CN113742922B - 一种变压器渗漏油缺陷预判的方法及装置 - Google Patents
一种变压器渗漏油缺陷预判的方法及装置 Download PDFInfo
- Publication number
- CN113742922B CN113742922B CN202111038982.XA CN202111038982A CN113742922B CN 113742922 B CN113742922 B CN 113742922B CN 202111038982 A CN202111038982 A CN 202111038982A CN 113742922 B CN113742922 B CN 113742922B
- Authority
- CN
- China
- Prior art keywords
- main transformer
- leakage
- equipment
- defect
- data
- 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
-
- 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本申请公开了一种变压器渗漏油缺陷预判的方法及装置,包括:获取同类设备的历史缺陷数据;计算主变渗透发生的部位、同一部位的渗漏次数和间隔时间;采集主变设备的实时监测数据;从而确定主变设备的健康度,根据设备的重要度和健康度确定对主变设备的运维措施并确定其对应的主变特征清单;采集主变的周期性数据,并识别周期性数据的变化趋势以及极限值;根据主变特征清单以及周期性数据的变化趋势对主变渗漏油的缺陷进行建模仿真,使得根据仿真模型预测渗漏缺陷发展的趋势和结果,从而根据实时的监测数据得到动态的主变特征清单;进而根据动态的主变特征清单评估主变渗漏油缺陷。本申请可以动态的指导运维人员对主变设备的运维和消缺。
Description
技术领域
本申请涉及变压器故障检测技术领域,尤其涉及一种变压器渗漏油缺陷预判的方法及装置。
背景技术
由于变压器法兰密封部件失效、焊接接头开裂、引线接头松动等原因造成主变的渗漏油缺陷的发生或长期存在,目前主要依靠变电站运维人员的巡视检查和定检时发现,但是运维人员仅通过现场的渗漏油现象判断,无法对缺陷等级准确评估,进而给设备的安全稳定运行带来很多困难。
渗漏油缺陷是主变运维过程中最常见缺陷,也是最重要的缺陷,其对主变渗漏油的发现和处理的时效性要求是非常高,目前仍缺少这方面的方法和措施。由于变压器渗漏油缺陷是一个动态变化发展的过程,缺陷的发展容易受到各种因素的影响,缺陷的变化也有不同的周期差异,目前仅仅依靠现场缺陷的表象进行判断处理,无法对主变缺陷进行全面性分析,若缺陷处理效果不好,容易引起重复性缺陷的发生,造成设备重复性停电。
目前主变设备的运维方式是通过人员周期性地巡视和检查,设备的运行状况和信息通过纸质或系统的方式记录和管理,对于可能发生渗漏油的部位和特点,往往依靠运维人员的工作经验和细心检查,而主变渗漏油缺陷往往是通过被动的方式发现和处理,无法对主变可能发生渗漏油的缺陷做出提前预判,也无法对主变渗漏油缺陷的进一步发展状况及时作出判断和处理。
发明内容
本申请实施例提供了一种变压器渗漏油缺陷预判的方法及装置,使得可以动态的指导运维人员对主变设备的运维和消缺,防止主变设备发生事故,提供设备供电可靠性,减少大量不必要的人力,物力的投入。
有鉴于此,本申请第一方面提供了一种变压器渗漏油缺陷预判的方法,所述方法包括:
获取同类设备的历史缺陷数据;
根据所述历史缺陷数据计算主变渗透发生的部位、同一部位的渗漏次数和同一部位发生渗漏的间隔时间;
采集主变设备的实时监测数据;
根据所述实时监测数据确定主变设备的健康度,根据设备的重要度和所述健康度确定对主变设备的运维措施;由所述实时监测数据、所述健康度、所述重要度以及所述运维措施确定主变特征清单;所述主变特征清单包括:主变温度、负荷、渗漏速度、渗漏量、健康度、重要度、运维周期及措施、缺陷评级、处置措施;
