CN113792475A - 基于加权knn算法考虑变压器老化效应的水分含量评估方法 - Google Patents

Abstract

本发明涉及电气设备故障诊断技术领域，具体公开了一种基于加权KNN算法考虑变压器老化效应的水分含量评估方法，包括：制备并测量不同老化状态和水分含量绝缘纸板样品的FDS数据；提取样品FDS曲线特征参数；使用特征参量拟合构建表征样品含水量信息的数据库；构建基于KNN分类算法的水分含量评估模型；使用实验室样本测试模型准确性；将模型应用于现场变压器测试。本发明结合FDS和KNN技术构建了考虑老化效应的变压器油纸绝缘水分含量评估模型，克服了传统FDS测试过程中无法区分老化效应和水分含量这一问题，为深度挖掘FDS曲线内部信息和精确判断现场变压器含水量提供基础。

Description

基于加权KNN算法考虑变压器老化效应的水分含量评估方法

技术领域

本发明属于电气设备故障诊断技术领域，特别涉及一种基于加权KNN算法考虑变压器老化效应的水分含量评估方法。

背景技术

油浸式电力变压器是电力系统输送的关键设备。其内部油纸绝缘系统对整个变压器的使用寿命起着重要作用。因此，准确评估变压器的绝缘状态是关乎变压器的安全运行乃至整个电网的稳定重要课题。

随着油浸式电力变压器运行时间的增加，其内部绝缘系统的性能逐渐恶化，在这其中往往伴随着几种老化副产物的产生，如酸、呋喃、醇，水分等。其中水分不仅作为老化副产物，也作为老化催化剂，随着油纸绝缘老化进程的加快，反过来加速老化(水解)速率，从而降低变压器聚合度(DP)，造成击穿事故。此外，水分扩散到油中，增加绝缘油的导电性的同时降低其绝缘性能，这会降低击穿电压并可能引发局部放电的发生，导致击穿事故，从而带来巨大的经济损失。因此，准确评估变压器水分含量对整个电力系统的稳定运行都具有重大意义。

鉴于频域介电谱(FDS)法具有现场测试抗干扰能力强，易于消除温度和绝缘几何形状的影响，携带信息丰富等优点，而被广泛应用于水分估计。然而，除了水分影响，老化副产品产生的影响也可能影响FDS数据。在这种情况下，很难区分水分和老化对测量结果的作用。因此，一旦忽略老化对FDS的影响，就会得到不可靠的水分含量评估结果。此外，现有模型通常使用少量样本建立，然后仅依靠定性/定量关系来完成状态评估，上述局限都限制了模型的适用性，难以推广到不同的测试条件。鉴于此，本发明提出了一种基于智能分类算法的绝缘受潮状态评估模型。

发明内容

本发明的目的在于提供一种基于加权KNN算法考虑变压器老化效应的水分含量评估方法，考虑了FDS的老化效应，结合频域介电谱法和KNN算法构建了水分分类器，应用于现场变压器水分含量评估。

为实现上述目的，本发明提供了一种基于加权KNN算法考虑变压器老化效应的水分含量评估方法，其特征在于，包括以下步骤：

(1)制备不同水分含量和老化程度的绝缘纸板样本，测得不同受潮程度和老化程度的绝缘纸板样本所对应得复相对介电常数的FDS数据；

(2)为了规避直流电导效应对介电响应特性的影响，通过对复介电常数实部求对数导数得到仅包含极化损耗的电介质曲线，并用包含y₀、f_c、w、a四个特征参数的方程拟合了每个样本的曲线；

