晶闸管正向保护触发数量、避雷器动作次数、阀体内部异常温升、均压电容电容量、均压电阻的电阻量和阀电抗器参数。
表2换流阀的状态量
编码 | 状态量名称 | 编码 | 状态量名称 |
y1 | 阀避雷器泄露电流 | y5 | 阀体内部异常温升 |
y2 | 晶闸管损坏数量 | y6 | 均压电容电容量 |
y3 | 晶闸管正向保护触发数量 | y7 | 均压电阻的电阻量 |
y4 | 避雷器动作次数 | y8 | 阀电抗器参数 |
如表3所示,滤波器的状态量包括:电容器的绝缘电阻、电阻器的绝缘电阻、支柱绝缘子的绝缘电阻、单只电容器的电容量、电容器各臂等值电容、电抗器的直流电阻及电感、电阻器的直流电阻、阻尼电阻阻值、滤波器投切次数和电容器不平衡电流值。
表3滤波器的状态量
编码 | 状态量名称 | 编码 | 状态量名称 |
z1 | 电容器的绝缘电阻 | z6 | 电抗器的直流电阻及电感 |
z2 | 电阻器的绝缘电阻 | z7 | 电阻器的直流电阻 |
z3 | 支柱绝缘子的绝缘电阻 | z8 | 阻尼电阻阻值 |
z4 | 单只电容器的电容量 | z9 | 滤波器投切次数 |
z5 | 电容器各臂等值电容 | z10 | 电容器不平衡电流值 |
可以理解的是,本实施例给出的换流变压器、换流阀和滤波器的状态量仅是一种优选但非限制性的实施方式,在数量上,所属领域技术人员可以使用更多或者更少换流变压器的状态量来实施本发明,在状态量类型上,所属领域技术人员可以既可以使用表1-3中列举的这些状态量,也可以使用表中未列举的状态量。
获取换流站内各个关键设备之间的属性关系、位置关系以及逻辑关系。具体包括:设备属性关系是指设备本身具有的性质,包括规格、型号、技术参数等。例如:同一厂商生产的同型号同样技术参数的换流变压器其属性是相同的,而同一厂商生产的不同型号但是具有同样技术参数的换流变压器其属性是不同的;逻辑关系是指设备之间的电气连接关系,包括:电气相邻和电气不相邻,例如,某换流变压器与某换流阀直接连接,则它们之间具有较强的逻辑关系,反之,若不直接连接,则具有较弱的逻辑关系;位置关系是指安装位置的关系,包括:位置相邻和位置不相邻,由于换流站内的设备众多,且电磁环境复杂,因此相互靠近的设备会相互影响,例如,运行在不同极的安装位置较为接近的两台换流变压器存在位置上的关系。
以某换流站作为实际为例,该换流站内包括4台换流变压器,编号为:T1、T2、T3、T4;4台换流阀,编号为:V1、V2、V3、V4;以及3台滤波器,编号为:A1、A2、A3。对于这11台设备获取从2017年11月1日至2018年1月9日的70天的监测数据进行分析。在该实施例中4台换流变压器、4台换流阀以及3台滤波器的连接如图2和图3所示。
可以理解的是,换流站包含的设备数量以及历史监测数据的时间跨度仅是一种非限制性的实施方式,清楚地介绍本发明的技术方案,所属领域技术人员可以根据换流站现场实际,任意本实施例中所采用的参数进行调整。
步骤2,根据各个关键设备之间的属性关系、位置关系以及逻辑关系确定各个关键设备的权重关系。具体包括:
可以理解的是,所属领域技术人员可以根据现场实际使用任意方法,利用各个关键设备之间的属性关系、位置关系以及逻辑关系确定各个关键设备的权重,优选但非限制性的实施方式包括层次分析法、改进层次分析法等等。
步骤2.1,如表4所示,根据连接图首先确定关键设备之间判断矩阵的标度,即在全部n台关键设备中,使用设备i与设备j之间的属性关系、位置关系以及逻辑关系获得设备i与设备j之间的关联标度aij,其中n表示关键设备的合计台数,设备i表示其中的第i台设备,设备j表示其中的第j台设备,i=1,2,…,n,j=1,2,…n,若i=j表示设备i与设备j是同一台设备。
表4关键设备之间判断矩阵的标度
也就是说,设备属性、逻辑以及位置关系通过关联标度进行定量表示,设备i与设备j之间的关联标度以表示aij,并以如下公式确定设备i与设备j之间的关联标度aij,
如表5所示,根据表4,得到实施例中4台换流变压器、4台换流阀以及3台滤波器的标度矩阵A,A=(Aij)n×n,Aij表示第i行第j列的元素,i=1,2,…,n,j=1,2,…,n,n表示换流站内关键设备的数量。
表5标度矩阵
T1 | T2 | T3 | T4 | V1 | V2 | V3 | V4 | A1 | A2 | A3 | |
T1 | 1 | 6 | 2 | 2 | 7 | 1 | 1 | 1 | 4 | 1 | 7 |
T2 | 1/6 | 1 | 5 | 2 | 1 | 7 | 1 | 1 | 4 | 1 | 7 |
T3 | 1/2 | 1/5 | 1 | 6 | 1 | 1 | 7 | 1 | 1 | 7 | 1 |
T4 | 1/2 | 1/2 | 1/6 | 1 | 1 | 1 | 1 | 7 | 1 | 7 | 1 |
V1 | 1/7 | 1 | 1 | 1 | 1 | 6 | 2 | 2 | 1 | 1 | 1 |
V2 | 1 | 1/7 | 1 | 1 | 1/6 | 1 | 5 | 2 | 1 | 1 | 1 |
V3 | 1 | 1 | 1/7 | 1 | 1/2 | 1/5 | 1 | 6 | 1 | 1 | 1 |
V4 | 1 | 1 | 1 | 1/7 | 1/2 | 1/2 | 1/6 | 1 | 1 | 1 | 1 |