采集主变的周期性数据,并识别所述周期性数据的变化趋势以及极限值;所述周期性数据包括主变的温度、环境、渗漏速度、渗漏量、负荷;
根据所述主变特征清单以及所述周期性数据的变化趋势对所述主变渗漏油的缺陷进行建模仿真,使得根据仿真模型预测渗漏缺陷发展的趋势和结果,从而根据实时的监测数据得到动态的主变特征清单;
根据所述动态的主变特征清单评估主变渗漏油缺陷。
可选的,所述主变设备的监测数据包括:主变设备的电流、电压功率、油压力、内部气体含量的数据。
可选的,所述历史缺陷数据包括同类设备的缺陷数据、检修维护记录、工作票系统消缺记录。
可选的,所述根据所述历史缺陷数据计算主变渗透发生的部位、同一渗漏发生部位的渗漏次数和同一部位发生渗漏的间隔时间,包括:
根据同类一次设备及同类二次设备的历史缺陷数据,取预置时间内的主变渗漏缺陷数据,统计主变渗漏发生的部位;
根据发生在同一部位的主变渗漏的时刻计算同一部位发生渗漏的次数及间隔时间。
可选的,所述根据所述实时监测数据确定主变设备的健康度,根据设备的重要度和所述健康度确定对主变设备的运维措施;
根据所述实时监测数据确定主变一次设备或二次设备发生故障的频次,从而确定主变一次设备或二次设备的健康度;
根据一次设备或二次设备的重要度确定缺陷评估等级,根据所述缺陷评估等级以及所述健康度确定设备管控级别及对应的运维措施。
本申请第二方面提供一种变压器渗漏油缺陷预判装置,所述装置包括:
获取单元,用于获取同类设备的历史缺陷数据;
第一计算单元,用于根据所述历史缺陷数据计算主变渗透发生的部位、同一部位的渗漏次数和同一部位发生渗漏的间隔时间;
第一采集单元,用于采集主变设备的实时监测数据;
特征清单确定单元,用于根据所述实时监测数据确定主变设备的健康度,根据设备的重要度和所述健康度确定对主变设备的运维措施;由所述实时监测数据、所述健康度、所述重要度以及所述运维措施确定主变特征清单;所述主变特征清单包括:主变温度、负荷、渗漏速度、渗漏量、健康度、重要度、运维周期及措施、缺陷评级、处置措施;
第二采集单元,用于实时采集主变的周期性数据,并识别所述周期性数据的变化趋势以及极限值;所述周期性数据包括主变的温度、环境、渗漏速度、渗漏量、负荷;
建模单元,用于根据所述主变特征清单以及所述周期性数据的变化趋势对所述主变渗漏油的缺陷进行建模仿真,使得根据模型预测出渗漏缺陷发展的趋势和结果,从而根据实时的监测数据得到动态的主变特征清单;
评估单元,用于根据所述动态的主变特征清单评估主变渗漏油缺陷。
可选的,所述主变设备的监测数据包括:主变设备的电流、电压功率、油压力、内部气体含量的数据。
可选的,所述历史缺陷数据包括同类设备的缺陷数据、检修维护记录、工作票系统消缺记录。
可选的,所述第一计算单元还包括:
统计单元,用于根据同类一次设备及同类二次设备的历史缺陷数据,取预置时间内的主变渗漏缺陷数据,统计主变渗漏发生的部位;
第二计算单元,用于根据发生在同一部位的主变渗漏的时刻计算同一部位发生渗漏的次数及间隔时间。
可选的,所述特征清单确定单元包括:
健康度确定单元,用于根据所述实时监测数据确定主变一次设备或二次设备发生故障的频次,从而确定主变一次设备或二次设备的健康度;
运维措施确定单元,用于根据一次设备或二次设备的重要度确定缺陷评估等级,根据所述缺陷评估等级以及所述健康度确定设备管控级别及对应的运维措施。
从以上技术方案可以看出,本申请具有以下优点:
本申请中,提供了一种变压器渗漏油缺陷预判的方法,包括:获取同类设备的历史缺陷数据;根据历史缺陷数据计算主变渗透发生的部位、同一部位的渗漏次数和同一部位发生渗漏的间隔时间;采集主变设备的实时监测数据;根据实时监测数据确定主变设备的健康度,根据设备的重要度和健康度确定对主变设备的运维措施;由实时监测数据、健康度、重要度以及运维措施确定主变特征清单;主变特征清单包括:主变温度、负荷、渗漏速度、渗漏量、健康度、重要度、运维周期及措施、缺陷评级、处置措施;采集主变的周期性数据,并识别周期性数据的变化趋势以及极限值;周期性数据包括主变的温度、环境、渗漏速度、渗漏量、负荷;根据主变特征清单以及周期性数据的变化趋势对主变渗漏油的缺陷进行建模仿真,使得根据仿真模型预测渗漏缺陷发展的趋势和结果,从而根据实时的监测数据得到动态的主变特征清单;根据动态的主变特征清单评估主变渗漏油缺陷。
