CN112600306A - 一种配电变压器监测系统 - Google Patents

Abstract

本发明公开了一种配电变压器监测系统，包括：监测模块和云平台；监测模块通过无线网络与云平台连接；监测模块包括智能网关和若干个传感器，监测模块用于通过传感器采集配电变压器的多种监测数据，并通过智能网关将监测数据上传至云平台；云平台包括通讯模块、数据管理模块和数据处理模块；数据处理模块，用于根据每一监测数据判断配电变压器是否存在故障，并判断配电变压器的故障类别，其中，故障类别为外部故障和内部故障。本发明实施例通过监测模块中的多种传感器采集配电变压器的多种监测数据，实现对配电变压器多维数据的监测，从而能够有效地提高配电变压器故障监测的效果，进而能够有效降低运维成本以及提高运维效率。

Description

一种配电变压器监测系统

技术领域

本发明涉及电力系统技术领域，尤其是涉及一种配电变压器监测系统。

背景技术

随着我国电力行业的迅速发展，对电力供应的可靠性要求越来越高。配电变压器指用于配电系统中根据电磁感应定律变换交流电压和电流而传输交流电能的一种静止电器，在电力系统领域，配电变压器是一个非常重要的供电设备。因此，如何随时获得配电变压器的设备状态，以确保配电变压器的运行安全成了供电部门和企业的重要需求。目前，现有的配电变压器监测系统通过安装若干个传感器采集配电变压器的监测数据，并将监测数据与告警阈值进行比对，实现对配电变压器的监测。但是现有的配电变压器监测系统仅能监测单一故障，无法监测更多的配电变压器故障，导致对配电电压器的监测效果较差。

发明内容

本发明提供了一种配电变压器监测系统，以解决现有的配电变压器监测系统仅能监测单一故障，无法监测更多的配电变压器故障，导致对配电电压器的监测效果较差的技术问题。

本发明的第一实施例提供了一种配电变压器监测系统，包括：

监测模块和云平台；所述监测模块通过无线网络与所述云平台连接；

所述监测模块包括智能网关和若干个传感器，所述监测模块用于通过所述传感器采集配电变压器的多种监测数据，并通过所述智能网关将所述监测数据上传至所述云平台；

所述云平台包括通讯模块、数据管理模块和数据处理模块；

所述通讯模块，用于接收所述智能网关发送的监测数据，并将所述监测数据发送至数据管理模块；

所述数据管理模块，用于存储所述监测数据；

所述数据处理模块，用于根据每一所述监测数据判断配电变压器是否存在故障，并判断所述配电变压器的故障类别，其中，所述故障类别为外部故障和内部故障。

进一步的，在“判断到所述配电变压器的故障类别后”，还包括：

根据历史数据获取配电变压器的多种故障类别对应的告警异常，并根据所述故障类别和所述告警异常的对应关系建立故障对照表，根据多数故障对照表检索当前所述故障类别的对应原因。

进一步的，若干个所述传感器包括但不限于高压侧电量传感器、低压侧电量传感器、温度传感器和振动传感器中的至少一种；所述高压侧电量传感器用于采集高压侧电压数据和电流数据；所述低压侧电量传感器用于采集低压侧电压数据；所述温度传感器用于采集所述配电变压器的接头温度数据和本体温度数据；所述振动传感器用于采集所述配电变压器的振动数据。

进一步的，所述根据每一所述监测数据判断配电变压器是否存在故障，并判断所述配电变压器的故障类别，包括：

根据所述接头温度数据判断所述配电变压器的接头温度是否告警异常，并判断所述告警异常是否为内部故障；

根据所述本体温度数据判断所述配电变压器的本体温度是否告警异常，并判断所述告警异常是否为内部故障；

根据所述振动数据判断配电变压器的振动是否告警异常，并判断所述告警异常是否为内部故障；

根据所述高压侧电压数据和低压侧电压数据判断配电变压器的电压是否告警异常，并判断所述告警异常是否为内部故障；

根据所述电流数据判断配电变压器的电流是否告警异常，并判断所述告警异常是否为内部故障。

进一步的，所述根据所述接头温度数据判断所述配电变压器的接头温度是否告警异常，并判断所述告警异常是否为内部故障，具体为：

当检测到所述接头温度数据在第一告警阈值范围内时，判断所述配电变压器的接头温度异常；

在检测到接头温度上升时，根据当前的电流变化绘制当前电流/温度曲线，将所述当前电流/温度曲线与历史数据中的正常电流/温度曲线进行比对，若比对结果在第二告警阈值范围时，则判断所述配电变压器的接头温度异常，且所述接头温度异常为内部故障。