A1 | 1/4 | 1/4 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 2 | 6 |
A2 | 1 | 1 | 1/7 | 1/7 | 1 | 1 | 1 | 1 | 1/2 | 1 | 2 |
A3 | 1/7 | 1/7 | 1 | 1 | 1 | 1 | 1 | 1 | 1/6 | 1/2 | 1 |
步骤2.3,以如下公式,使用标度矩阵A计算反对称矩阵B,
B=(bij)n×n=(lgAij)n×n
式中:
bij表示反对称矩阵B第i行第j列的元素,i=1,2,…,n,j=1,2,…,n,n表示换流站内关键设备的数量。
步骤2.4,以如下公式,使用反对称矩阵B计算最优传递矩阵C,
式中:
cij表示最优传递矩阵C第i行第j列的元素,i=1,2,…,n,j=1,2,…,n,n表示换流站内关键设备的数量。
步骤2.5,以如下公式,使用最优传递矩阵C计算拟优一致矩阵D,
式中:
dij表示拟优一致矩阵D第i行第j列的元素,i=1,2,…,n,j=1,2,…,n,n表示换流站内关键设备的数量。
步骤2.6,以如下公式,使用拟优一致矩阵D计算权重向量P,
式中:
pi表示权重向量P第i个的元素,为设备i的权重,i=1,2,…,n,n表示换流站内关键设备的数量。
如表6所示,最终获计算得到的各个设备的权重为
表6各个设备的权重
步骤3,获取换流站内所有关键设备的带有权重的状态量之间的关联关系。具体包括:
步骤3.1,在获取各个关键设备的权重之后,为每个关键设备的状态量赋予该关键设备的权重。
步骤3.2,对所有带有权重的状态量进行关联分析,获取关联关系。
可以理解的是,所属领域技术人员可以使用任意的关联分析法对对所有带有权重的状态量进行关联分析,一些优选但非限制性的实施方式包括:灰色关联分析方法、Apriori关联分析方法。
为了简要介绍本发明的技术方案,本实施例中选用灰色关联分析法获取关联关系,所属领域技术人员可以根据现场实际任意选择其它关联分析法,计算时设置关联度阈值为0.80,具体包括:
步骤3.2.1,确定参考数列,对于一个时间长度为n的时间序列,选择任意一个带有权重的状态量序列为参考数列,
Y={Y(k)|k=1,2,…,n}
步骤3.2.2,确定比较数列,除去参考数列,剩余的所有带有权重的状态量序列为不比较数列,假设时间长度为n,状态量共有m个,
Xi={Xi(k)|k=1,2,…,n},i=1,2,…,m
步骤3.2.3,数据标准化,
对于原始数据数列x′={x′(k)|k=1,2,…,n},定义缓冲算子为,
f:x→yf[x′(k)]=x(k),k=1,2,…,n
通过缓冲算子可以将具有量纲的数列,即原始数据数列x′,转化为没有量纲的数列,缓冲算子公式为,
步骤3.2.4,计算关联系数,在利用缓冲算子对参考数列和对比数列组成的数列去除量纲之后,分别计算每个对比数列与参考数列的关联系数,以如下公式计算每个对比数列与参考数列的关联系数,
式中:
xi(k),k=1,2,…,n表示不比较数列Xi中的第i个对比数列,y(k)为参考数列,
ρ∈(0,1)表示分辨系数,ρ越小,则对关联关系的分辨能力越强,反之则越弱,一般取ρ=0.5。
步骤3.2.5,计算关联程度,在上一步中计算的是每一个时刻的对比数列中某一个带权重状态量的数值与参考数列中数值的关联系统,也即可以获得n个关联度,取这n个关联度的平均值作为该影响因素的关联度,即以如下公式计算关联程度,
步骤3.2.6,关联度排序,在上一步计算得到所有影响因素的关联度之后,将他们按照从大到小进行排序,即可以得到每个关联度对整个系统影响的情况。
步骤3.2.7,根据设定的关联度阈值,将大于该阈值的所有带权重的状态量作为关联度较大的状态量。
步骤4,根据关联关系确定并输出预警结果。具体包括:
步骤4.1,自设定的时间点开始,按设定的周期计算关联状态量。
对于本实施例,从第61天(2017年12月31日)开始,对每天采集的数据及历史监测数据进行分析。设置关联度阈值为0.80,获取到的关联状态量如表7所示。
表7关联状态量
步骤4.2,根据关键设备所有状态量之间的权重确定需要重点关注的设备以及对应的状态量。
步骤4.3,输出预警结果。
如表7所述,由表7的计算结果可知,从第65天开始,换流变压器T1以及T2的与油中溶解气体相关的状态量x10、x11、x12以及与温度x3的关联越来越高,即换流变压器T1与T2可能发生油中气体增加的故障。且换流变压器T1和换流变压器T2对应的状态量的整体关联度增加,意味着,T1和T2同时出现故障的可能性增加,应该重点关注。即给出预警结果:T1和T2出现故障的可能性增加,且需要重点关注状态量x3、x10、x11、x12。
对比现场的故障录波显示在第71天(2018年1月10日)YY换流变压器(T1)出现本体重瓦斯跳闸,且YD换流变压器(T2)的散热风扇出现停运故障。即,本发明提供的一种换流站关键设备多维度关联预警方法不仅可以提前发现换流站内各个设备可能会出现故障,而且可以挖掘相关联的设备,对多个关键设备进行组合预警,从而实现对换流站进行全面、多维度的监控。
实施例2:一种换流站关键设备多维度关联预警系统
如图4所示,本发明还提供了一种利用所述的换流站关键设备多维度关联预警方法的预警系统,包括数据采集获取模块、权重处理模块、关联处理模块和预警模块。
