CN113327741A - 实时监测充油变压器的前端架构 - Google Patents
实时监测充油变压器的前端架构 Download PDFInfo
- Publication number
- CN113327741A CN113327741A CN202110509743.1A CN202110509743A CN113327741A CN 113327741 A CN113327741 A CN 113327741A CN 202110509743 A CN202110509743 A CN 202110509743A CN 113327741 A CN113327741 A CN 113327741A
- Authority
- CN
- China
- Prior art keywords
- oil
- filled transformer
- monitoring
- sensor
- module
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 96
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000004891 communication Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 230000004927 fusion Effects 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 9
- 239000003795 chemical substances by application Substances 0.000 claims description 19
- 239000000523 sample Substances 0.000 claims description 14
- 239000007789 gas Substances 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 239000001257 hydrogen Substances 0.000 claims description 7
- 229910052739 hydrogen Inorganic materials 0.000 claims description 7
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000003750 conditioning effect Effects 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 abstract description 13
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 208000028659 discharge Diseases 0.000 description 21
- 238000007689 inspection Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 15
- 230000002159 abnormal effect Effects 0.000 description 11
- 230000007547 defect Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 11
- 238000003745 diagnosis Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 230000008447 perception Effects 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 102100031184 C-Maf-inducing protein Human genes 0.000 description 1
- 101000993081 Homo sapiens C-Maf-inducing protein Proteins 0.000 description 1
- 238000012351 Integrated analysis Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010234 longitudinal analysis Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F27/00—Details of transformers or inductances, in general