进一步的，所述根据所述本体温度数据判断所述配电变压器的本体温度是否告警异常，并判断所述告警异常是否为内部故障，具体为：

当检测到所述本体温度数据在第三告警阈值范围内时，判断所述配电变压器的本体温度异常；

在检测到本体温度上升时，检根据当前的电流变化绘制当前电流/温度曲线，将所述当前电流/温度曲线与历史数据中的正常电流/温度曲线进行比对，若比对结果在第四告警阈值范围时，则判断所述配电变压器的本体温度异常，且所述本温度异常为内部故障。

进一步的，所述高压侧电量传感器还用于采集电压谐波数据和电流谐波数据；所述根据所述振动数据判断配电变压器的振动是否告警异常，并判断所述告警异常是否为内部故障，具体为：

采集所述配电变压器正常运行时的正常振动模型数据，以及获取所述配电变压器外部故障时的异常振动模型数据，采用人工智能算法根据所述正常模型数据和所述异常故障模型数据进行学习训练，建立振动检测模型；

将当前采集的所述振动数据与振动模型中的数据进行比对，并结合所述高压侧电压数据、所述低压侧电压数据、所述谐波数据、所述电流数据和功率损耗数据判断所述配电变压器的故障类别。

进一步的，根据所述高压侧电压数据和低压侧电压数据判断配电变压器的电压是否告警异常，并判断所述告警异常是否为内部故障，具体为：

若所述高压侧电压数据或低压侧电压数据在第五告警阈值范围，且电压三相不平衡数据在第六告警阈值范围，则判断所述配电变压器电压异常；

判断所述高压侧电压数据或低压侧电压数据的变化值是否在标准阈值范围，若是，则判断所述电压异常为外部故障。

进一步的，所述根据所述电流数据判断配电变压器的电流是否告警异常，并判断所述告警异常是否为内部故障，具体为：

当检测到所述电流数据或电流三相不平衡数据在第八告警阈值范围内时，判断所述配电变压器的电流异常，并结合温度上升速率和所述振动模型判断故障类别。

本发明实施例通过监测模块中的多种传感器采集配电变压器的多种监测数据，实现对配电变压器多维数据的监测，从而能够监测到配电变压器的多种故障，有效地提高了监测的全面性，进而有效地提高了对配电变压器的监测效果。

进一步地，本发明实施例通过将多维监测数据进行关联分析，对配电变压器进行综合性判断，使得对配电变压器的监控更准确，从而能够有效地提高配电变压器故障监测的效果，进而能够有效降低运维成本以及提高运维效率。

附图说明

图1是本发明实施例提供的一种配电变压器监测系统的结构示意图；

图2是本发明实施例提供的一种配电变压器监测系统的另一结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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。

在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

请参阅图1，本发明的第一实施例提供了一种配电变压器监测系统，包括：

监测模块2和云平台1；监测模块2通过无线网络与云平台1连接；

监测模块2包括智能网关21和若干个传感器22，监测模块2用于通过传感器22采集配电变压器的多种监测数据，并通过智能网关21将监测数据上传至云平台1；

云平台1包括通讯模块11、数据管理模块12和数据处理模块13；

通讯模块11，用于接收智能网关21发送的监测数据，并将监测数据发送至数据管理模块12；

可选地，通讯模块11还用于对与各远程站点的通讯情况进行监视，现实通讯告警、断线重连等，对通讯质量进行监测，记录每个站点通讯成功或失败的次数；以及对各网点的设备进行统一配置和分别配置，以提高设备维护的效率。各网点的站点管理器配置包括电压比、电流比、通讯参数、采样频率、轮巡间隔、超时等。