数据采集获取模块,用于获取换流站内所有关键设备的数量、状态量历史监测数据,获取换流站内各个关键设备之间的属性关系、位置关系以及逻辑关系。
权重处理模块,与数据采集获取模块相连接,接收各个关键设备之间的属性关系、位置关系以及逻辑关系计算获得各个关键设备的权重关系。
关联处理模块,与权重处理模块相连接,接收各个关键设备的权重,为每个关键设备的状态量赋予该关键设备的权重,计算获得状态量之间的关联关系。
预警模块,与关联处理模块相连接,接收状态量之间的关联关系,按照关联度阈值,确定并输出预警结果。
本发明的有益效果在于,与现有技术相比,本发明采用对换流站内换流变压器、换流阀以及滤波器等关键设备进行关联分析的方式,通过获取换流站内所有关键设备的状态量监测数据,根据设备之间的属性、逻辑和位置的关系确定各个关键设备的权重关系,获取换流站内所有关键设备的带有权重的状态量之间的关联关系,根据关联关系确定预警结果,达到了对换流站内关键设备进行全面、综合预警的目的,从而实现了提高换流站整体预警水平的效果,进而解决了相关技术在针对换流站的整体运行状态进行预警时,仅能针对某一台关键设备或者某一类关键设备进行独立预警,无法综合考虑不同类型的设备、不同位置的设备、不同逻辑关系的关键设备之间的关系,而造成的无法对换流站进行全面、多维度监控的技术问题。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施示例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。
Claims (8)
1.一种换流站关键设备多维度关联预警方法,关键设备包括:换流变压器、换流阀和滤波器,所述多维度关联预警方法的特征在于,包括以下步骤:
步骤1,获取换流站内所有关键设备的数量、状态量历史监测数据,获取换流站内各个关键设备之间的属性关系、位置关系以及逻辑关系;
步骤2,根据步骤1获得数据确定各个关键设备的权重;具体包括:
步骤2.1,在全部n台关键设备中,使用设备i与设备j之间的属性关系、位置关系以及逻辑关系获得设备i与设备j之间的关联标度aij,其中n表示关键设备的合计台数,设备i表示其中的第i台设备,设备j表示其中的第j台设备,i=1,2,…,n,j=1,2,…n,若i=j表示设备i与设备j是同一台设备;
步骤2.3,以如下公式,使用标度矩阵A计算反对称矩阵B,
B=(bij)n×n=(lgAij)n×n
式中:
bij表示反对称矩阵B第i行第j列的元素;
步骤2.4,以如下公式,使用反对称矩阵B计算最优传递矩阵C,
式中:
cij表示最优传递矩阵C第i行第j列的元素;
步骤2.5,以如下公式,使用最优传递矩阵C计算拟优一致矩阵D,
式中:
dij表示拟优一致矩阵D第i行第j列的元素;
步骤2.6,以如下公式,使用拟优一致矩阵D计算权重向量P,
式中:
pi表示权重向量P第i个的元素,为设备i的权重;
步骤3,获取换流站内所有关键设备的带有权重的状态量之间的关联关系;具体包括:
步骤3.1,在获取各个关键设备的权重之后,为每个关键设备的状态量赋予该关键设备的权重;
步骤3.2,对所有带有权重的状态量进行关联分析,获取关联关系;
步骤4,根据关联关系确定并输出预警结果。
2.根据权利要求1所述的换流站关键设备多维度关联预警方法,其特征在于:
步骤1中,换流变压器的状态量包括:穿墙套管压力、分接头动作次数、油温、一次绕组温度、二次绕组温度、分接头油位、油枕油位、铁芯对地电流、夹件对地电流、换流变氢气、换流变乙炔、换流变总烃、套管介损、套管电容、套管末屏电流最大值、套管末屏电流最小值、本体温度、套管温度、油枕温度、冷却器风扇温度、循环油泵温度和就地控制柜温度。
3.根据权利要求1或2所述的换流站关键设备多维度关联预警方法,其特征在于:
步骤1中,换流阀的状态量包括:阀避雷器泄露电流、晶闸管损坏数量、晶闸管正向保护触发数量、避雷器动作次数、阀体内部异常温升、均压电容电容量、均压电阻的电阻量和阀电抗器参数。
4.根据权利要求1所述的换流站关键设备多维度关联预警方法,其特征在于:
步骤1中,滤波器的状态量包括:电容器的绝缘电阻、电阻器的绝缘电阻、支柱绝缘子的绝缘电阻、单只电容器的电容量、电容器各臂等值电容、电抗器的直流电阻及电感、电阻器的直流电阻、阻尼电阻阻值、滤波器投切次数和电容器不平衡电流值。
6.根据权利要求1所述的换流站关键设备多维度关联预警方法,其特征在于:
步骤3.2中,使用灰色关联分析法获取关联关系,具体包括:
步骤3.2.1,确定参考数列,
步骤3.2.2,确定比较数列,
步骤3.2.3,数据标准化,
步骤3.2.4,计算关联系数,
步骤3.2.5,计算关联程度,
步骤3.2.6,关联度排序,
步骤3.2.7,根据设定的关联度阈值,将大于该阈值的所有带权重的状态量作为关联度较大的状态量。
7.根据权利要求1所述的换流站关键设备多维度关联预警方法,其特征在于:
步骤4具体包括:
步骤4.1,自设定的时间点开始,按设定的周期计算关联状态量;
步骤4.2,提取关联状态量和/或关键设备之间关联度持续上升的相关状态量和/或关键设备;
步骤4.3,输出预警结果。
8.一种利用权利要求1至7中任一项所述的换流站关键设备多维度关联预警方法的预警系统,其特征在于,包括以下模块:
数据采集获取模块,用于获取换流站内所有关键设备的数量、状态量历史监测数据,获取换流站内各个关键设备之间的属性关系、位置关系以及逻辑关系;