根据以下方程对复介电常数实部求对数导数，

式中，ω是角频率，τ是松弛时间，ε_s为ω→0时静态介电常数，ε_∞为ω→∞时光频介电常数；

所述包含y₀、f_c、w、a四个特征参数的方程为：

式中，y₀为偏移值，w为对数标准差，α为Φ_real(ω)曲线与y＝y₀这条直线所围成积分面积，f_c为曲线中心频率对数值；

(3)将同种老化不同含水量样本归为一组，在每种老化状态下，拟合提取的不同含水量的特征参数，得到y₀、f_c、w、a四个特征参数随含水量变化的拟合方程；

(4)将含水量区间设置为1％～4.5％，步长设置为0.01％，代入得到的拟合方程，得到多组不同含水量下的样本库；通过使用拟合方程来拓展样本数量，从而建立可用于KNN算法训练的数据库；

(5)将四个特征参量作为输入，对应的含水量作为输出，使用K-最临近(K-NN)分类算法进行分类器的训练，从而得到不同老化状态下用于含水量评估的分类器，即为基于KNN算法的水分含量评估模型；

(6)将步骤(5)得到水分含量评估模型用于现场变压器检测。

优选的，上述基于加权KNN算法考虑变压器老化效应的水分含量评估方法中，所述步骤(1)中，不同水分含量和老化程度的绝缘纸板样本制备的具体过程为：将绝缘纸板和绝缘油进行真空干燥，然后浸油处理，得到预处理的绝缘纸板；将预处理的绝缘纸板在分别进行不同天数的加速热老化实验；将加速热老化实验后的纸板进行吸潮实验，从而得到不同水分含量和老化程度的绝缘纸板样本。

优选的，上述基于加权KNN算法考虑变压器老化效应的水分含量评估方法中，所述真空干燥工艺参数为：干燥温度为90～110℃，干燥时间为48～96h。

优选的，上述基于加权KNN算法考虑变压器老化效应的水分含量评估方法中，所述步骤(2)中，根据方程(1)对复介电常数实部求对数导数：

式中，ω是角频率，τ是松弛时间，ε_s为ω→0时静态介电常数，ε_∞为ω→∞时光频介电常数；

根据以下方程对电介质的对数导数曲线进行拟合：

式中，y₀为偏移值，w为对数标准差，α为Φ_real(ω)曲线与y＝y₀这条直线所围成积分面积，f_c为曲线中心频率对数值。

优选的，上述基于加权KNN算法考虑变压器老化效应的水分含量评估方法中，所述步骤(5)中，将同种老化状态不同含水量的四个特征参量作为输入，对应的含水量作为输出，使用KNN分类算法进行分类器的训练，从而得到不同老化状态下可用于含水量评估的分类器，采用混淆矩阵来验证训练集的准确性。

优选的，上述基于加权KNN算法考虑变压器老化效应的水分含量评估方法中，所述步骤(6)中，由于实验室与现场变压器测量环境不同，且现场变压器的老化状态未知，对现场变压器进行了两个方面的修正，温度校正和XY修正模型，使其达到和实验室测试时相同的环境；并使用纤维素老化动力学方程来初步确定现场变压器的老化状态，最终将得到的现场变压器老化状态代入对应的分类器，实现现场变压器的水分含量准确评估。

优选的，上述评估方法中，根据以下方程来进行所述温度校正：

式中，E_a为活化能，E_a≈103kJ/mol；R为气体常数，R＝8.314J/(mol·K)；T_tref和T_t为FDS试验的参考温度和实际温度，f_tref和f_t为FDS试验的参考频率和实际频率；

根据以下方程来实现XY修正模型：

式中，ε_oil*(ω)为油的复相对介电常数，ε_PB*(ω)是纸的复相对介电常数，X和Y是变压器的参数，σ(T_t)是油的直流电导率，ε₀是真空介电常数，ω是角频率。

优选的，上述基于加权KNN算法考虑变压器老化效应的水分含量评估方法中，根据以下纤维素老化动力学方程来进行现场变压器老化状态的确定：

DP_t(t,T_a)＝DP₀·{1-ω_DP(mc₀)·[1-EXP(-k_DP(mc₀)·t)]}

式中，t_ref和T_aref为参考时间和温度，T_aref为423.15K；ω_DP和k_DP为指数系数和初始斜率；E_a(103kJ/mol)为活化能，E_a为103kJ/mol；R为气体常数，为8.314J/mol·K；DP₀为初始DP；mc₀是初始含水量，T_a是现场变压器实际温度。