- H01F27/06—Mounting, supporting or suspending transformers, reactors or choke coils not being of the signal type
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F27/00—Details of transformers or inductances, in general
- H01F27/40—Structural association with built-in electric component, e.g. fuse
- H01F27/402—Association of measuring or protective means
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明公开了一种实时监测充油变压器的前端架构，实时监测充油变压器的前端架构中，多传感器联合监测感知层采集充油变压器的状态参量，多个传感器实时采集充油变压器的状态参量，传感器接入模块连接多个传感器，传感器接入模块包括多个接口且适配多个标准通信协议；边缘物联代理层连接多传感器联合监测感知层以处理状态参量，协议解析模块协议解析标准通信协议，协议解析模块连接传感器接入模块以汇总状态参量，网络行为监测模块连接协议解析模块以监测和管理网络行为，数据融合计算模块连接协议解析模块以基于状态参量提取数据特征；边缘计算模块连接物联管理模块以基于数据特征阈值判断和趋势判断充油变压器的状态。
Description
技术领域
本发明涉及充油变压器检测技术领域，尤其涉及一种实时监测充油变压器的前端架构。
背景技术
电力变压器作电力系统中的核心设备之一，其运行状态和电网的安全可靠运行密切相关，此类电力设备的故障将直接威胁到电网的稳定性和安全性。根据以往大型充油变压器的运维经验，保证设备安全运行是变压器运检工作的首要任务，对此要加强相应的监测、预警以及分析，如何及时有效地对设备故障进行诊断并科学合理地部署维修策略是长期以来电力工作者亟需解决的技术难题。电力变压器类型众多、结构复杂、运行环境各异、状态监测特征冗余等等多种情况，为设备的健康管理带来了巨大的困难与挑战。
在背景技术部分中公开的上述信息仅仅用于增强对本发明背景的理解，因此可能包含不构成本领域普通技术人员公知的现有技术的信息。
发明内容
本发明的目的是提供一种实时监测充油变压器的前端架构，建立了标准化、一体化、集成化的监控体系，有望解决目前状态参量庞杂、信息利用率低下、监测系统各自为政等现实问题，可有效推进电力变压器设备的状态感知深入实用化进程，为电力设备状态检修有效性提供新的技术保证，避免盲目维修，提高维修效率，为设备的安全可靠运行提供有力的技术支持。
为了实现上述目的，本发明提供如下技术方案：
本发明的一种实时监测充油变压器的前端架构包括，
多传感器联合监测感知层，其采集充油变压器的状态参量，多传感器联合监测感知层包括，
多个传感器，其实时采集充油变压器的状态参量，
传感器接入模块，其连接所述多个传感器，所述传感器接入模块包括多个接口且适配多个标准通信协议；
边缘物联代理层，其连接所述多传感器联合监测感知层以处理所述状态参量，所述边缘物联代理层包括，
物联管理模块，其提供单个物联网关以物联管理，其包括，
协议解析模块，其协议解析所述标准通信协议，所述协议解析模块连接所述传感器接入模块以汇总所述状态参量，
网络行为监测模块，其连接所述协议解析模块以监测和管理网络行为，
数据融合计算模块，其连接所述协议解析模块以基于所述状态参量提取数据特征；
边缘计算模块，其连接所述物联管理模块以基于数据特征阈值判断和趋势判断充油变压器的状态。
所述的一种实时监测充油变压器的前端架构中，多个传感器包括，
单氢传感器和/或油色谱传感器，其实时采集充油变压器中溶解气体浓度，
超高频局放传感器，其实时采集充油变压器局部放电的超高频信号，
超声传感器，其实时采集充油变压器局部放电的超声信号，
电压互感器和/或电流互感器，其实时采集充油变压器的变压器套管的介损值，
力矩传感器，其实时采集充油变压器的有载开关的振动信号，
油压传感器，其实时采集充油变压器的变压器油箱的压力信号。
所述的一种实时监测充油变压器的前端架构中，多个传感器包括调理及采样电路以输出格式统一的数字信号。
所述的一种实时监测充油变压器的前端架构中，所述传感器接入模块包括RS-485接口、4G-LTE接口、LoRa接口、ZigBee接口或以太网通讯接口，所述标准通信协议包括MODBUS RTU、MODBUS TCP、IEC103、IEC104、CDT、DL/T 645-1997或DL/T 645-2007标准通信协议。