权重处理模块,与数据采集获取模块相连接,接收各个关键设备之间的属性关系、位置关系以及逻辑关系计算获得各个关键设备的权重关系;
关联处理模块,与权重处理模块相连接,接收各个关键设备的权重,为每个关键设备的状态量赋予该关键设备的权重,计算获得状态量之间的关联关系;
预警模块,与关联处理模块相连接,接收状态量之间的关联关系,按照关联度阈值,确定并输出预警结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011312700.6A CN112583118B (zh) | 2020-11-20 | 2020-11-20 | 一种换流站关键设备多维度关联预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011312700.6A CN112583118B (zh) | 2020-11-20 | 2020-11-20 | 一种换流站关键设备多维度关联预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112583118A CN112583118A (zh) | 2021-03-30 |
CN112583118B true CN112583118B (zh) | 2023-05-23 |
Family
ID=75124184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011312700.6A Active CN112583118B (zh) | 2020-11-20 | 2020-11-20 | 一种换流站关键设备多维度关联预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112583118B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474345B (zh) * | 2023-12-28 | 2024-04-02 | 广州恩伟博科技有限公司 | 一种智慧环境环保远程实时监测预警方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663530A (zh) * | 2012-05-25 | 2012-09-12 | 中国南方电网有限责任公司超高压输电公司 | 高压直流输电系统安全预警与评估系统 |
CN104732448A (zh) * | 2014-04-23 | 2015-06-24 | 国家电网公司 | 一种电网基础设施脆弱性评价方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6957230B2 (en) * | 2000-11-30 | 2005-10-18 | Microsoft Corporation | Dynamically generating multiple hierarchies of inter-object relationships based on object attribute values |
CN103489035A (zh) * | 2012-06-14 | 2014-01-01 | 西安元朔科技有限公司 | 基于灰色加权关联分析算法的电网电能质量综合评价方法 |
EP2882089B1 (en) * | 2013-12-05 | 2020-09-09 | General Electric Technology GmbH | Observer based monitoring and control of submodules in modular multilevel converter |
CN105098812B (zh) * | 2014-05-22 | 2018-03-30 | 南京南瑞继保电气有限公司 | 一种三极柔性直流输电系统和方法 |
CN109299551A (zh) * | 2018-09-30 | 2019-02-01 | 武汉大学 | 一种电力变压器状态评估方法 |
CN109387715A (zh) * | 2018-10-29 | 2019-02-26 | 全球能源互联网研究院有限公司 | 一种基于灰色聚类的换流阀状态在线评估方法及装置 |
CN111612296B (zh) * | 2020-04-10 | 2022-02-11 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种换流站电力设备在线监测装置量化配置方法 |
-
2020
- 2020-11-20 CN CN202011312700.6A patent/CN112583118B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663530A (zh) * | 2012-05-25 | 2012-09-12 | 中国南方电网有限责任公司超高压输电公司 | 高压直流输电系统安全预警与评估系统 |