数据管理模块12，用于存储监测数据；还用于数据库管理功能，包括：系统配置与管理、数据存取与更新管理、数据完整性管理和数据安全性管理。数据库的查询和操纵功能，包括：数据库检索和修改。数据库维护功能，包括：数据导入/导出管理，数据库结构维护、数据恢复功能和性能监测。数据库并行运行。作为一种具体的实施方式，所以数据库服务器支持并行运行机制，能够处理多个事件，从而能够有效提高数据处理的效率。

数据处理模块13，用于根据每一监测数据判断配电变压器是否存在故障，并判断配电变压器的故障类别，其中，故障类别为外部故障和内部故障。

可选地，数据梳理模块，还用于将其他设备上传的设备状态信息存储进数据管理模块，并根据需求对设备状态信息进行统计，以方便了解设备运行状态以及变化趋势；在监控到配电变压器存在异常时，生成告警信息推送至用户终端以发出预警。其中，用户终端包括但不限于PC端和移动终端。

需要说明的是，内部故障包括但不限于：绕组线圈或引线相间短路故障、绕组匝间短路故障、线圈断股、引线松动、接头接触不良、断线、铁芯松动、铁芯多点接地、紧固件松动、绕组松动等故障；外部故障包括但不限于电压、电源缺相、电能质量不合格、环境温度过高、三相负荷分配不平衡、负荷运行方式等故障。

在本发明实施例中，监测模块2中的若干个传感器22包括但不限于低压侧电量传感器22，变压器温度传感器22和振动传感器22。本发明实施例通过监测模块2中的多种传感器22采集配电变压器的多种监测数据，实现对配电变压器多维数据的监测，从而能够监测到配电变压器的多种故障，有效地提高了监测的全面性，从而有效地提高了对配电变压器的监测效果。

进一步地，本发明实施例通过对多维监测数据进行关联分析，以实现对配电变压器的故障类别进行判断，能够有效地提高配电变压器故障监测的效果。

作为本发明实施例的一种具体实施方式，在“判断到配电变压器的故障类别后”，还包括：

根据历史数据获取配电变压器的多种故障类别对应的告警异常，并根据故障类别和告警异常的对应关系建立故障对照表，根据多数故障对照表检索当前故障类别的对应原因。

请参阅表1，为本发明实施例提供的一种故障对照表。

作为本发明实施例的一种具体实施方式，若干个传感器22包括但不限于高压侧电量传感器22、低压侧电量传感器22、温度传感器22和振动传感器22中的至少一种；高压侧电量传感器22用于采集高压侧电压数据和电流数据；低压侧电量传感器22用于采集低压侧电压数据；温度传感器22用于采集配电变压器的接头温度数据和本体温度数据；振动传感器22用于采集配电变压器的振动数据。

示例性地，高压侧电量传感器22可以用于采集高压侧电压量、电流量、正向有功功率、反下有功功率、正向无功功率、反向无功功率、有功电度、无功电度、功率因素、电压谐波、电流谐波等数据；

低压侧电量传感器22可以用于采集低压侧电压量、电流量、正向有功功率、反下有功功率、正向无功功率、反向无功功率、有功电度、无功电度、功率因素、电压谐波、电流谐波等数据；

温度传感器22可以用于采集配电变压器接头温度、浸式变压器的上层油温油、干式变压器的铁芯温度、干式变压器的绕组温度等数据；

振动传感器22用于采集配电变压器的本体振动数据。

作为本发明实施例的一种具体实施方式，根据每一监测数据判断配电变压器是否存在故障，并判断配电变压器的故障类别，包括：

根据接头温度数据判断配电变压器的接头温度是否告警异常，并判断告警异常是否为内部故障；

根据本体温度数据判断配电变压器的本体温度是否告警异常，并判断告警异常是否为内部故障；

根据振动数据判断配电变压器的振动是否告警异常，并判断告警异常是否为内部故障；

根据高压侧电压数据和低压侧电压数据判断配电变压器的电压是否告警异常，并判断告警异常是否为内部故障；

根据电流数据判断配电变压器的电流是否告警异常，并判断告警异常是否为内部故障。

本发明实施通过获取配电变压器的多维度数据，包括接头温度数据、本体温度数据、振动数据、高压侧电压数据、低压侧电压数据和电流数据,以实现对配电变压器进行多维度关联分析，从而能够准确得到配电变压器的健康状况，能够有效降低运维成本，以及提高运维效率。