所述的一种实时监测充油变压器的前端架构中，所述传感器接入模块为探针采集方式，其通过分光分路设备、交换机流量镜像端口或直接将其串接在待观测的链路上，对链路上所有的数据报文进行处理，提取流量监测所需的协议字段甚至全部报文内容。
所述的一种实时监测充油变压器的前端架构中，所述探针采用无源分光器或镜像方式接入网络，路由器交换机用于路由和转发。
所述的一种实时监测充油变压器的前端架构中，所述网络行为监测模块包括获得网络流量基准特征的网络流量分析单元以及连接网络流量分析单元的告警单元。
所述的一种实时监测充油变压器的前端架构中，数据融合计算模块包括多源数据融合单元，其分析所述状态参量以建立状态参量之间的关联规则与事件触发器，基于关联规则与事件触发器提取数据特征。
所述的一种实时监测充油变压器的前端架构中，所述边缘计算模块生成历史负荷曲线、温度曲线及状态评价信息，采用机器学习的大数据分析预测充油变压器状态变化趋势以提供状态分析和预告警。
所述的一种实时监测充油变压器的前端架构中，边缘物联代理层设有状态参量超出阈值后发出预警的预警单元。
在上述技术方案中，本发明提供的一种实时监测充油变压器的前端架构，具有以下有益效果：涵盖了电力变压器状态的感知、监测、信息传递和评估过程，可实现变压器多种状态的独立监测和标准化数据处理，有效提高了变压器的运检效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1是实时监测充油变压器的前端架构的结构示意图；
图2是实时监测充油变压器的前端架构的多传感器联合监测感知层的布置示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图图1至图2，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，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。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；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或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。
在一个实施例中，如图1至图2所示，实时监测充油变压器的前端架构包括，
多传感器联合监测感知层，其采集充油变压器的状态参量，多传感器联合监测感知层包括，
多个传感器，其实时采集充油变压器的状态参量，
传感器接入模块，其连接所述多个传感器，所述传感器接入模块包括多个接口且适配多个标准通信协议；
边缘物联代理层，其连接所述多传感器联合监测感知层以处理所述状态参量，所述边缘物联代理层包括，
物联管理模块，其提供单个物联网关以物联管理，其包括，
协议解析模块，其协议解析所述标准通信协议，所述协议解析模块连接所述传感器接入模块以汇总所述状态参量，
网络行为监测模块，其连接所述协议解析模块以监测和管理网络行为，
数据融合计算模块，其连接所述协议解析模块以基于所述状态参量提取数据特征；
边缘计算模块，其连接所述物联管理模块以基于数据特征阈值判断和趋势判断充油变压器的状态。
所述的一种实时监测充油变压器的前端架构的优选实施方式中，多个传感器包括，
单氢传感器和/或油色谱传感器，其实时采集充油变压器中溶解气体浓度，
超高频局放传感器，其实时采集充油变压器局部放电的超高频信号，
超声传感器，其实时采集充油变压器局部放电的超声信号，
电压互感器和/或电流互感器，其实时采集充油变压器的变压器套管的介损值，
力矩传感器，其实时采集充油变压器的有载开关的振动信号，
油压传感器，其实时采集充油变压器的变压器油箱的压力信号。
所述的一种实时监测充油变压器的前端架构的优选实施方式中，多个传感器包括调理及采样电路以输出格式统一的数字信号。
所述的一种实时监测充油变压器的前端架构的优选实施方式中，所述传感器接入模块包括RS-485接口、4G-LTE接口、LoRa接口、ZigBee接口或以太网通讯接口，所述标准通信协议包括MODBUS RTU、MODBUS TCP、IEC103、IEC104、CDT、DL/T 645-1997或DL/T 645-2007标准通信协议。