与现有的技术相比，本发明具有如下有益效果：

本发明结合频域介电谱(FDS)技术和K-最临近(K-NN)分类算法建立水分含量评估模型，通过对样本复介电常数实部求对数导数得到仅包含极化损耗的电介质曲线，规避直流电导效应对介电响应特性的影响，对输入数据的有效划分和训练避免了老化效应对评估结果的影响，通过对实验室样本进行训练实现水分的有效评估，从而保证了评测结果的精度以及可靠性。本发明将进一步结合温度校正模型，XY修正模型的修正以及使用纤维素老化动力学方程，通过对现场变压器测量数据进行修正，克服了现场变压器和实验室环境不同导致的评估误差，实现对现场变压器的准确评估，从而拓展了水分分类器的泛化性能，为基于频域介电谱法评估水分含量提供模型基础。

附图说明

图1为本发明实施例的不同老化状态的绝缘纸板样本的制备和水分含量测与DP测试流程图。

图2为本发明实施例的FDS数据测试连接示意图。

图3为本发明实施例的FDS测试结果曲线图。

图4为本发明实施例的电介质极化分量和电导分量原理图。

图5为本发明实施例的油纸绝缘样品进行对数导数计算后的曲线图。

图6为本发明实施例的分离的特征参量拟合方程和拟合曲线图。

图7为本发明实施例的KNN算法原理结构示意图。

图8为本发明实施例的模型分类结果的混淆矩阵。

图9为本发明实施例的现场变压器测试示意图。

具体实施方式

下面对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。

实施例

一种基于加权KNN算法考虑变压器老化效应的水分含量评估方法，包括以下步骤：

(1)将绝缘纸板和绝缘油在温度为105℃、真空度为50Pa的真空干燥箱中干燥48h，然后在温度为60℃、真空度为50Pa环境中浸油48h，得到预处理的绝缘纸板；将预处理的绝缘纸板在150℃下分别进行0天、1天、3天、7天、15天的加速热老化实验，得到不同老化状态的绝缘纸板样本；不同绝缘状态的纸板样本制备完毕后，通过吸潮实验制备不同含水量的绝缘纸板样本；使用卡尔菲休滴定仪测试纸板样本的水分含量(mc％)，绝缘纸板样本含水量分别为0.91％、2.1％、2.87％和4.08％；使用自动粘度测试仪测试纸板样本的聚合度(DP)，实验流程如图1所示；利用DIRANA和三电极测试装置分别对绝缘纸板样本和绝缘油进行FDS测试，FDS数据测试连接图如图2所示；测得的样本的复相对介电常数实部ε′(ω)和虚部ε″(ω)如图3所示；

(2)根据德拜弛豫理论，当ω→0时，极化强度定义为静态介电常数ε_s，当ω→∞时，极化强度定义为静态介电常数ε_∞，如图4中的曲线0所示；电介质复相对介电常数的虚部是由电介质极化效应ε_p*(ω)和电导效应ε_dc*(ω)共同作用的结果，即曲线1是由曲线2和曲线3相加得到，如图4所示；

(3)为了规避直流电导效应对介电响应特性的影响，根据以下方程对复介电常数实部求对数导数得到仅包含极化损耗的电介质曲线，

式中，ω是角频率，τ是松弛时间，ε_s为ω→0时静态介电常数，ε_∞为ω→∞时光频介电常数；求得的对数导数曲线(求对数导数得到仅包含极化损耗的电介质曲线)如图5所示；