作为本发明实施例的一种具体实施方式，根据接头温度数据判断配电变压器的接头温度是否告警异常，并判断告警异常是否为内部故障，具体为：

当检测到接头温度数据在第一告警阈值范围内时，判断配电变压器的接头温度异常；

在检测到接头温度上升时，根据当前的电流变化绘制当前电流/温度曲线，将当前电流/温度曲线与历史数据中的正常电流/温度曲线进行比对，若比对结果在第二告警阈值范围时，则判断配电变压器的接头温度异常，且接头温度异常为内部故障。

需要说明的是，可以根据需要设置告警阈值范围。本发明实施例在判断接头温度是否异常时，通过将接头温度的当前温度变化趋势与接头温度的正常温度变化趋势进行比对，通过纵向比对的方式对接头温度是否异常进行判断，能够有效提高判断的可靠性，且能够准确判断配电变压器存在接头温度异常的原因为内部故障还是外部故障，从而提高了对配电变压器监控的效果，有利于提高运维效率。

作为本发明实施例的一种具体实施方式，根据本体温度数据判断配电变压器的本体温度是否告警异常，并判断告警异常是否为内部故障，具体为：

当检测到本体温度数据在第三告警阈值范围内时，判断配电变压器的本体温度异常；

在检测到本体温度上升时，检根据当前的电流变化绘制当前电流/温度曲线，将当前电流/温度曲线与历史数据中的正常电流/温度曲线进行比对，若比对结果在第四告警阈值范围时，则判断配电变压器的本体温度异常，且本温度异常为内部故障。

本发明实施例在判断本体温度是否异常时，通过将本体温度的当前温度变化趋势与本体温度的正常温度变化趋势进行比对，通过纵向比对的方式对本体温度是否异常进行判断，能够有效提高判断的可靠性，且能够准确判断配电变压器存在本体温度异常的原因为内部故障还是外部故障，从而提高了对配电变压器监控的效果，有利于提高对配电变压器的运维效率。

作为本发明实施例的一种具体实施方式，高压侧电量传感器22还用于采集电压谐波数据和电流谐波数据；根据振动数据判断配电变压器的振动是否告警异常，并判断告警异常是否为内部故障，具体为：

采集配电变压器正常运行时的正常振动模型数据，以及获取配电变压器外部故障时的异常振动模型数据，采用人工智能算法根据正常模型数据和异常故障模型数据进行学习训练，建立振动检测模型；

将当前采集的振动数据与振动模型中的数据进行比对，并结合高压侧电压数据、低压侧电压数据、谐波数据、电流数据和功率损耗数据判断配电变压器的故障类别。

本发明实施例通过结合当前正常的振动模型数据和外部异常时的震动模型数据，采用人工智能算法建立振动检测模型用于对振动数据的判断，能够有效提高判断结果的准确性。进一步地，本发明实施例将当前采集的振动数据与振动模型中的数据进行比对，并结合高压侧电压数据、低压侧电压数据、谐波数据、电流数据和功率损耗数据判断配电变压器的故障类别，综合考虑了其余维度数据对配电变压器的振动数据的影响，能够进一步地提高对振动异常的监测。

具体地，考虑电压对振动数据的影响，当采集到振动频谱与振动检测模型中电压过高的模型是一致的，检查当时的电压数据是否过高，如果电压没有过高，振动数据可能失真，如果是电压过高，判断振动异常是由于外部电压过高导致的，将当前的振动异常判断为外部故障。可以理解的是，考虑谐波、电流对振动数据的影响，对振动数据进行判断的原理与上述电压对振动数据的影响一致，在此不再赘述。