本申请通过由历史缺陷数据获取不同设备发生渗漏的渗漏次数和间隔时间,从而根据实时监测数据判断设备的健康度,并由设备的健康度,设备的重要度确定设备的运维措施,从而确定主变特征清单;再获取主变的周期性数据的变化趋势,结合周期性数据变化趋势和主变特征清单对主变渗漏缺陷进行建模仿真,根据当前实时监测数据进行仿真从而确定实时变化的主变特征清单,进而得到对应的实时变化的运维措施,以此来指导运维人员进行运维和消缺,防止主变设备发生事故,提供设备供电可靠性,减少大量不必要的人力,物力的投入。
附图说明
图1为本申请一种变压器渗漏油缺陷预判的方法的一个实施例中的方法流程图;
图2为本申请一种变压器渗漏油缺陷预判的装置的一个实施例中的装置结构图;
图3为本申请实施例中设备管控级别矩阵示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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。
图1为本申请一种变压器渗漏油缺陷预判的方法的一个实施例的方法流程图,如图1所示,图1中包括:
101、获取同类设备的历史缺陷数据;
需要说明的是,可以通过生产信息管理系统筛选同一设备或同型号类别的一次设备和二次设备的历史缺陷数据,历史缺陷数据包括同类设备的缺陷数据、检修维护记录、工作票系统消缺记录等数据采集获取。
102、根据历史缺陷数据计算主变渗透发生的部位、同一部位的渗漏次数和同一部位发生渗漏的间隔时间;
需要说明的是,可以根据同类一次设备及同类二次设备的历史缺陷数据,取预置时间内的主变渗漏缺陷数据,统计主变渗漏发生的部位;根据发生在同一部位的主变渗漏的时刻计算同一部位发生渗漏的次数及间隔时间。
具体的,通过采集的同类一次设备及同类二次设备的历史缺陷信息计算主变易渗漏部位的频次(主变出现渗漏故障时该一次设备或者二次设备出现故障的比例)。具体的,根据历史一二次设备及同类一二次设备的缺陷信息,取近3年或5年主变渗漏缺陷信息,统计主变渗漏发生的部位,根据历史一二次设备发生的时间和次数计算主变易渗漏部位的次数、间隔时间。
103、采集主变设备的实时监测数据;
需要说明的是,可以通过主变一次设备及二次设备上的传感器实时采集相应设备的监测数据,实时监测数据具体包括主变设备的电流、电压功率、油压力、内部气体含量等数据。
104、根据实时监测数据确定主变设备的健康度,根据设备的重要度和健康度确定对主变设备的运维措施;由实时监测数据、健康度、重要度以及运维措施确定主变特征清单;主变特征清单包括:主变温度、负荷、渗漏速度、渗漏量、健康度、重要度、运维周期及措施、缺陷评级、处置措施;
需要说明的是,本申请可以根据实时监测数据确定主变一次设备或二次设备发生故障的频次(主变出现渗漏故障时该一次设备或者二次设备出现故障的比例),从而确定主变一次设备或二次设备的健康度;具体的,可以根据相应的健康度评价指标将设备的健康度分给非常严重、严重、异常、关注和一般,后续可以根据实时监测数据对设备的健康度进行判断。
根据一次设备或二次设备的重要度确定缺陷评估等级,根据缺陷评估等级以及健康度确定设备管控级别及对应的运维措施。
具体的,可以根据设备的重要度等确定设备的缺陷评估等级,具体的等级分类如表1:
表1设备缺陷评估级别
重要度等级 | 设备价值 | 电网风险后果 |
关键 | 1000万及以上 | 一般及以上电力安全事故 |
重要 | 800-1000万 | 一级事件 |
关注 | 500-800万 | 二级事件、三级事件 |
一般 | 上述以外其他设备 | 上述以外其他设备 |