根据以下方程对电介质的对数导数曲线进行拟合：

式中，y₀为偏移值，w为对数标准差，α为Φ_real(ω)曲线与y＝y₀这条直线所围成积分面积，f_c为曲线中心频率对数值；

得到y₀、f_c、w、a四个特征参数随含水量变化的拟合方程，拟合方程和拟合曲线如图6所示；

(4)将含水量区间设置为1％～4.5％，步长设置为0.01％，代入得到的拟合方程，得到351组不同含水量下的样本库；由于分类器的训练需要大量样本，且考虑到实验室制备大量样本所需的人力物力，通过使用拟合方程来拓展样本数量，从而建立可用于KNN算法训练的数据库；

(5)KNN的分类是基于未识别样本点到最近的邻近点的距离，如果一个样本在特征空间中的K个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性；该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别，KNN算法原理示意图如图7所示；

将四个特征参量作为输入，对应的含水量作为输出，使用KNN算法进行分类器的训练，从而得到5个不同老化状态下用于含水量评估的分类器；

(6)选取其中一个水分含量分类器作为演示，分类结果和实测值的混淆矩阵如图8所示；

(7)由于实验室与现场变压器测量环境不同，且现场变压器的老化状态未知，对现场变压器进行了两个方面的修正，温度校正和XY修正模型，使其达到和实验室测试时相同的环境；

根据以下方程来进行温度校正：

式中，E_a为活化能，E_a≈103kJ/mol；R为气体常数，R＝8.314J/(mol·K)；T_tref和T_t为FDS试验的参考温度和实际温度，f_tref和f_t为FDS试验的参考频率和实际频率；

根据以下方程来实现XY修正模型：

式中，ε_oil*(ω)为油的复相对介电常数，ε_PB*(ω)是纸的复相对介电常数，X和Y是变压器的参数，σ(T_t)是油的直流电导率，ε₀是真空介电常数，ω是角频率；

根据以下纤维素老化动力学方程来进行现场变压器老化状态的确定：

DP_t(t,T_a)＝DP₀·{1-ω_DP(mc₀)·[1-EXP(-k_DP(mc₀)·t)]}

式中，t_ref和T_aref为参考时间和温度，T_aref＝423.15K；ω_DP和k_DP为指数系数和初始斜率；E_a(103kJ/mol)为活化能，E_a＝103kJ/mol；R为气体常数，R＝8.314J/mol·K；DP₀为初始DP；mc₀是初始含水量，T_a是现场变压器实际温度；最终将得到的现场变压器老化状态代入对应的分类器，即可实现现场变压器的水分含量准确评估；现场变压器FDS测试时的接线示意图如图9所示。

将实验室样本和现场变压器的代入到不同分类器进行分类，分类结果如表1所示，通过对5个不同分类器(分类器1～5)所得结果的统计，选出相同状态数最多的结果作为最终评估意见。由表1可知，除了实验室样本5，其余被检测样本均实现了水分含量的准确评估，结果证明本发明提出的基于频域介电谱法测试的考虑变压器油纸绝缘老化效应的水分含量评估方法具有可行性和准确性。

表1绝缘受潮状态评估结果及实际结果对比

前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。

Claims (8)

1.一种基于加权KNN算法考虑变压器老化效应的水分含量评估方法，其特征在于，包括以下步骤：

(1)制备不同老化程度和水分含量的绝缘纸板样本，测得不同老化程度和水分含量的绝缘纸板样本所对应得复相对介电常数的FDS数据；

(2)通过对复介电常数实部求对数导数得到仅包含极化损耗的电介质曲线，并用包含y₀、f_c、ω、a四个特征参数的方程拟合了每个样本的曲线；

根据以下方程对复介电常数实部求对数导数，

式中，ω是角频率，τ是松弛时间，ε_s为ω→0时静态介电常数，ε_∞为ω→∞时光频介电常数；

所述包含y₀、f_c、w、a四个特征参数的方程为：

式中，y₀为偏移值，w为对数标准差，α为Φ_real(ω)曲线与y＝y₀这条直线所围成积分面积，f_c为曲线中心频率对数值；

(3)将同种老化不同含水量样本归为一组，在每种老化状态下，拟合提取的不同含水量的特征参数，得到y₀、f_c、w、a四个特征参数随含水量变化的拟合方程；

(4)将含水量区间设置为1％～4.5％，步长设置为0.01％，代入得到的拟合方程，得到多组不同含水量下的样本库；

(5)将四个特征参量作为输入，对应的含水量作为输出，使用KNN算法进行分类器的训练，从而得到不同老化状态下用于含水量评估的分类器，即为基于KNN算法的水分含量评估模型；