CN104732448A (zh) * | 2014-04-23 | 2015-06-24 | 国家电网公司 | 一种电网基础设施脆弱性评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112583118A (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liao et al. | An integrated decision-making model for condition assessment of power transformers using fuzzy approach and evidential reasoning | |
CN103778575B (zh) | 变压器状态评估方法及系统 | |
Duan et al. | Method of inter‐turn fault detection for next‐generation smart transformers based on deep learning algorithm | |
CN109444667B (zh) | 基于卷积神经网络的配电网早期故障分类方法及装置 | |
CN108647396B (zh) | 一种用于提升换流阀可靠性的关键设备故障风险评估方法 | |
CN103513125A (zh) | 一种220kv级以上变压器一体化智能诊断系统及其方法 | |
CN111008485B (zh) | 基于神经网络的三相交流异步电机多参数寿命预测方法 | |
CN111650451A (zh) | 一种换流变故障原因辨识方法及系统 | |
CN112583118B (zh) | 一种换流站关键设备多维度关联预警方法及系统 | |
CN111062500A (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 | |
Milosavljevic et al. | Integrated transformer health estimation methodology based on Markov chains and evidential reasoning | |
Bardyk et al. | Parametric identification of fuzzy model for power transformer based on real operation data | |
Khoshdeli et al. | Electromagnetic transient events (EMTE) classification in transmission grids | |
Bin et al. | Research on mechanical fault diagnosis method of power transformer winding | |
Luo et al. | Prediction for dissolved gas in power transformer oil based on TCN and GCN | |
Singh et al. | A Fuzzy Modeling Technique to Assist Submersible Inspection Robot for Internal Inspection of Transformers | |
Chang et al. | Fuzzy theory-based partial discharge technique for operating state diagnosis of high-voltage motor | |
Zhang et al. | Leakage inductance variation based monitoring of transformer winding deformation | |
Das et al. | Transformer assessment using health index–Part I | |
Lu et al. | Operation Risk Assessment of Hydroelectric Energy Storage Based on Data Visualization and Convolutional Neural Network | |
Tippannavar et al. | Smart Transformer-An Analysis of Recent Technologies for Monitoring Transformer | |
CN108536911B (zh) | 一种基于中心距和样本特征的换流变压器状态评估方法 | |
Wu et al. | CNN-MLP-based transformer digital twin model construction and fault diagnosis and condition evaluation analysis | |
CN113077124A (zh) | 一种电网逾龄设备技改后剩余可使用年限的评估方法 | |
Pengfei et al. | The condition assessment of transformer bushing based on fuzzy logic |
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 |