因此,本申请可以根据实时检测数据确定一二次设备的健康度;由设备重要度确定设备缺陷评估级别;由一二次设备的健康度以及缺陷评估级别,确定设备管控级别。根据设备管控级别确定设备巡检频次,可以设置为:Ⅰ级:1天3巡;Ⅱ级:1天1巡;Ⅲ级:1周3巡;Ⅳ级:1周1巡。具体的设备管控级别划分可参考图3所示。
由此,可以根据实时监测数据,以及设备的健康度,设备重要度以及运维措施确定主变特征清单,具体的主变特征清单内容可参考表2:
表2主变特征清单
具体的主变特征清单还包括:主变温度、负荷、渗漏速度、渗漏量、健康度、重要度、运维周期及措施、缺陷评级、处置措施等。
105、采集主变的周期性数据,并识别周期性数据的变化趋势以及极限值,周期性数据包括主变的温度、环境、渗漏速度、渗漏量、负荷;
需要说明的是,本申请可以采集周期性数据,通过主变设备上的传感器感知、温度仪器监测、智能监控设备等手段对24小时温度变化、一至两周环境天气变化、周期性的主变渗漏量的变化、油枕和观察孔油位刻度变化、负荷曲线的变化的数据分析。
具体的,可以根据现场温度、环境、渗漏量、负荷等周期性数据变化,进行周期性的数据采样,形成趋势变化曲线,具体如下:
周期性的主温度的变化:24小时温度变化,按每小时采样,气温变化20、30、40度等,极限值即是预测温度最高达到40度;
一至两周环境天气变化:高温、雨天、大风等,按每天采样,折算预测环境影响系数,比如高温1.5,雨天1.3,大风1.2;
周期性的主变渗漏量的变化:24小时渗漏量数值,按每小时采样,极限值即某时刻渗漏最严重50ml;
负荷曲线的数据变化:24小时负荷数值,按每小时采样,极限值即某时刻负荷最重5000A。
通过以上周期性数据的采集,可以按数据变化的特点识别周期性数据变化趋势及极限值。
106、根据主变特征清单以及周期性数据的变化趋势对主变渗漏油的缺陷进行建模仿真,使得根据仿真模型预测渗漏缺陷发展的趋势和结果,从而根据实时的监测数据得到动态的主变特征清单;
需要说明的是,可以在主变特征清单的基础上,结合周期性数据变化趋势,对主变渗漏油的缺陷进行建模仿真,特别是主变的法兰、阀门、接头及易渗漏点模拟,预测缺陷发展的趋势及结果,形成动态的主变特征清单,并根据主变特征清单评估缺陷的影响范围和后果。
由于,渗漏量=渗漏速度*时间*温度影响系数*负荷影响系数*预测渗漏量校正系数*环境影响系数,可以对主变渗漏油的缺陷进行建模仿真,模拟渗漏量对观察油枕和套管油位变化,按照:
本体油枕刻度标准,2/3为基准值参考做出预判处理结论。
套管油位刻度标准,2/3为基准值参考做出预判处理结论。
当仿真预判结果达到故障,需要立即停电处理。
预判结果达到紧急,需要24小时内立即停电处理,更新运维数据及设备评级;
预判结果达到重大,需要7天内停电处理,更新运维数据及设备评级;
预判结果达到一般,6个月内可结合计划性停电处理,更新运维数据及设备评级。
107、根据动态的主变特征清单评估主变渗漏油缺陷。
本申请通过由历史缺陷数据获取不同设备发生渗漏的渗漏次数和间隔时间,从而根据实时监测数据判断设备的健康度,并由设备的健康度,设备的重要度确定设备的运维措施,从而确定主变特征清单;再获取主变的周期性数据的变化趋势,结合周期性数据变化趋势和主变特征清单对主变渗漏缺陷进行建模仿真,根据当前实时监测数据进行仿真从而确定实时变化的主变特征清单,进而得到对应的实时变化的运维措施,以此来指导运维人员进行运维和消缺,防止主变设备发生事故,提供设备供电可靠性,减少大量不必要的人力,物力的投入。
本申请还提供了一种变压器渗漏油缺陷预判的装置的实施例,如图2所示,图2中包括:
获取单元201,用于获取同类设备的历史缺陷数据;
第一计算单元202,用于根据历史缺陷数据计算主变渗透发生的部位、同一部位的渗漏次数和同一部位发生渗漏的间隔时间;
第一采集单元203,用于采集主变设备的实时监测数据;
特征清单确定单元204,用于根据实时监测数据确定主变设备的健康度,根据设备的重要度和所述健康度确定对主变设备的运维措施;由实时监测数据、健康度、重要度以及运维措施确定主变特征清单;主变特征清单包括:主变温度、负荷、渗漏速度、渗漏量、健康度、重要度、运维周期及措施、缺陷评级、处置措施;