(6)将步骤(5)得到水分含量评估模型用于现场变压器检测。

2.根据权利要求1所述的基于加权KNN算法考虑变压器老化效应的水分含量评估方法，其特征在于，所述步骤(1)中，不同水分含量和老化程度的绝缘纸板样本制备的具体过程为：将绝缘纸板和绝缘油进行真空干燥，然后浸油处理，得到预处理的绝缘纸板；将预处理的绝缘纸板在分别进行不同天数的加速热老化实验；将加速热老化实验后的纸板进行吸潮实验，从而得到不同水分含量和老化程度的绝缘纸板样本。

3.根据权利要求2所述的基于加权KNN算法考虑变压器老化效应的水分含量评估方法，其特征在于，所述真空干燥工艺参数为：干燥温度为90～110℃，干燥时间为48～96h。

4.根据权利要求1所述的基于加权KNN算法考虑变压器老化效应的水分含量评估方法，其特征在于，所述步骤(2)中，根据方程(1)对复介电常数实部求对数导数：

式中，ω是角频率，τ是松弛时间，ε_s为ω→0时静态介电常数，ε_∞为ω→∞时光频介电常数；

根据以下方程对求电介质的对数导数曲线进行拟合：

式中，y₀为偏移值，w为对数标准差，α为Φ_real(ω)曲线与y＝y₀这条直线所围成积分面积，f_c为曲线中心频率对数值。

5.根据权利要求1所述的基于加权KNN算法考虑变压器老化效应的水分含量评估方法，其特征在于，所述步骤(5)中，将同种老化状态不同含水量的四个特征参量作为输入，对应的含水量作为输出，使用KNN分类算法进行分类器的训练，从而得到不同老化状态下可用于含水量评估的分类器，采用混淆矩阵来验证训练集的准确性。

6.根据权利要求1所述的基于加权KNN算法考虑变压器老化效应的水分含量评估方法，其特征在于，所述步骤(6)中，由于实验室与现场变压器测量环境不同，且现场变压器的老化状态未知，对现场变压器进行了两个方面的修正，温度校正和XY修正模型，使其达到和实验室测试时相同的环境；并使用纤维素老化动力学方程来初步确定现场变压器的老化状态，最终将得到的现场变压器老化状态代入对应的分类器，实现现场变压器的水分含量准确评估。

7.根据权利要求6所述的基于加权KNN算法考虑变压器老化效应的水分含量评估方法，其特征在于，根据以下方程来进行所述温度校正：

式中，E_a为活化能，R为气体常数，T_tref和T_t为FDS试验的参考温度和实际温度，f_tref和f_t为FDS试验的参考频率和实际频率；

根据以下方程来实现XY修正模型：

式中，ε_oil*(ω)为油的复相对介电常数，ε_PB*(ω)是纸的复相对介电常数，X和Y是变压器的参数，σ(T_t)是油的直流电导率，ε₀是真空介电常数，ω是角频率。

8.根据权利要求6所述的基于加权KNN算法考虑变压器老化效应的水分含量评估方法，其特征在于，根据以下纤维素老化动力学方程来进行现场变压器老化状态的确定：

DP_t(t,T_a)＝DP₀·{1-ω_DP(mc₀)·[1-EXP(-k_DP(mc₀)·t)]}

式中，t_ref和T_aref为参考时间和温度，ω_DP和k_DP为指数系数和初始斜率，E_a为活化能；R为气体常数；DP₀为初始DP，mc₀是初始含水量，T_a是现场变压器实际温度。

Images