所述的一种实时监测充油变压器的前端架构的优选实施方式中，协议解析模块协议解析所述标准通信协议中，通讯电缆采用双绞线，如采集终端设备处于RS485总线的终端时，需接120欧姆终端电阻。TCP通信时端口号固定为502，在一个实施例中，局放PRPD数据读取tcp协议，由于PRPD数据量比较大，这块单独使用一条TCP连接来进行传输。网关开启一条TCPserver服务，端口号固定为9000。客户端连接上该服务后，向服务器发送：“PRPD1”或“PRPD2”进行读取数据(PRPD1为铁芯接地局放PRPD数据，PRPD2为夹件接地局放PRPD数据)，若未生成PRPD数据则返回“ERROR”，若已生成则返回PRPD数据大小，如“PRPD1：12015”，表示数据长度为12015Byte。客户端接收到PRPD数据长度后回复“OK”，服务端开始传输PRPD数据。数据格式如下：{PRPD1：[相位信息，幅值信息]，[相位信息，幅值信息]，[相位信息，幅值信息]......[相位信息，幅值信息]}或{PRPD2：[相位信息，幅值信息]，[相位信息，幅值信息]，[相位信息，幅值信息]......[相位信息，幅值信息]}数据传输完成后由客户端断开连接即可。客户端连接网关9000端口，开始读取PRPD数据，PRPD2未生成数据，返回ERROR，PRPD1数据正常返回。
所述的一种实时监测充油变压器的前端架构的优选实施方式中，所述传感器接入模块为探针采集方式，其通过分光分路设备、交换机流量镜像端口或直接将其串接在待观测的链路上，对链路上所有的数据报文进行处理，提取流量监测所需的协议字段甚至全部报文内容。
所述的一种实时监测充油变压器的前端架构的优选实施方式中，所述探针采用无源分光器或镜像方式接入网络，路由器交换机用于路由和转发。
所述的一种实时监测充油变压器的前端架构的优选实施方式中，所述网络行为监测模块包括获得网络流量基准特征的网络流量分析单元以及连接网络流量分析单元的告警单元。
所述的一种实时监测充油变压器的前端架构的优选实施方式中，数据融合计算模块包括多源数据融合单元，其分析所述状态参量以建立状态参量之间的关联规则与事件触发器，基于关联规则与事件触发器提取数据特征。
所述的一种实时监测充油变压器的前端架构的优选实施方式中，所述边缘计算模块生成历史负荷曲线、温度曲线及状态评价信息，采用机器学习的大数据分析预测充油变压器状态变化趋势以提供状态分析和预告警。
所述的一种实时监测充油变压器的前端架构的优选实施方式中，边缘物联代理层设有状态参量超出阈值后发出预警的预警单元。
在一个实施例中，实时监测充油变压器的前端架构包括多传感器联合监测感知层、边缘物联代理层，前端结构采取“6+1”的监测模式，即“6种检测参量，1个物联网关”。
在一个实施例中，多传感器联合监测感知层使用单氢传感器、油色谱传感器、超高频传感器、电压互感器、电流互感器、力矩传感器、超声传感器、油压传感器等多传感器联合监测的方式，全面收集变压器典型有效的状态参量，包括变压器油中溶解气体浓度、局部放电的超高频信号、变压器套管的介损值、有载开关的振动信号、局部放电的超声信号、变压器油箱的压力信号。传感器自带调理及采样电路，可以输出格式统一的数字信号。本发明中传感器接入模块支持RS-485接口，4G-LTE、LoRa、ZigBee、以太网等通讯接口，可适配MODBUSRTU、MODBUS TCP、IEC103、IEC104、CDT、DL/T 645-1997、DL/T 645-2007等多种标准通信协议；传感器接入模块通过各种可动态加载的通信插件的方式实现，屏蔽了业务终端接口类型的差异性，提供了各类传感器的综合接入和“即插即用”，为电网设备侧感知技术提供更加便捷的技术支持。
在一个实施例中，边缘物联代理层的功能如下：多传感器联合监测感知层的数据汇总；提取传感器数据的精简数据集；将精简数据集发到至上位机；基于阈值诊断的预警功能。根据具体功能，可以分为物联管理模块及边缘计算模块。物联管理模块在实现重要参数的远程设置、备份、恢复功能及远程固件升级功能的基础上，具备远程组态配置服务，对接入到不同物理通道接口上运行的传感器，设定其设备类型、通信协议、采集频率能够由用户自主设定，并且具备运行多种边缘计算业务应用，包含网络行为监测、协议解析、数据融合计算等，并可通过服务总线实现对多种业务应用的统一编排，并在统一调度下，实现快速部署、应用升级、实例启停等多种操作。边缘计算模块是基于实时状态感知数据，利用精简数据特征进行阈值判断、变化趋势判断及同类同型横向比较、专家规则及物联网云端通过机器学习训练得出的判别规则等设备状态实时预警模型，对设备状态进行自主快速感知。对于异常设备，及时向运行人员推送预警信息，调整状态监控策略，并将数据上传至平台层进行更精确的诊断和分析。
本发明多传感器联合监测感知层能够全面收集变压器典型有效的状态参量，包括变压器油中溶解气体浓度、局部放电的超高频信号、变压器套管的介损值、有载开关的振动信号、局部放电的超声信号、变压器油箱的压力信号；边缘物联代理层的功能如下：实现多传感器联合监测感知层的数据汇总；提取传感器数据的精简数据集；将精简数据集发到至上位机；状态参量超出阈值后发出预警。本发明涵盖了电力变压器状态的感知、监测、信息传递和评估过程，可实现变压器多种状态的独立监测和标准化数据处理，有效提高了变压器的运检效率。
在一个实施例中，多传感器联合监测感知层中，充油变压器在正常运行过程中，会产生各类物理信号。为了收集这些信号用于变压器的故障诊断，联合监测感知层布置了单氢传感器、油色谱传感器、超高频传感器、电压互感器、电流互感器、力矩传感器、超声传感器、油压传感器，用于收集变压器运行时可能产生的变压器油中溶解气体浓度、局部放电的超高频信号、变压器套管的介损值、有载开关的振动信号、局部放电的超声信号、变压器油箱的压力信号。其中，油中溶解气体浓度、套管介损信号、压力信号为离散的模拟值，超高频信号、振动信号、超声信号是连续的模拟值。每类传感器都根据传感器的数据特性都定制了对应的调理采样电路。最终，八种传感器输出的均为离散的数字量，其中单氢传感器、油色谱传感器、油压传感器、电压互感器、电流互感器的数据量较小，而超高频、超声和力矩的传感器数据量较大。
在一个实施例中，边缘物联代理层中，边缘物联代理层对应物联代理中的网络行为监测模块、协议解析模块、数据融合计算等模块。边缘物联代理层的功能如下：实现多传感器联合监测感知层的数据汇总；提取传感器数据的精简数据集；将精简数据集发到至上位机；状态参量超出阈值后发出预警。
在一个实施例中，边缘物联代理层基于被动探测的多源数据获取，在数据获取方面研究被动智能测量探针关键技术，通过旁路方式接入的探测技术，实现端到端细粒度流量测量。实时网络流数据获取包括探针采集技术，CMIP、SNMP等接口技术，CORBA、WebService等接口技术，异构数据共享技术等。用探针进行数据采集可分为软件架构和硬件架构两种方式来实现。硬件架构通过分光分路设备、交换机流量镜像端口或直接将其串接在待观测的链路上，对链路上所有的数据报文进行处理，提取流量监测所需的协议字段甚至全部报文内容。流量探针实时对流量数据进行采集记录，经过汇聚和预处理将流量信息发送到后端数据库。软件架构通过分析软件可进行实时监视，图表显示分析统计结果或导出报表文件；经条件设置还能够利用流量探针的数据捕获功能对网络流量进行实时采集或流量镜像，进行报文的协议分析。探针采用无源分光器或镜像方式接入网络，不影响原有设备的传输和性能。流量采集过程不需要现网设备的参与，路由器交换机可全力用于路由和转发。
DPI(深度包检测)技术在分析包头的基础上，增加了对应用层的分析，是一种基于应用层的流量监测和控制技术。当IP数据包、TCP或UDP数据流经过基于DPI技术的宽带管理系统时，该系统通过深入读取IP包在和的内容对应用层进行重组，然后按照系统定义的管理控制策略对流量进行操作。
在一个实施例中，边缘物联代理层中，针对各类被动探针获得的多维度细粒度指标进行综合分析，建立指标之间的关联规则与事件触发器，生成实时告警与历史分析报告。对网络流量分析结果进行逐层分层次建模分析，获得网络流量基准特征，并通过实时监测对网络流量异常行为进行告警，并自动触发深度流量分析功能，获得造成网络异常行为的地址、协议以及端口号等特征。
在一个实施例中，数据融合计算模块的多源数据融合是一个对数据进行多级、多层面的处理过程，主要实现对来自各区域各设备的多源信息进行自动检测、联合、相关、估计和组合等一系列处理。利用以上数据融合方法实现多源数据融合，其作用体现在提高数据精度、节省能量、提高数据的收集效率、减少信息的模糊程度、提高系统可靠性、提高系统决策正确性等几方面。
在一个实施例中，采用传感器对变压器物理量、状态量、电气量、行为量进行实时采集，并全面融合运检专业多源系统数据，实现设备本体的深度感知、风险预警和全景展示，主动触发多参量和多设备间的联合分析并推送预警信息，有效提升设备状态感知的及时性、主动性和准确性。
利用在线监测传感器实现变压器设备状态的全方位自我实时感知，根据阈值等标准初步判断数据是否正常。当数据异常时，设备汇聚节点主动启动边缘计算功能，调用管理平台带电检测、不良工况、运行信息和停电试验等多状态量，并通过“物联网”实时获取其他设备信息，实现历史数据纵向分析、各相设备和同类同型设备横向比较，对设备状态进行初步诊断，从而实现设备状态的自主快速感知和预警。对于异常设备，及时向运行人员推送预警信息，调整状态监控策略，并上传至平台层进行更精确的诊断和分析。
通过给变压器安装高频局部放电、超声局部放电、红外和振动、套管压力等5种智能传感器，并利用现有油色谱和铁芯接地电流在线监测装置，实时采集数据发送至汇聚节点进行阈值判断，如异常则上传节点调用平台层的负荷、油温、带电检测、停电试验、不良工况等数据以及同厂同型设备信息，主动触发边缘计算功能，进行历史数据纵向对比、同型设备横向对比和综合分析，对设备缺陷严重程度和类型进行初步诊断，主动推送预警信息，并上传至应用层进行更精确的诊断和分析。
在一个实施例中，针对通过各种手段已发现的尚未能确诊为缺陷的异常、尚未能消缺的严重缺陷和一般缺陷问题，以及保电等重点时期变压器设备，在感知层分程度提高已装各类在线监测状态量获取频次，并临时加装更高精度或更多类型的即装即用智能传感器，对各种状态量进行边缘计算诊断设备当前状态；在平台层结合设备历史负荷曲线、温度曲线及状态评价信息，运用“机器学习”的大数据分析预测设备近期内状态变化趋势，为设备状态分析和预告警提供更广泛的研判支持，及时生成设备异动预告警信息并定期形成分析报告推送至设备运行人员。
变压器设备发生油中溶解气体含量超过注意值，铁芯接地电流超标或油温油位不符合标准曲线等情况，经分析未达到立即停电的程度，根据变电站重要等级、变压器当前负载及未来负载预测、时期重要性、历史缺陷故障案例和当前状态评价结果，分程度增加已装油中溶解气体含量监测、铁芯接地电流监测、油温监测数据的获取频次，根据设备异常状态选取变压器的特高频局放、贴附式超声局放、振动信号传感器进行加装，增加站内现有的智能巡检机器人和视频监控的调用频次，或临时调配智能巡检机器人，对设备外观、油温油位表读数、红外图像、紫外图像进行实时巡视和监测，并与同组其他相别(如有)的巡视和监测数据进行对比分析，对异动问题及时预告警并每日生成分析报告推送至设备运行人员。
在一个实施例中，应用基于局放诊断、声音识别、图像识别、设备状态大数据分析等人工智能学习算法及智能分析技术，在构建分布式存储的设备状态信息数据库及设备缺陷、故障案例样本数据库的基础上，开发相应的设备状态人工智能诊断分析，及设备状态预警推送功能。从而建立多个设备状态与缺陷之间的关联规则，建立高级诊断模型，实现变压器设备状态实时预警，设备缺陷自动分析，处理策略主动推送等功能，形成基于多物理量感知的变压器设备状态智能研判预警机制。
对上传的变压器异常高频接地电流幅值、油色谱三比值结果、红外测温数据、特高频或超声局放幅值及相位等状态量进行多源数据融合计算分析；同时通过与现有的设备风险管控平台、状态监测等系统进行信息交互，获取变压器设备信息、历史试验数据及巡检数据等网络互联共享信息，与上述状态量计算分析结果进行纵向比较，进一步验证分析结果是否可靠合理，从而实现对变压器主要缺陷的主动识别，对变压器套管、电缆接头等部件发热、各类绝缘缺陷等进行智能研判并主动推送预警。
在一个实施例中，站内智能机器人多采用“点对点”的管理模式，即对每台机器人的巡视方案、巡视数据单独进行管理，缺少统一平台供工作人员集中管理机器人。机器人接入站内物联网后，可在物联网平台层建立机器人巡检智能管理平台，集中管理机器人的巡检方案、运行状况以及巡检数据。工作人员提前在管理平台制定各机器人的巡视方案，管理平台根据各机器人的巡检方案及时唤醒机器人进行全站巡视，工作人员可以查看所有机器人的工作状况，还可以要求一些机器人传回部分实时检测数据。
除过例行设置的例行巡检外，还可以根据代理平台的算法应用对模型计算出来的异常设备进行重点关注巡检。代理平台可以根据站内接入节点/汇聚节点找到对应的机器人下发巡检任务，并且设置具体的巡检项目，若机器人巡检正常，则算法自动无监督训练，若出现异常，机器人通过站内接入节点/汇聚节点发送警告消息到站内工作人员的终端平板上，并且上传巡检历史数据提供工作人员参考判断。
最后应该说明的是：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，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本申请保护的范围。
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。
Claims (10)
1.一种实时监测充油变压器的前端架构，其特征在于，其包括，
多传感器联合监测感知层，其采集充油变压器的状态参量，多传感器联合监测感知层包括，
多个传感器，其实时采集充油变压器的状态参量，
传感器接入模块，其连接所述多个传感器，所述传感器接入模块包括多个接口且适配多个标准通信协议；
边缘物联代理层，其连接所述多传感器联合监测感知层以处理所述状态参量，所述边缘物联代理层包括，
物联管理模块，其提供单个物联网关以物联管理，其包括，
协议解析模块，其协议解析所述标准通信协议，所述协议解析模块连接所述传感器接入模块以汇总所述状态参量，
网络行为监测模块，其连接所述协议解析模块以监测和管理网络行为，
数据融合计算模块，其连接所述协议解析模块以基于所述状态参量提取数据特征；
边缘计算模块，其连接所述物联管理模块以基于数据特征阈值判断和趋势判断充油变压器的状态。
2.根据权利要求1所述的一种实时监测充油变压器的前端架构，其特征在于，优选的，多个传感器包括，
单氢传感器和/或油色谱传感器，其实时采集充油变压器中溶解气体浓度，
超高频局放传感器，其实时采集充油变压器局部放电的超高频信号，
超声传感器，其实时采集充油变压器局部放电的超声信号，
电压互感器和/或电流互感器，其实时采集充油变压器的变压器套管的介损值，
力矩传感器，其实时采集充油变压器的有载开关的振动信号，
油压传感器，其实时采集充油变压器的变压器油箱的压力信号。
3.根据权利要求1所述的一种实时监测充油变压器的前端架构，其特征在于，多个传感器包括调理及采样电路以输出格式统一的数字信号。
4.根据权利要求1所述的一种实时监测充油变压器的前端架构，其特征在于，所述传感器接入模块包括RS-485接口、4G-LTE接口、LoRa接口、ZigBee接口或以太网通讯接口，所述标准通信协议包括MODBUS RTU、MODBUS TCP、IEC103、IEC104、CDT、DL/T 645-1997或DL/T645-2007标准通信协议。
5.根据权利要求1所述的一种实时监测充油变压器的前端架构，其特征在于，所述传感器接入模块为探针采集方式，其通过分光分路设备、交换机流量镜像端口或直接将其串接在待观测的链路上，对链路上所有的数据报文进行处理，提取流量监测所需的协议字段甚至全部报文内容。
6.根据权利要求5所述的一种实时监测充油变压器的前端架构，其特征在于，所述探针采用无源分光器或镜像方式接入网络，路由器交换机用于路由和转发。
7.根据权利要求1所述的一种实时监测充油变压器的前端架构，其特征在于，所述网络行为监测模块包括获得网络流量基准特征的网络流量分析单元以及连接网络流量分析单元的告警单元。
8.根据权利要求1所述的一种实时监测充油变压器的前端架构，其特征在于，数据融合计算模块包括多源数据融合单元，其分析所述状态参量以建立状态参量之间的关联规则与事件触发器，基于关联规则与事件触发器提取数据特征。
9.根据权利要求1所述的一种实时监测充油变压器的前端架构，其特征在于，所述边缘计算模块生成历史负荷曲线、温度曲线及状态评价信息，采用机器学习的大数据分析预测充油变压器状态变化趋势以提供状态分析和预告警。
10.根据权利要求1所述的一种实时监测充油变压器的前端架构，其特征在于，边缘物联代理层设有状态参量超出阈值后发出预警的预警单元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110509743.1A CN113327741A (zh) | 2021-05-10 | 2021-05-10 | 实时监测充油变压器的前端架构 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110509743.1A CN113327741A (zh) | 2021-05-10 | 2021-05-10 | 实时监测充油变压器的前端架构 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113327741A true CN113327741A (zh) | 2021-08-31 |
Family
ID=77415252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110509743.1A Pending CN113327741A (zh) | 2021-05-10 | 2021-05-10 | 实时监测充油变压器的前端架构 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113327741A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114325155A (zh) * | 2021-11-19 | 2022-04-12 | 国网湖南省电力有限公司 | 用于变压器的故障检测系统 |
| CN114444734A (zh) * | 2022-01-27 | 2022-05-06 | 山东电工电气集团有限公司 | 一种基于边缘计算的变压器多模态故障诊断方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104410662A (zh) * | 2014-10-23 | 2015-03-11 | 山东大学 | 物联网并行海量数据传输中间件及其工作方法 |
| JP2018084854A (ja) * | 2016-11-21 | 2018-05-31 | 日本電気株式会社 | センサデータ処理方法 |
| CN111650540A (zh) * | 2020-06-18 | 2020-09-11 | 国网湖南省电力有限公司 | 一种基于多源数据的主变压器智能状态监测装置及方法 |
| CN112162847A (zh) * | 2020-08-19 | 2021-01-01 | 中国电力科学研究院有限公司 | 一种电力变压器状态感知和评估系统及方法 |
-
2021
- 2021-05-10 CN CN202110509743.1A patent/CN113327741A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104410662A (zh) * | 2014-10-23 | 2015-03-11 | 山东大学 | 物联网并行海量数据传输中间件及其工作方法 |
| JP2018084854A (ja) * | 2016-11-21 | 2018-05-31 | 日本電気株式会社 | センサデータ処理方法 |
| CN111650540A (zh) * | 2020-06-18 | 2020-09-11 | 国网湖南省电力有限公司 | 一种基于多源数据的主变压器智能状态监测装置及方法 |
| CN112162847A (zh) * | 2020-08-19 | 2021-01-01 | 中国电力科学研究院有限公司 | 一种电力变压器状态感知和评估系统及方法 |
Non-Patent Citations (4)
| Title |
|---|
| 国家质量监督检验检疫总局: "《国家标准》", 31 July 2017 * |
| 张明文: "《工业互联网与机器人技术应用初级教程》", 30 June 2020, 哈尔滨工业大学出版社 * |
| 曾凡太: "《基于雾计算的智能硬件快速反应与安全控制》", 31 August 2020, 机械工业出版社 * |
| 罗玲等: "流量监测技术综述和指标分析", 《广西通信技术》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114325155A (zh) * | 2021-11-19 | 2022-04-12 | 国网湖南省电力有限公司 | 用于变压器的故障检测系统 |
| CN114444734A (zh) * | 2022-01-27 | 2022-05-06 | 山东电工电气集团有限公司 | 一种基于边缘计算的变压器多模态故障诊断方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110717665B (zh) | 基于调度控制系统故障辨识及趋性分析系统和方法 | |
| CN102142720B (zh) | 网络通信记录仪及网络通信记录分析系统 | |
| CN107024629B (zh) | 一种用于电力少油设备状态检测评价系统及状态评价方法 | |
| CN106019195B (zh) | 一种电力计量自动化检定流水线故障诊断系统 | |
| CN113327741A (zh) | 实时监测充油变压器的前端架构 | |
| CN108828406A (zh) | 非侵入式用户用电的故障识别方法及其系统 | |
| CN109783552A (zh) | 一种数据清洗修复方法 | |
| CN106787169A (zh) | 一种多数据源比较技术诊断变电站遥测故障的方法 | |
| CN105634796A (zh) | 一种网络设备故障预测及诊断方法 | |
| CN103487514A (zh) | 一种基于小波变换和证据推理的变压器在线监测信息聚合方法 | |
| CN115877198A (zh) | 基于边缘计算的一二次融合开关故障诊断预警系统 | |
| CN113542017A (zh) | 基于网络拓扑和多指标的一种网络故障定位方法 | |
| CN113052993A (zh) | 一种基于告警信息联动的故障巡检方法及装置 | |
| CN104579784B (zh) | 基于多维虚链路的电力工业控制系统网络管理方法 | |
| CN117289085A (zh) | 一种多线路故障分析诊断方法及系统 | |
| CN105158610B (zh) | 一种变压器状态预警数据可疑值的筛查处理方法 | |
| CN114169550A (zh) | 一种电滤系统设备健康保障运维系统及运维方法 | |
| CN117639251A (zh) | 一种高压开关柜智能在线监测系统 | |
| CN116381380A (zh) | 一种用于智能变电站故障录波器的动态故障监管系统 | |
| CN107482783A (zh) | 一种厂用电监测及控制综合智能化系统 | |
| CN109507468B (zh) | 一种基于关联特征的汇流箱支路电流检测方法及系统 | |
| Luo et al. | Research on Intelligent Mining Algorithm for Distribution Network Transformer Fault Early Warning | |
| CN113596076A (zh) | 一种应用于智能电网的物联网信息聚合方法 | |
| CN113346614A (zh) | 一种电网智能变电站二次设备状态评估系统 | |
| CN117560300B (zh) | 一种智能物联网流量预测与优化系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210831 |
|
| RJ01 | Rejection of invention patent application after publication |