第二采集单元205,用于实时采集主变的周期性数据,并识别周期性数据的变化趋势以及极限值;周期性数据包括主变的温度、环境、渗漏速度、渗漏量、负荷;
建模单元206,用于根据主变特征清单以及周期性数据的变化趋势对主变渗漏油的缺陷进行建模仿真,使得根据模型预测出渗漏缺陷发展的趋势和结果,从而根据实时的监测数据得到动态的主变特征清单;
评估单元207,用于根据动态的主变特征清单评估主变渗漏油缺陷。
在一种具体的实施方式中,主变设备的监测数据包括:主变设备的电流、电压功率、油压力、内部气体含量的数据。
在一种具体的实施方式中,历史缺陷数据包括同类设备的缺陷数据、检修维护记录、工作票系统消缺记录。
在一种具体的实施方式中,第一计算单元还包括:
统计单元,用于根据同类一次设备及同类二次设备的历史缺陷数据,取预置时间内的主变渗漏缺陷数据,统计主变渗漏发生的部位;
第二计算单元,用于根据发生在同一部位的主变渗漏的时刻计算同一部位发生渗漏的次数及间隔时间。
在一种具体的实施方式中,特征清单确定单元包括:
健康度确定单元,用于根据实时监测数据确定主变一次设备或二次设备发生故障的频次,从而确定主变一次设备或二次设备的健康度;
运维措施确定单元,用于根据一次设备或二次设备的重要度确定缺陷评估等级,根据缺陷评估等级以及健康度确定设备管控级别及对应的运维措施。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”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,以便这里描述的本申请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。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种变压器渗漏油缺陷预判的方法,其特征在于,包括:
获取同类设备的历史缺陷数据;
根据所述历史缺陷数据计算主变渗透发生的部位、同一部位的渗漏次数和同一部位发生渗漏的间隔时间;
采集主变设备的实时监测数据;
根据所述实时监测数据确定主变设备的健康度,根据设备的重要度和所述健康度确定对主变设备的运维措施;由所述实时监测数据、所述健康度、所述重要度以及所述运维措施确定主变特征清单;所述主变特征清单包括:主变温度、负荷、渗漏速度、渗漏量、健康度、重要度、运维周期及措施、缺陷评级、处置措施;
采集主变的周期性数据,并识别所述周期性数据的变化趋势以及极限值;所述周期性数据包括主变的温度、环境、渗漏速度、渗漏量、负荷;
根据所述主变特征清单以及所述周期性数据的变化趋势对所述主变渗漏油的缺陷进行建模仿真,使得根据仿真模型预测渗漏缺陷发展的趋势和结果,从而根据实时的监测数据得到动态的主变特征清单;
根据所述动态的主变特征清单评估主变渗漏油缺陷。
2.根据权利要求1所述的变压器渗漏油缺陷预判的方法,其特征在于,所述主变设备的监测数据包括:主变设备的电流、电压功率、油压力、内部气体含量的数据。
3.根据权利要求1所述的变压器渗漏油缺陷预判的方法,其特征在于,所述历史缺陷数据包括同类设备的缺陷数据、检修维护记录、工作票系统消缺记录。
4.根据权利要求1所述的变压器渗漏油缺陷预判的方法,其特征在于,所述根据所述历史缺陷数据计算主变渗透发生的部位、同一渗漏发生部位的渗漏次数和同一部位发生渗漏的间隔时间,包括:
根据同类一次设备及同类二次设备的历史缺陷数据,取预置时间内的主变渗漏缺陷数据,统计主变渗漏发生的部位;
根据发生在同一部位的主变渗漏的时刻计算同一部位发生渗漏的次数及间隔时间。
5.权利要求1所述的变压器渗漏油缺陷预判的方法,其特征在于,所述根据所述实时监测数据确定主变设备的健康度,根据设备的重要度和所述健康度确定对主变设备的运维措施;
根据所述实时监测数据确定主变一次设备或二次设备发生故障的频次,从而确定主变一次设备或二次设备的健康度;