需要说明的是，当电压过高时会导致配电变压器过励磁，其振动会发生异常，谐波过量也会导致振动频谱异常，电流过大也会导致铁芯饱和而使配电变压器振动异常，铁芯、绕组松动时，配电变压器振动异常同时功率损耗也会异常。

作为本发明实施例的一种具体实施方式，根据高压侧电压数据和低压侧电压数据判断配电变压器的电压是否告警异常，并判断告警异常是否为内部故障，具体为：

若高压侧电压数据或低压侧电压数据在第五告警阈值范围，且电压三相不平衡数据在第六告警阈值范围，则判断配电变压器电压异常；具体地，若高压侧电压数据和低压侧电压数据幅值限值在±7％,电压三相不平衡数据限值为2％，判断配电变压器的电压异常，并越限报警。

需要说明的是，导致上述电压异常分为三种情况：1、高压侧越限、低压侧正常；2、高压侧正常、低压侧越限；3、高低压同时越限。

判断高压侧电压数据或低压侧电压数据的变化值是否在标准阈值范围，若是，则判断电压异常为外部故障。

计算高低压变比是否在相应档位的标准范围(±0.5％)内，电流是否正常，若都正常，判断是变压器电压异常为外部故障，同时辅以温度、振动判据当以下判据以确定外部原因对配变的影响是否需要人工干预：1、油浸式变压器的上层油温、干式变压器的铁芯温度、干式变压器的绕组温度的温升速度大于设定值；2、油浸式变压器的上层油温、干式变压器的铁芯温度、干式变压器的绕组温度的幅值超过预设告警阈值；3、当振动幅值超过正常值的120％时。

其中，高低压变比计算公式为：变比K＝U1/U2＝Ⅰ2/Ⅰ1其中U1为高压侧电压，U2为低压侧电压，I1为高压侧电流，I2为低压侧电流；计算出来的变比与变压器的设计变比比较，由于变压器设计中，高压侧档位一般是三档或五档，变比值是常数，所以可以用查表方式检测，同时辅助以正常运行时检测出来的变比数据，可以确定变比是否正常。

作为本发明实施例的一种具体实施方式，根据电流数据判断配电变压器的电流是否告警异常，并判断告警异常是否为内部故障，具体为：

当检测到电流数据或电流三相不平衡数据在第八告警阈值范围内时，判断配电变压器的电流异常，并结合温度上升速率和振动模型判断故障类别。

在本发明实施例中，结合温度数据和振动检测模型来对配电器的故障种类进行判断，有利于提高判断的准确性。

实施本发明实施例，具有以下有益效果：

本发明实施例通过监测模块2中的多种传感器22采集配电变压器的多种监测数据，实现对配电变压器多维数据的监测，从而能够监测到配电变压器的多种故障，有效地提高了监测的全面性，从而有效地提高了对配电变压器的监测效果。

进一步地，本发明实施例通过将多维监测数据进行关联分析，对配电变压器进行综合性判断，使得对配电变压器的监控更准确，从而能够有效地提高配电变压器故障监测的效果。

以上是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (9)

1.一种配电变压器监测系统，其特征在于，包括：

监测模块和云平台；所述监测模块通过无线网络与所述云平台连接；

所述监测模块包括智能网关和若干个传感器，所述监测模块用于通过所述传感器采集配电变压器的多种监测数据，并通过所述智能网关将所述监测数据上传至所述云平台；

所述云平台包括通讯模块、数据管理模块和数据处理模块；

所述通讯模块，用于接收所述智能网关发送的监测数据，并将所述监测数据发送至数据管理模块；

所述数据管理模块，用于存储所述监测数据；

所述数据处理模块，用于根据每一所述监测数据判断配电变压器是否存在故障，并判断所述配电变压器的故障类别，其中，所述故障类别为外部故障和内部故障。

2.如权利要求1所述的配电变压器监测系统，其特征在于，在“判断到所述配电变压器的故障类别”后，还包括：

根据历史数据获取配电变压器的多种故障类别对应的告警异常，并根据所述故障类别和所述告警异常的对应关系建立故障对照表，根据多数故障对照表检索当前所述故障类别的对应原因。

3.如权利要求1所述的配电变压器监测系统，其特征在于，若干个所述传感器包括但不限于高压侧电量传感器、低压侧电量传感器、温度传感器和振动传感器中的至少一种；所述高压侧电量传感器用于采集高压侧电压数据和电流数据；所述低压侧电量传感器用于采集低压侧电压数据；所述温度传感器用于采集所述配电变压器的接头温度数据和本体温度数据；所述振动传感器用于采集所述配电变压器的振动数据。

4.如权利要求3所述的配电变压器监测系统，其特征在于，所述根据每一所述监测数据判断配电变压器是否存在故障，并判断所述配电变压器的故障类别，包括：

根据所述接头温度数据判断所述配电变压器的接头温度是否告警异常，并判断所述告警异常是否为内部故障；

根据所述本体温度数据判断所述配电变压器的本体温度是否告警异常，并判断所述告警异常是否为内部故障；

根据所述振动数据判断配电变压器的振动是否告警异常，并判断所述告警异常是否为内部故障；

根据所述高压侧电压数据和低压侧电压数据判断配电变压器的电压是否告警异常，并判断所述告警异常是否为内部故障；

根据所述电流数据判断配电变压器的电流是否告警异常，并判断所述告警异常是否为内部故障。

5.如权利要求4所述的配电变压器监测系统，其特征在于，所述根据所述接头温度数据判断所述配电变压器的接头温度是否告警异常，并判断所述告警异常是否为内部故障，具体为：

当检测到所述接头温度数据在第一告警阈值范围内时，判断所述配电变压器的接头温度异常；

在检测到接头温度上升时，根据当前的电流变化绘制当前电流/温度曲线，将所述当前电流/温度曲线与历史数据中的正常电流/温度曲线进行比对，若比对结果在第二告警阈值范围时，则判断所述配电变压器的接头温度异常，且所述接头温度异常为内部故障。

6.如权利要求4所述的配点变压器在线监测系统，其特征在于，所述根据所述本体温度数据判断所述配电变压器的本体温度是否告警异常，并判断所述告警异常是否为内部故障，具体为：

当检测到所述本体温度数据在第三告警阈值范围内时，判断所述配电变压器的本体温度异常；

在检测到本体温度上升时，检根据当前的电流变化绘制当前电流/温度曲线，将所述当前电流/温度曲线与历史数据中的正常电流/温度曲线进行比对，若比对结果在第四告警阈值范围时，则判断所述配电变压器的本体温度异常，且所述本温度异常为内部故障。

7.如权利要求4所述的配电变压器监测系统，其特征在于，所述高压侧电量传感器还用于采集电压谐波数据和电流谐波数据；所述根据所述振动数据判断配电变压器的振动是否告警异常，并判断所述告警异常是否为内部故障，具体为：

采集所述配电变压器正常运行时的正常振动模型数据，以及获取所述配电变压器外部故障时的异常振动模型数据，采用人工智能算法根据所述正常模型数据和所述异常故障模型数据进行学习训练，建立振动检测模型；

将当前采集的所述振动数据与振动模型中的数据进行比对，并结合所述高压侧电压数据、所述低压侧电压数据、所述谐波数据、所述电流数据和功率损耗数据判断所述配电变压器的故障类别。

8.如权利要求4所述的配电变压器监测系统，其特征在于，根据所述高压侧电压数据和低压侧电压数据判断配电变压器的电压是否告警异常，并判断所述告警异常是否为内部故障，具体为：

若所述高压侧电压数据或低压侧电压数据在第五告警阈值范围，且电压三相不平衡数据在第六告警阈值范围，则判断所述配电变压器电压异常；

判断所述高压侧电压数据或低压侧电压数据的变化值是否在标准阈值范围，若是，则判断所述电压异常为外部故障。

9.如权利要求7所述的配电变压器监测系统，其特征在于，所述根据所述电流数据判断配电变压器的电流是否告警异常，并判断所述告警异常是否为内部故障，具体为：

当检测到所述电流数据或电流三相不平衡数据在第八告警阈值范围内时，判断所述配电变压器的电流异常，并结合温度上升速率和所述振动模型判断故障类别。

Images