根据一次设备或二次设备的重要度确定缺陷评估等级,根据所述缺陷评估等级以及所述健康度确定设备管控级别及对应的运维措施。
6.一种变压器渗漏油缺陷预判装置,其特征在于,包括:
获取单元,用于获取同类设备的历史缺陷数据;
第一计算单元,用于根据所述历史缺陷数据计算主变渗透发生的部位、同一部位的渗漏次数和同一部位发生渗漏的间隔时间;
第一采集单元,用于采集主变设备的实时监测数据;
特征清单确定单元,用于根据所述实时监测数据确定主变设备的健康度,根据设备的重要度和所述健康度确定对主变设备的运维措施;由所述实时监测数据、所述健康度、所述重要度以及所述运维措施确定主变特征清单;所述主变特征清单包括:主变温度、负荷、渗漏速度、渗漏量、健康度、重要度、运维周期及措施、缺陷评级、处置措施;
第二采集单元,用于实时采集主变的周期性数据,并识别所述周期性数据的变化趋势以及极限值;所述周期性数据包括主变的温度、环境、渗漏速度、渗漏量、负荷;
建模单元,用于根据所述主变特征清单以及所述周期性数据的变化趋势对所述主变渗漏油的缺陷进行建模仿真,使得根据模型预测出渗漏缺陷发展的趋势和结果,从而根据实时的监测数据得到动态的主变特征清单;
评估单元,用于根据所述动态的主变特征清单评估主变渗漏油缺陷。
7.根据权利要求6所述的变压器渗漏油缺陷预判装置,其特征在于,所述主变设备的监测数据包括:主变设备的电流、电压功率、油压力、内部气体含量的数据。
8.根据权利要求6所述的变压器渗漏油缺陷预判装置,其特征在于,所述历史缺陷数据包括同类设备的缺陷数据、检修维护记录、工作票系统消缺记录。
9.根据权利要求6所述的变压器渗漏油缺陷预判装置,其特征在于,所述第一计算单元还包括:
统计单元,用于根据同类一次设备及同类二次设备的历史缺陷数据,取预置时间内的主变渗漏缺陷数据,统计主变渗漏发生的部位;
第二计算单元,用于根据发生在同一部位的主变渗漏的时刻计算同一部位发生渗漏的次数及间隔时间。
10.根据权利要求6所述的变压器渗漏油缺陷预判装置,其特征在于,所述特征清单确定单元包括:
健康度确定单元,用于根据所述实时监测数据确定主变一次设备或二次设备发生故障的频次,从而确定主变一次设备或二次设备的健康度;
运维措施确定单元,用于根据一次设备或二次设备的重要度确定缺陷评估等级,根据所述缺陷评估等级以及所述健康度确定设备管控级别及对应的运维措施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111038982.XA CN113742922B (zh) | 2021-09-06 | 2021-09-06 | 一种变压器渗漏油缺陷预判的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111038982.XA CN113742922B (zh) | 2021-09-06 | 2021-09-06 | 一种变压器渗漏油缺陷预判的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113742922A CN113742922A (zh) | 2021-12-03 |
CN113742922B true CN113742922B (zh) | 2023-01-13 |
Family
ID=78736088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111038982.XA Active CN113742922B (zh) | 2021-09-06 | 2021-09-06 | 一种变压器渗漏油缺陷预判的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113742922B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767088A (zh) * | 2017-12-07 | 2018-03-06 | 广东电网有限责任公司电力科学研究院 | 一种基于设备缺陷的变压器风险评估方法及装置 |
CN113342784A (zh) * | 2021-07-01 | 2021-09-03 | 贵州电网有限责任公司 | 一种电网主变设备风险评估的数据库设计方法 |
-
2021
- 2021-09-06 CN CN202111038982.XA patent/CN113742922B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767088A (zh) * | 2017-12-07 | 2018-03-06 | 广东电网有限责任公司电力科学研究院 | 一种基于设备缺陷的变压器风险评估方法及装置 |
CN113342784A (zh) * | 2021-07-01 | 2021-09-03 | 贵州电网有限责任公司 | 一种电网主变设备风险评估的数据库设计方法 |
Non-Patent Citations (1)
Title |
---|
一起主变调压开关油位异常缺陷判断及处理意见;陈学有等;《科学技术创新》;20180105(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113742922A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114640173B (zh) | 一种基于多特征量的变压器和发电机的预警模型 | |
CN106372735B (zh) | 一种继电保护状态评估方法 | |
CN106405475A (zh) | 电能表异常诊断方法 | |
CN106199305A (zh) | 煤矿井下供电系统用干式变压器绝缘健康状态评估方法 | |
CN108491990A (zh) | 一种风电场设备状态评价及检修决策支持检测方法及系统 | |
CN111259334B (zh) | 一种工业企业大用户用水异常监测预警方法 | |
CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
CN108414898A (zh) | 一种风电场设备带电检测的状态试验方法及系统 | |
CN112467724A (zh) | 一种低压配电网故障研判方法 | |
CN206312210U (zh) | 一种配电网设备的状态评估系统 | |
CN106597225A (zh) | 一种配电网在线状态监测系统及其在线监测方法 | |
CN106770652A (zh) | 基于声波特征的高压变压器健康状态监测装置及监测方法 | |
CN105116301B (zh) | 一种基于动态统计的数据辅助判断方法 | |
CN116823226A (zh) | 一种基于大数据的电力台区故障监测系统 | |
CN116184265A (zh) | 一种基于多分类svm的避雷器泄漏电流检测方法和系统 | |
CN104317778A (zh) | 基于海量监测数据的变电设备故障诊断方法 | |
CN111339661A (zh) | 一种高压电缆巡检周期自动规划方法 | |
CN107884646A (zh) | 变电站在线监测系统危急告警方法 | |
CN114065509A (zh) | 一种地质灾害防治用裂缝计的故障排查方法 | |
CN113742922B (zh) | 一种变压器渗漏油缺陷预判的方法及装置 | |
CN117517873A (zh) | 一种基于三维模型的电网故障诊断方法 | |
CN104267270A (zh) | 基于向量相似性的变压器关键参量提取方法 | |
CN117234156A (zh) | 选矿厂巡检系统及巡检方法 | |
CN114204686B (zh) | 一种配电网配电状态监测系统及其监测方法 | |
CN115587635A (zh) | 一种基于中性点偏移判断的台区线损分析方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |