CN113804861A - 变压器在线监测预警系统及方法 - Google Patents
变压器在线监测预警系统及方法 Download PDFInfo
- Publication number
- CN113804861A CN113804861A CN202111082471.8A CN202111082471A CN113804861A CN 113804861 A CN113804861 A CN 113804861A CN 202111082471 A CN202111082471 A CN 202111082471A CN 113804861 A CN113804861 A CN 113804861A
- Authority
- CN
- China
- Prior art keywords
- transformer
- data
- gas
- early warning
- sensor
- 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 47
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005070 sampling Methods 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 9
- 230000000704 physical effect Effects 0.000 claims description 8
- 239000000463 material Substances 0.000 abstract description 10
- 239000007789 gas Substances 0.000 description 113
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 38
- 239000001257 hydrogen Substances 0.000 description 19
- 229910052739 hydrogen Inorganic materials 0.000 description 19
- 239000000523 sample Substances 0.000 description 18
- 238000005259 measurement Methods 0.000 description 15
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 14
- 229910002091 carbon monoxide Inorganic materials 0.000 description 14
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 12
- 230000035945 sensitivity Effects 0.000 description 12
- 239000000243 solution Substances 0.000 description 10
- 238000012549 training Methods 0.000 description 10
- 235000011034 Rubus glaucus Nutrition 0.000 description 9
- 235000009122 Rubus idaeus Nutrition 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 9
- 238000013136 deep learning model Methods 0.000 description 9
- 238000012423 maintenance Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 240000007651 Rubus glaucus Species 0.000 description 8
- 230000008859 change Effects 0.000 description 8
- 150000002431 hydrogen Chemical class 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 7
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 6
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 description 6
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 239000001294 propane Substances 0.000 description 6
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 4
- 239000011203 carbon fibre reinforced carbon Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000000779 smoke Substances 0.000 description 4
- 229910001220 stainless steel Inorganic materials 0.000 description 4
- 239000010935 stainless steel Substances 0.000 description 4
- 150000001335 aliphatic alkanes Chemical class 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000007084 catalytic combustion reaction Methods 0.000 description 3
- 239000000919 ceramic Substances 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- -1 hydrogen ions Chemical class 0.000 description 3
- GPRLSGONYQIRFK-UHFFFAOYSA-N hydron Chemical compound [H+] GPRLSGONYQIRFK-UHFFFAOYSA-N 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 201000004569 Blindness Diseases 0.000 description 2
- 125000002353 D-glucosyl group Chemical group C1([C@H](O)[C@@H](O)[C@H](O)[C@H](O1)CO)* 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 229930182478 glucoside Natural products 0.000 description 2
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000123 paper Substances 0.000 description 2
- 239000011087 paperboard Substances 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 239000002244 precipitate Substances 0.000 description 2
- 239000012086 standard solution Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 239000002023 wood Substances 0.000 description 2
- 208000033999 Device damage Diseases 0.000 description 1
- 244000235659 Rubus idaeus Species 0.000 description 1
- XOLBLPGZBRYERU-UHFFFAOYSA-N SnO2 Inorganic materials O=[Sn]=O XOLBLPGZBRYERU-UHFFFAOYSA-N 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 125000004429 atom Chemical group 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000006229 carbon black Substances 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000000723 chemosensory effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000003915 liquefied petroleum gas Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/26—Oils; viscous liquids; paints; inks
- G01N33/28—Oils, i.e. hydrocarbon liquids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
Abstract
本申请提供一种变压器在线监测预警系统及方法,包括:变压器油外部循环模块、第一传感器模块、第二传感器模块、客户端以及服务端,其中:第一传感器模块,用于采集气体,得到气体数据;第二传感器模块,用于采集变压器油的物理特性数据;客户端用于获取气体数据和物理特性数据,并根据气体数据和物理特性数据,确定变压器是否存在故障;若存在故障,则向服务端发送故障对应的预警信息;服务端,用于输出预警信息。本申请提供的在线监测预警系统及方法可以实时监测变压器的工作状态,不但节省了大量的人力和物力;同时,可以更及时的发现变压器故障,避免了变压器长期故障未发现的这一现象。
Description
技术领域
本申请涉及电力领域,尤其涉及一种变压器在线监测预警系统及方法。
背景技术
变压器作为电力系统中的核心设备之一,直接参与电网变压、送电、配电等多个重要过程,在运行中如果发生异常故障大概率会造成难以想象的损失。因此,快速发现其故障就变得极为重要。
传统的变压器检修方式为:按照变压器容量规定的检修周期进行到期检修,这种方式存在着极大的盲目性,而且每次检修会耗费大量的人力物力。
发明内容
为了解决上述问题,本申请提供了一种变压器在线监测预警系统及方法,以降低变压器的检修成本,并及时发现变压器故障。
第一方面,本申请提供了一种变压器在线监测预警系统,包括:
变压器油外部循环模块、第一传感器模块、第二传感器模块、客户端以及服务端,其中:
变压器油外部循环模块,与变压器连接,用于获取变压器中的变压器油和气体;
第一传感器模块,用于采集气体,得到气体数据;
第二传感器模块,用于采集变压器油的物理特性数据;
客户端分别连接第一传感器模块和第二传感器模块,客户端用于获取气体数据和物理特性数据,并根据气体数据和物理特性数据,确定变压器是否存在故障;若存在故障,则向服务端发送故障对应的预警信息;
服务端,用于输出预警信息。
一种可能的实施方式中,变压器油外部循环模块,包括:油样室、采气室、双通道油管和导气管;
油样室,通过双通道油管与变压器连接,形成变压器中变压器油在油样室和变压器间的循环;
采气室,通过导气管与油样室或变压器连接,获取变压器中气体。
一种可能的实施方式中,导气管为单向带压力导气管,且采气室上设置有带压力排气阀。
一种可能的实施方式中,客户端上搭载有故障预测模型;
故障预测模型,用于根据气体数据和物理特性数据,确定变压器是否存在故障。
一种可能的实施方式中,还包括:控制模块;
控制模块分别与第一传感器模块、第二传感器模块和客户端连接;
控制模块,用于驱动第一传感器模块获取气体数据,并驱动第二传感器模块获取物理特性数据;以及,通过串口向客户端传输气体数据和物理特性数据。
一种可能的实施方式中,控制模块具体用于:
通过多线程并行驱动第一传感器模块获取气体数据,以及驱动第二传感器模块获取物理特性数据。
一种可能的实施方式中,客户端具体用于:
通过第一线程接收控制模块传输的气体数据和物理特性数据;
通过第二线程接收来自服务端的指令数据;
在向服务端发送故障对应的预警信息时,创建第三线程,通过第三线程向服务端发送故障对应的预警信息。
一种可能的实施方式中,客户端与服务端之间的数据交互采用TCP协议;
或者,服务端中设置协议栈,服务端在与客户端进行数据交互时,发送数据通过协议栈进行编码后发出,接收数据通过协议栈进行解码。
一种可能的实施方式中,第二传感器模块包括浊度传感器、PH值传感器和温度传感器中的至少一种,其中:
浊度传感器,用于检测变压器油的浊度;
PH值传感器,用于检测变压器油的PH值;
温度传感器,用于检测变压器油的温度。
第二方面,本申请提供一种变压器在线监测预警方法,用于执行如第一方面所述的变压器在线预警系统,该变压器在线监测预警方法包括:
第一传感器模块采集变压器油外部循环模块中的气体,得到气体数据,变压器油外部循环模块包含变压器中的变压器油和气体;
第二传感器模块采集变压器油的物理特性数据;
客户端获取气体数据和物理特性数据,并根据气体数据和物理特性数据,确定变压器是否存在故障;若存在故障,则向服务端发送故障对应的预警信息;
服务端输出预警信息。
本申请提供一种变压器在线监测预警系统及方法,其中,变压器在线监测预警系统包括:变压器油外部循环模块、第一传感器模块、第二传感器模块、客户端以及服务端,其中:变压器油外部循环模块,与变压器连接,用于获取变压器中的变压器油和气体;第一传感器模块,用于采集气体,得到气体数据;第二传感器模块,用于采集变压器油的物理特性数据;客户端分别连接第一传感器模块和第二传感器模块,客户端用于获取气体数据和物理特性数据,并根据气体数据和物理特性数据,确定变压器是否存在故障;若存在故障,则向服务端发送故障对应的预警信息;服务端,用于输出预警信息。本申请通过第一传感器模块和第二传感器模块实时在线检测变压器中气体的状态和变压器油的物理特性,由客户端对获取的气体数据和物理特性数据进行分析后,判断变压器的工作状态,并将其上报至服务端。本申请可以实时在线监测变压器的工作状态,不但节省了大量的人力和物力,且当发现变压器存在故障时,可以第一时间上报至服务端,即可以及时的发现变压器故障,避免了变压器长期故障未发现的这一现象。
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,下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例提供的变压器在线监测预警系统的结构示意图;
图2为本申请另一实施例提供的变压器在线监测预警系统的结构示意图;
图3为本申请一实施例提供的变压器在线监测预警系统中的模拟变压器的油管连接口;
图4为本申请又一实施例提供的变压器在线监测预警系统中的小型油泵;
图5为本申请再一实施例提供的变压器在线监测预警系统中的采气室;
图6为本申请再一实施例提供的变压器在线监测预警系统中的模拟变压器;
图7为本申请再一实施例提供的浊度传感器中电压变化值与温度的关系曲线;
图8为本申请再一实施例提供的浊度传感器中电压变化值与浊度值的关系曲线;
图9为本申请一实施例提供的MQ-4甲烷传感器的灵敏度特性曲线;
图10为本申请一实施例提供的MQ-8氢气传感器的灵敏度特性曲线;
图11为本申请实施例提供的变压器在线检测预警方法的流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,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。
目前,传统的变压器检修方式为按照变压器容量规定的检修周期进行到期检修,这种方式存在着极大的盲目性,而且每次检修会耗费大量的人力物力。
基于上述问题,本申请的实施例提供了一种变压器在线监测预警系统及方法,通过建立应修尽修的预测性维修模式,实现智慧电网。通过在线实时监测、建立变压器运行状态数据库,以此实现纵向、横向的全方位分析变压器实时在线运行状态,实现电力变压器等变压器的在线实时监测预警系统,可以大幅度提高电网运行的可靠性,减少大型事故发生,有针对的进行维修目标设备,极大的减少了维护的成本和难度,节省大量人力物力。
接下来,通过具体实施例介绍变压器在线监测预警系统。
图1为本申请一实施例提供的变压器在线监测预警系统的结构示意图。如图1,该变压器在线监测预警系统100包括:变压器油外部循环模块101、第一传感器模块102、第二传感器模块103、客户端104以及服务端105。其中:
变压器油外部循环模块101,与变压器(图中未标出)连接,用于获取变压器中的变压器油和气体。第一传感器模块102,用于采集气体,得到气体数据。第二传感器模块103,用于采集变压器油的物理特性数据。客户端104分别连接第一传感器模块102和第二传感器模块103,客户端104用于获取气体数据和物理特性数据,并根据气体数据和物理特性数据,确定变压器是否存在故障;若存在故障,则向服务端105发送故障对应的预警信息。服务端105,用于输出预警信息。
变压器实现在线监测需要在不影响其正常运行的情况下进行,而变压器油是可以最直观反应当前变压器的运行状态,目前检修变压器大多通过取油样监测的方式。本申请中,该变压器油外部循环模块101是为了采集变压器油的物理特性和变压器中气体数据而设置的。将第一传感器模块102和第二传感器模块103设置在该变压器油外部循环模块101上,完成上述参数的采集。该变压器油外部循环模块101与变压器相连接,可以直接收集变压器油以及变压器油外的气体。
第一传感器模块102可以包括至少一个传感器,每个传感器负责至少一种气体的采集。一些实施例中,第一传感器模块102可以包括甲烷传感器1021、乙烷传感器1022、丙烷传感器1023、一氧化碳传感器1024和氢气传感器1025等传感器中的至少一种。上述传感器对气体进行采集后,以电流的形式发送至客户端104。示例地,利用MQ-4、MQ-5、MQ-6、MQ-7、MQ-8等传感器在采集甲烷、乙烷、丙烷、一氧化碳、氢气等对判断变压器运行状态有价值的气体。
第二传感器模块103可以包括至少一个传感器组成,每个传感器负责测量变压器油的至少一种物理特性。
示例地,第二传感器模块103可以包括浊度传感器1031、PH值传感器1032和温度传感器1033等传感器中的至少一种。其中:
浊度传感器1031,用于检测变压器油的浊度;PH值传感器1032,用于检测变压器油的PH值;温度传感器1033,用于检测变压器油的温度。
客户端104对获取到的气体数据和所述物理特性数据进行分析和处理,以确定变压器是否存在故障;若存在故障,则向服务端105发送故障对应的预警信息。
服务端105作为变压器在线监测预警系统的上位机,相对应地,客户端104作为下位机。
具体地,服务端105可以是PC机,但本申请不对其加以限制。
另外,服务端105还会将从客户端104接收到的气体数据和物理特性数据显示在PC机的界面上。使用PC机的用户,也可以对变压器的工作状态进行实时监测。
本申请实施例中,变压器在线监测预警系统包括:变压器油外部循环模块、第一传感器模块、第二传感器模块、客户端以及服务端,其中:变压器油外部循环模块,与变压器连接,用于获取变压器中的变压器油和气体;第一传感器模块,用于采集气体,得到气体数据;第二传感器模块,用于采集变压器油的物理特性数据;客户端分别连接第一传感器模块和第二传感器模块,客户端用于获取气体数据和物理特性数据,并根据气体数据和物理特性数据,确定变压器是否存在故障;若存在故障,则向服务端发送故障对应的预警信息;服务端,用于输出预警信息。本申请通过第一传感器模块和第二传感器模块实时在线检测变压器中气体的状态和变压器油的物理特性,由客户端对获取到的气体数据和物理特性数据进行分析后,判断变压器的工作状态,并将其上报至服务端。本申请实施例可以实时在线监测变压器的工作状态,不但节省了大量的人力和物力;且,当发现变压器存在故障时,可以第一时间上报至服务端,即可以更及时的发现变压器故障,避免了变压器长期故障未发现的这一现象。
一些实施例中,如图2所示,变压器油外部循环模块101,可以包括:油样室2011、采气室2012、双通道油管2013和导气管2014。其中,油样室2011通过双通道油管2013与变压器200连接(或称为“连通”),形成变压器200中变压器油在油样室2011和变压器200间的循环;采气室2012,通过导气管2014与油样室2011或变压器200连接,获取变压器200中气体,图2以采气室2012通过导气管2014与油样室2011连接为例进行说明。
需要说明的是,本申请任一实施例中,“连接”可以理解为“连通”。
可选地,导气管2014可以为单向带压力导气管,且采气室2012上设置有带压力排气阀2015。通过带压力排气阀2015的打开,可以将采气室2012中的气体排出。
示例性地,如图3所示,采用四分底座的弯头出水口作为模拟变压器的油管连接口。透明软胶管作为连接运输变压器油的介质,采用两个如图4所示的小型油泵作为变压器油循环的外部动力源。
如果有需要,在实际应用中,可以使用两端开闭式快换接头以及专用的输油管和油泵实现变压器油系统的油循环。
示例地,在油样室2011安装浊度传感器、PH值传感器、热电偶温度传感器时,统一采用打孔,然后玻璃胶固定的方式,仅是作为实验使用,如果有需求也可以采用更专业的传感器,而且在一些传感器可能会发生损坏的情况下,例如热电偶完全可以胜任变压器的温度测量,但是浊度传感器以及PH值传感器可能需要更换专业的类型,否则变压器油的高温会将其损坏,可能造成变压器油的污染、泄露等情况。
采用一个如图5所示的460ml透明密闭储物盒作为变压器采气室2012,主要完成变压器油的循环任务,以及温度、浊度和PH值的测量,另外,还会将产生气体通过单项阀门送往采气室2012。采气室2012页可以是一个460ml透明密闭储物盒。作为示例,采用如图6所示1800ml透明密闭储物盒作为模拟变压器。
其中,第一传感器模块102可以搭载在采气室2012上,进而实现对采气室2012中的一种或者多种气体进行采集。
基于上述实施例,进一步地,客户端104上可以搭载有故障预测模型。该故障预测模型用于根据气体数据和物理特性数据,确定变压器是否存在故障。该故障预测模型可以为深度学习模型的一种。
示例地,客户端104可以包括树莓派。树莓派作为一种微型计算机,其可以对接收到的数据进行分析和处理。具体地,通过对上述的数据进行分析,判断变压器的工作状态,并将上述数据和工作状态同步至服务端105。
一些实施例中,客户端104的树莓派上搭载有故障预测模型。
其中,故障预测模型的训练方式如下:
首先需要建立深度学习模型的数据集,方法如下:
示例地,在开始取样建模前,需要将传感器模块预热一周,然后通以5V电压供电,使用STM32F429系列单片机通过模拟数字转换器(Analog-to-digital converter,简称ADC)进行采样,根据采样频率以及采样电流值换算成输出电压。
在取得混合气体时采用管道系统和质量流量控制器(Mass Flow Controller,简称MFC),将高纯气体中的一氧化碳、甲烷、乙烷、丙烷、氢气、干燥空气的动态混合物输送到小型采样器密室测试腔中,然后通过模拟数字转换器控制高质量加压气体进行不同浓度的混合。通入采样器时的流速设置为:干燥空气采用1000毫升每分钟,而其他气体则采用5毫升每分钟。
每个实验进行100次重复测量采集,且所有的实验所涉及到的浓度变化均分布在0-50ppm的范围内,每个实验浓度重复100次,在实验开始前会使用合成空气流以300毫升每分钟的流量将采气室2012清洗10分钟,以便排除尽其他干扰气体,之后将合成气体混合物以300毫升每分钟的恒定流速随即释放,以10分钟为一个周期,单个实验持续20小时,并在20天的时间内反复进行。
另外,建立数据集时,会依据不同的测量日期,对10位时间戳进行分类。其中,每一份数据样本都包含10位时间戳、一氧化碳浓度、甲烷浓度、乙烷浓度、丙烷浓度、氢气浓度、以及第一传感器模块102输出的采样电流值。这些特征值将会作为数据集的基础数据。
由于传感器会将检测到的数据转化为电信号,另外,每次测量都会产生一个多通道的时间序列,即每个时间都被一特征集合表示,该特征反映了传感器对所采样的化学气体对应的化学反应的所有动态过程,特别是在创建此数据集时考虑了如下两种不同的类型特征:
其一为稳态特征,其定义为最大输出电压的变化值与规范版本之差。当采样室中存在化学蒸汽时,使用最大采样输出电压与基线值之比表示稳态特征。
其二为反应功能在受控的环境条件下,即在整个指数的移动平均值测量过程中,传感器的增加/衰减瞬态部分的传感器动力学功能的集合。这些特征的集合是根据由Muezzinoglu等人最初将其引入化学感应社区中的计量经济学领域中借鉴而来的。
通过将初始条件设置为指数移动平均值的最大值(传感器响应的衰减部分的最小值),将所述瞬态部分转换为实数标量。其中用零和所用算子的标量平滑参数,定义特征的质量以及沿着质量的时间序列出现的时间,标量设置范围为0到1。
由于在搭建一个完整的深度学习模型时,除了需要进行训练外还需要进行测试验证,以确保深度学习模型的可用性,因此,数据集建立完成后,还需要将其分为训练集和测试集。具体地,可以以8比2的比例,将数据集分为训练集和测试集。
在得到训练集后,利用Python的Pytorch深度学习框架实现对深度学习模型的训练。PyTorch深度学习框架遵循张量(tensor)到变量(variable)再到神经网络模块(nn.Module)三个由低到高的抽象层次。这三者之间联系紧密,可以同时进行修改和操作。
在进行模型训练时,可能会遇见一些数据格式不对,或者一些数据为空的情况,这时需要进行的就是将这些干扰数据进行清洗,去除无用项,然后重新转换为矩阵格式,再对深度学习模型进行训练。
然后需要将输入的响应,即对气体数据的判定标签输入,这里一般直接通过for循环放入字典就可以实现。
剩下就是将传感器数据输入进训练模型张量中,然后输入对应标签的浓度数据,由于此时已经不是对简单的对气体类别进行分类,而是更具体的测试每种气体的浓度,所以问题就变成了回归问题。需要将者这几种气体每次实验对应的浓度数据加入到数据框架中,而如此一来在模型输出时就包含每种气体的具体浓度数据。
通过训练集对深度学习模型训练后,深度学习模型会基于目前大量数据的基础上,确定出每个传感器的各自拟合多项式。接下来,再通过测试集进行验证,最终得到完整的深度学习模型。
本申请实施例中,通过在树莓派上搭载经过深度学习训练后的故障预测模型,进而实现对传感器测量数据的分析和处理。通过上述数据判断变压器的工作状态,从而实现了实时监测变压器的作用。
基于上述实施例,本申请提供的变压器在线监测预警系统还可以包括:控制模块(图中未标出)。该控制模块分别与第一传感器模块102、第二传感器模块103和客户端104连接;控制模块,用于驱动第一传感器模块102获取气体数据,并驱动第二传感器模块103获取物理特性数据;以及,可以通过串口向客户端104传输气体数据和物理特性数据。
需要说明的是,控制模块可以集成在客户端104中;也可以与客户端104是相互独立的。
一些实施例中,控制模块还可以用于:通过多线程并行驱动第一传感器模块102获取气体数据,以及驱动第二传感器模块103获取物理特性数据。
示例地,控制模块可以采用STM32F429型号的单片机,并搭载小型实时操作系统(Free Real Time Operating System,简称Free RTOS操作系统)。并通过多线程并行采集数据,防止单个传感器由于特殊原因漏处理事件的情况。控制模块通过多线程的方式将传感器检测的数据发送至客户端104的树莓派中,由树莓派进行后续的数据处理。
树莓派作为下位机(即客户端104)核心主控,部署采集气体数据的阵列矫正故障预测模型,接收原始数据后,利用故障预测模型处理各目标气体数据,进而通过油样的温度、浊度、PH值等物理因素进行综合分析,判断当前变压器的运行状态,及时捕捉预警异常故障状态。
该实施例通过外部循环变压器油的方式,在变压器外部建立油样室,采样室,然后通过控制模块驱动各传感器采集原始数据,通过串口发送给客户端处理。
接下来,对第一传感器模块102和第二传感器模块103中的各个传感器的灵敏度、校准和物理特性进行叙述:
浊度传感器
其中,在对变压器油进行监测时首先会检查其外观,即直接查看变压器油中是否有不溶性物体,例如纤维、炭黑以及其他的异物,因此可以采用浊度传感器测得变压器油的浊度。
示例地,浊度传感器可以采用TS-300B传感器监测变压器油中的浊度,TS-300B传感器利用变压器油中光的折射率和散射率来判断浊度情况,并将浊度转换为电信号输出。由于为了使测量结果更加精确,还需要对其进行温度补偿,即在使用前对其进行较准操作,如下:
(1)根据已有文档所提供数据,以及大量测量实验验证得到温度补偿公式,绘制输出浊度传感器的电压变化值与温度曲线关系为:
ΔU=-0.0192×(T-25)
其中,T为温度,△U为电压变化值。
电压变化值与温度曲线关系,如图7所示。
(2)经过实验验证得到浊度值与模拟电压信号的线性关系式,如下:
TU=-865.68×U+K
其中,TU为浊度值,K为常数,U为电压。
绘制出浊度值与电压关系如图8所示。
(3)将此次用于变压器油浊度监测的TS-300B模块供电,并将模块探头置于新开封无污染的全新变压器油样品中,待下一步操作。
(4)在浊度传感器正常工作时,测取标准变压器油样品的温度值,输出端输出电压测量值。其中电压测量值是通过外部数模转换器(Analog Digital Conversion,简称ADC)采样转换得到值的,使用ADC_ConvertedValue[0]来存储采集到的样值,通过下列公式得到的真实值。
ADC采样转换公式如下所示:
U测试=(float)ADC_ConvertedValue[0]÷4096×5.0
其中,U测试为电压测量值。
(5)根据温度补偿公式计算温度引起的电压变化值△U计算关系,如下所示:
ΔU=-0.0192×(T测试-25)
其中,T测试为温度测量值。
(6)计算变压器油样品(25℃)时的标准电压U25℃,如公式下所示:
U25℃=U测试-ΔU
(7)将U25℃带入浊度值与模拟电压信号的线性关系式,得到K值,如下所示:
K=865.68×U25℃
(8)计算得到浊度值TU,即最终浊度值TU的校正公式如下:
TU=-865.68×U+K
另外,在变压器运行过程中,当PH值呈现酸性时,变压器油中的氢离子增多,往往伴随着变压器油的导电性增高,降低绝缘性能,当氢离子浓度到达一定极点时可能会发生难以挽回的故障。而且,当变压器运行温度较高时,由于酸性的作用,会使一些固体纤维绝缘材料遭到腐蚀,缩短设备的使用寿命。因此,还需要借助PH值传感器和温度传感器。
PH值传感器
其中,PH值传感器的硬件技术指标如表1所示:
表1
模块电源 | +5.00V |
模块尺寸 | 43mm×32mm×20mm |
测量范围 | 0-14PH |
测量温度 | 0-60℃ |
精度 | ±0.1pH(25℃) |
响应时间 | ≤1分 |
本申请采用的PH值传感器采集原理是检测变压器油中含有的氢离子浓度,氢离子在玻璃电极和参比电极间会由于浓度的不同对外表现不同的模拟电压。
PH值传感器的校准方法如下:
在进行PH值传感器的矫正操作时有两种方式:其一是利用标准溶液作为矫正依据,即溶液的PH值是标准的7;其二是利用PH值传感器自身的硬件引脚,即传感器自身的两个卡式固定接头(Bayonet Nut Connector,简称BNC)。这两种操作方式都是使PH值传感器得到标准PH值7,可以任选其一进行校准。本申请采用第二种方式得到PH值为7的标准输入。
在进行矫正时,首先利用正点原子的串口调试工具XCOM,XCOM界面简洁,操作简单,功能强大。将XCOM的通过USB转串口模块连接PH值传感器的TX发送引脚和RX接收引脚,在接线是要注意转串口模块和传感器的串口发送接收两个引脚要进行交叉连接。
此时在XCOM中的接收打印区域会开始打印当前PH值传感器通过串口发送出的检测到的当前PH值,但是此处得到的打印值可能因为传感器自身硬件出场参数的原因存在±0.30的误差区间,所以要将打印PH值与标准值7.0之间的差值记录下来,然后对单片机的串口接收PH值传感器程序做补偿计算,使之可以得到当前溶液的真实值。
最后需要将PH值传感器放入标准的PH值为4.0的溶液中,静止2分钟的时间待XCOM中传感器检测PH值打印稳定,然后调节PH值传感器的增益电位器,观察XCOM中接收的PH值变化,直至稳定在4.0时,此时完成了PH值传感器酸性检测区间的校准。
温度传感器
大多数变压器发生异常故障时都伴随着内部变压器油的温度剧烈变化,而变压器油的组成成分分子本就含有着碳氢键和碳碳键,在变压器发生异常故障,内部温度骤升时,使得变压器油的温度跟随骤升,促使其中一部分的碳氧键和碳碳键发生断裂,分解出氢原子和含碳自由基,由于二者都是较活跃的,所以会随机的结合反应生成烷烃类化合物,例如对于判断变压器运行状态十分重要的甲烷、乙烷、丙烷等目标气体,会通过气体传感器阵列进行测量,也会生成碳的固体颗粒,通过浊度传感器进行测量等。
在变压器发生异常故障的初期,由于生成气体含量非常微小,所以会以溶解在变压器油中的形式存在,但是随着温度的持续升高,或者一直维持一个很高的温度水平,会开始释放以自由气体的形式存在。而期间生成的碳的固体颗粒会沉淀在设备内部。
在油浸式变压器的内部存在着一定量的用来固定、隔离功能的纸、层压纸板或木块等,因为在这些材料的分子内存在大量的无水右旋糖环和弱的碳氧键(C-O)及葡萄糖甙键,这些分子的热稳定性要远远低于油中的碳氢键,所以随着温度的升高变化这些分子之间的键会发生裂解与碳化,并随之生成大量的一氧化碳和二氧化碳,伴随少量的烷烃类气体,这也是要考虑的因素。
由上可知,温度也会对变压器产生极大的影响,在变压器油温度上升到105℃时,一些电力变压器内部材料的一些聚合物开始发生裂解反应,当变压器内的变压器油温度上升到300℃时这些聚合物将会完全裂解和碳化。变压器不同的异常故障会伴随着不同的温度变化状态,引起气体种类含量、温度、PH值、浊度等等因素的不同变化。所以,温度传感器是一个辅助判断变压器运行状态的重要参数。
本申请的温度传感器可以采用热电偶进行温度的测量,其可支持200°~1300°区间的连续高精度测量,对变压器温度的监测起着至关重要的作用。而且由于直接与变压器油接触,也不存在中间介质的干扰。
在叙述过第二传感器模块103后,接下来对第一传感器模块102进行叙述:如前所述,大多数变压器发生异常故障时都伴随着内部变压器油的温度剧烈变化,而变压器油的组成成分分子本就含有着碳氢键和碳碳键,在变压器发生异常故障,内部温度骤升时,使得变压器油的温度跟随骤升,促使其中一部分的碳氧键和碳碳键发生断裂,分解出氢原子和含碳自由基,由于二者都是较活跃的,所以会随机的结合反应生成烷烃类化合物。例如对于判断变压器运行状态十分重要的甲烷、乙烷、丙烷等目标气体,本申请通过第一传感器模块102对上述气体进行测量。
在变压器发生异常故障的初期,由于生成气体含量非常微小,所以会以溶解在变压器油中的形式存在,但是随着温度的持续升高,或者一直维持一个很高的温度水平,会开始释放以自由气体的形式存在。而期间生成的碳的固体颗粒会沉淀在设备内部。例如,在油浸式变压器的内部存在着一定量的用来固定、隔离功能的纸、层压纸板或木块等,因为在这些材料的分子内存在着大量的无水右旋糖环和弱的碳氧键(C-O)及葡萄糖甙键,这些分子的热稳定性要远远低于油中的碳氢键,所以随着温度的升高变化这些分子之间的键会发生裂解与碳化,并随之生成大量的一氧化碳和二氧化碳,伴随少量的烷烃类气。这也是第一传感器模块102需要测量的指标。
第一传感器模块102组成如表2所示:
表2
MQ-4 | 甲烷传感器 |
MQ-5 | 乙烷传感器 |
MQ-6 | 丙烷传感器 |
MQ-7 | 一氧化碳传感器 |
MQ-8 | 氢气传感器 |
其中,MQ-4甲烷传感器通常用于家庭、工业等场所的甲烷含量检测,其对甲烷有着很高的快速响应性,而且驱动电路简单,使用寿命长,可以长时间稳定运行,并且其对乙醇、烟雾等烟雾有着很低灵敏度,因此已经得到了广泛的应用。MQ-4甲烷传感器灵敏度特性如表3所示:
表3
MQ-4甲烷气体传感器主要由微型陶瓷管、敏感层、精密测量电极、内置微型加热器等精密敏感器件构成。将其置入不锈钢材质的腔体内,在进行充分的预热后,加热器会对流进气体进行催化燃烧,为传感器的工作提供条件。每一个封装好的完整MQ-4甲烷传感器都装有6个引脚,主要为两个电源引脚,四个信号引脚。
MQ-4甲烷传感器的灵敏度特性曲线在进行传感器阵列模型校正时是一个重要的参考标准,所以如图9所示的MQ-4甲烷传感器灵敏度特性曲线就是十分重要的。在图9中,可以发现,在甲烷浓度的变化量一致的情况下,MQ-4甲烷传感器输出的电压值变化率最大的是甲烷所对应的那条曲线;其次是烟雾对应的曲线。由图9可知,其它气体的电压值变化率相对较小。
同理相似的MQ-5和MQ-6传感器也是一样的原理,且有着相似的物理特性,这里不再进行赘述。
对于MQ-7一氧化碳传感器,它有着良好的灵敏度以及良好的选择性,而且布置安装后可以长时间的稳定运转,在保证检测效果的基础上,减少器件损坏带来的损失。MQ-7一氧化碳传感器的灵敏特性如表4所示:
表4
MQ-7一氧化碳气体传感器主要由微型陶瓷管、敏感层、精密测量电极、内置微型加热器等精密敏感器件构成。将其置入不锈钢材质的腔体内,在进行充分的预热后,加热器会对流进气体进行催化燃烧,为传感器的工作提供条件。由于在MQ-7一氧化碳传感器的不锈钢腔体内填充了活性炭来过滤氮氧化物和烷烃类气体,所以可以极大程度上减小上述气体的干扰。每一个封装好的完整MQ-7一氧化碳传感器都装有6个引脚,主要为两个电源引脚,四个信号引脚。
在一氧化碳进行工作时,其表面电阻Rs,是通过串联的负载电阻RL上的有效电压信号VRL输出而获得的。有如下公式:
RS/RL=(VC-VRL)/VRL
其中,Vc是电源电压。
其中MQ-4、MQ-5、MQ-6传感器的此部分原理相同,也不在进行赘述。
对于MQ-8氢气传感器,其在工作时可免除乙醇蒸汽、液化石油气、油烟、一氧化碳等气体的干扰。其对氢气有着很高的灵敏度,可以长期稳定的工作。其灵敏特性如表5所示:
表5
MQ-8氢气传感器其组成主要由微型AL2O3陶瓷管、SnO2敏感层、精密测量电极、内置微型加热器等精密敏感器件构成。将其置入不锈钢材质的腔体内,在进行充分的预热后,加热器会对流进气体进行催化燃烧,为传感器的工作提供条件。每一个封装好的完整M Q-8氢气传感器都装有6个引脚,主要为两个电源引脚,四个信号引脚。
MQ-8氢气传感器的灵敏度特性曲线如图10所示。在图10中,纵坐标变为输出电压的比值,当输出电压的分母不变时,其物理意义和输出电压值是一致的。图中,可以发现,氢气(菱形图案所代表的曲线)的变化率最大,其次是酒精(气态)。可以理解:MQ-8氢气传感器对氢气的浓度变化最敏感。
进一步地,上述实施例中,客户端104具体用于:通过第一线程接收控制模块传输的气体数据和物理特性数据;通过第二线程接收来自服务端105的指令数据;在向服务端105发送故障对应的预警信息时,创建第三线程,通过第三线程向服务端105发送故障对应的预警信息。
客户端104通过至少三个线程分别与第一传感器模块102、第二传感器模块103和服务端105进行数据交互。其中,第一线程负责接收原始数据,该原始数据包括了变压器油周围的气体数据和变压器油的物理特性数据。第二线程用于接收服务端105的指令。示例地,该指令可以是与客户端104进行数据同步的指令;也可以是客户端104对原始数据进行分析处理的指令。第三线程用于将客户端的预警信息以及原始数据转送至服务端105。
示例性地,将上述的三个线程对应到客户端104中树莓派2042的三个线程上,其一常态维持线程,用于循环接收控制模块通过串口发送过来的原始数据。其二也是常态维持线程,用于循环接收服务端105发送过来的指令数据。其三是动态维持线程,在原始数据以及预警信息至服务端105时动态创建,在发送上述数据结束后该线程被回收。
一些实施例中,客户端104与服务端105之间的数据交互采用TCP协议;或者,服务端105中设置协议栈,服务端105在与客户端104进行数据交互时,发送数据通过协议栈进行编码后发出,接收数据通过协议栈进行解码。
客户端104可以直接通过TCP协议与服务端105进行交互;也可以借助协议栈作为中继,与服务端105进行交互。本申请不对其加以限定。
示例地,对于TCP协议的情况,TCP协议通信的客户端104中的树莓派和服务端105涉及到数据的传输时,两端均有收发操作。
示例地,本申请实施例可以采用PyQt5设计PC机服务端软件界面,由于python的良好支持性,可以在日后更加方便快捷的实现功能的拓展。
采用PC机服务端使用PyQt5实现软件界面设计以及其内部所有的逻辑控制功能,由于客户端与PC机服务端之间的数据交互采用的是socket的TCP协议,所以只需要在客户端和服务端做好自己的通信就可以,其实是完全不相干扰的两个节点,所以无需担忧Python语言和C语言之间的配合,由于目前通信协议简单,所以未进行设计协议栈。
客户端会通过TCP网络通信将当前变压器的运行状态数据实时的发送给服务端,在预估将要发生某种变压器故障时,及时上报服务端,提醒相关技术人员解决。由于一服务端可以同时接收地区内所有的变压器在线实时监测预警系统的数据以及预警信息,所以技术人员可以通过服务端控制客户端实时监测该地区变压器运行状态。
但随着功能的增加,会引入协议栈的概念,彼时数据交互的过程则会在数据发送前通过协议栈进行编码,接收数据后通过协议栈进行解码,而通用的协议栈使用C语言实现,在客户端直接引入相关头文和C文件,在服务端使用python调用相关C语言头文件和C文件,实现协议栈的调用。
此外,叙述了本申请提供的变压器在线监测预警系统后,本申请还提供了一种变压器在线监测预警方法,用于执行上述变压器在线监测预警系统的步骤。图11为本申请实施例提供的变压器在线检测预警方法的流程图,如图11所示,该变压器在线检测预警方法包括:
S1101、第一传感器模块采集变压器油外部循环模块中的气体,得到气体数据,变压器油外部循环模块包含变压器中的变压器油和气体。
S1102、第二传感器模块采集变压器油的物理特性数据。
S1103、客户端获取气体数据和物理特性数据,并根据气体数据和物理特性数据,确定变压器是否存在故障;若存在故障,则向服务端发送故障对应的预警信息。
S1104、服务端输出预警信息。
例如,服务端显示预警信息。进一步地,服务端还可以输出气体数据和物理特性数据,以供相关人员进行进一步分析。
本申请实施例通过第一传感器模块和第二传感器模块实时在线检测变压器中气体的状态和变压器油的物理特性;之后由客户端对气体数据和物理特性数据进行分析后,判断变压器的工作状态,并将其上报至服务端,由服务端输出预警信息,从而可以实时在线监测变压器的工作状态,不但节省了大量的人力和物力,且当发现变压器存在故障时,可以第一时间上报至服务端,即可以及时的发现变压器故障,避免了变压器长期故障未发现的这一现象
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (10)
1.一种变压器在线监测预警系统,其特征在于,包括:变压器油外部循环模块、第一传感器模块、第二传感器模块、客户端以及服务端,其中:
所述变压器油外部循环模块,与所述变压器连接,用于获取所述变压器中的变压器油和气体;
所述第一传感器模块,用于采集所述气体,得到气体数据;
所述第二传感器模块,用于采集所述变压器油的物理特性数据;
所述客户端分别连接所述第一传感器模块和所述第二传感器模块,所述客户端用于获取所述气体数据和所述物理特性数据,并根据所述气体数据和所述物理特性数据,确定所述变压器是否存在故障;若存在故障,则向所述服务端发送故障对应的预警信息;
所述服务端,用于输出所述预警信息。
2.根据权利要求1所述的变压器在线监测预警系统,其特征在于,所述变压器油外部循环模块,包括:油样室、采气室、双通道油管和导气管;
所述油样室,通过所述双通道油管与变压器连接,形成所述变压器中变压器油在所述油样室和所述变压器间的循环;
所述采气室,通过所述导气管与所述油样室或所述变压器连接,获取所述变压器中气体。
3.根据权利要求2所述的变压器在线监测预警系统,其特征在于,所述导气管为单向带压力导气管,且所述采气室上设置有带压力排气阀。
4.根据权利要求1所述的变压器在线监测预警系统,其特征在于,所述客户端上搭载有故障预测模型;
所述故障预测模型,用于根据所述气体数据和所述物理特性数据,确定所述变压器是否存在故障。
5.根据权利要求1至4中任一项所述的变压器在线监测预警系统,其特征在于,还包括:控制模块;
所述控制模块分别与所述第一传感器模块、所述第二传感器模块和所述客户端连接;
所述控制模块,用于驱动所述第一传感器模块获取所述气体数据,并驱动所述第二传感器模块获取所述物理特性数据;以及,通过串口向所述客户端传输所述气体数据和所述物理特性数据。
6.根据权利要求5所述的变压器在线监测预警系统,其特征在于,所述控制模块,具体用于:
通过多线程并行驱动所述第一传感器模块获取所述气体数据,以及驱动所述第二传感器模块获取所述物理特性数据。
7.根据权利要求5所述的变压器在线监测预警系统,其特征在于,所述客户端具体用于:
通过第一线程接收所述控制模块传输的所述气体数据和所述物理特性数据;
通过第二线程接收来自所述服务端的指令数据;
在向所述服务端发送所述故障对应的预警信息时,创建第三线程,通过所述第三线程向所述服务端发送所述故障对应的预警信息。
8.根据权利要求1至4中任一项所述的变压器在线监测预警系统,其特征在于,所述客户端与所述服务端之间的数据交互采用TCP协议;
或者,所述服务端中设置协议栈,所述服务端在与所述客户端进行数据交互时,发送数据通过所述协议栈进行编码后发出,接收数据通过协议栈进行解码。
9.根据权利要求1至4中任一项所述的变压器在线监测预警系统,其特征在于,所述第二传感器模块包括浊度传感器、PH值传感器和温度传感器中的至少一种,其中:
所述浊度传感器,用于检测所述变压器油的浊度;
所述PH值传感器,用于检测所述变压器油的PH值;
所述温度传感器,用于检测所述变压器油的温度。
10.一种变压器在线监测预警方法,其特征在于,应用于如权利要求1至9中任一项所述的变压器在线监测预警系统,所述变压器在线监测预警方法包括:
第一传感器模块采集变压器油外部循环模块中的气体,得到气体数据,所述变压器油外部循环模块包含所述变压器中的变压器油和气体;
第二传感器模块采集所述变压器油的物理特性数据;
所述客户端获取所述气体数据和所述物理特性数据,并根据所述气体数据和所述物理特性数据,确定所述变压器是否存在故障;若存在故障,则向所述服务端发送所述故障对应的预警信息;
所述服务端输出所述预警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111082471.8A CN113804861A (zh) | 2021-09-15 | 2021-09-15 | 变压器在线监测预警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111082471.8A CN113804861A (zh) | 2021-09-15 | 2021-09-15 | 变压器在线监测预警系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113804861A true CN113804861A (zh) | 2021-12-17 |
Family
ID=78895437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111082471.8A Pending CN113804861A (zh) | 2021-09-15 | 2021-09-15 | 变压器在线监测预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113804861A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116436150A (zh) * | 2022-01-04 | 2023-07-14 | 广州普瑞电力控制系统设备有限公司 | 基于状态感知和边缘计算技术的配电变压器智能终端 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102585991A (zh) * | 2011-12-22 | 2012-07-18 | 北京盈胜泰科技术有限公司 | 一种变压器绝缘油杂质去除和补给抗氧化剂的方法及系统 |
US20140260529A1 (en) * | 2013-03-14 | 2014-09-18 | Waukesha Electric Systems, Inc. | System and Process of Utilizing Oil Quality Analysis and Dissolved Gas Analysis to Detect Early Stage Problems in Oil Filled Electrical Apparatuses |
CN109633396A (zh) * | 2019-01-29 | 2019-04-16 | 武汉思融科技有限公司 | 一种电力少油设备绝缘缺陷在线监测系统及方法 |
CN111812550A (zh) * | 2019-10-14 | 2020-10-23 | 江苏优维安信息科技有限公司 | 一种变电站安全监测管理平台 |
CN112163619A (zh) * | 2020-09-27 | 2021-01-01 | 北华大学 | 一种基于二维张量的变压器故障诊断方法 |
CN113125603A (zh) * | 2021-04-16 | 2021-07-16 | 国网宁夏电力有限公司电力科学研究院 | 一种变压器油色谱在线监测装置性能检测系统 |
CN116183774A (zh) * | 2023-03-23 | 2023-05-30 | 中国华能集团清洁能源技术研究院有限公司 | 海上平台变压器状态监测系统和方法 |
-
2021
- 2021-09-15 CN CN202111082471.8A patent/CN113804861A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102585991A (zh) * | 2011-12-22 | 2012-07-18 | 北京盈胜泰科技术有限公司 | 一种变压器绝缘油杂质去除和补给抗氧化剂的方法及系统 |
US20140260529A1 (en) * | 2013-03-14 | 2014-09-18 | Waukesha Electric Systems, Inc. | System and Process of Utilizing Oil Quality Analysis and Dissolved Gas Analysis to Detect Early Stage Problems in Oil Filled Electrical Apparatuses |
CN109633396A (zh) * | 2019-01-29 | 2019-04-16 | 武汉思融科技有限公司 | 一种电力少油设备绝缘缺陷在线监测系统及方法 |
CN111812550A (zh) * | 2019-10-14 | 2020-10-23 | 江苏优维安信息科技有限公司 | 一种变电站安全监测管理平台 |
CN112163619A (zh) * | 2020-09-27 | 2021-01-01 | 北华大学 | 一种基于二维张量的变压器故障诊断方法 |
CN113125603A (zh) * | 2021-04-16 | 2021-07-16 | 国网宁夏电力有限公司电力科学研究院 | 一种变压器油色谱在线监测装置性能检测系统 |
CN116183774A (zh) * | 2023-03-23 | 2023-05-30 | 中国华能集团清洁能源技术研究院有限公司 | 海上平台变压器状态监测系统和方法 |
Non-Patent Citations (4)
Title |
---|
刘波;姜丰;: "基于光声光谱技术的变压器故障在线监测系统设计", 计算机测量与控制, vol. 18, no. 04, pages 759 - 762 * |
张玉欣 等: "基于免疫粒子群和BP神经网络的变压器故障诊断技术", 《北华大学学报(自然科学版)》, vol. 15, no. 2, pages 269 - 273 * |
李秀红: "《生态环境监测系统》", 31 March 2020, 中国环境出版集团, pages: 63 - 65 * |
毛克胜 等: "《牵引供电综合自动化技术》", 31 October 2007, 西南交通大学出版社, pages: 124 - 126 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116436150A (zh) * | 2022-01-04 | 2023-07-14 | 广州普瑞电力控制系统设备有限公司 | 基于状态感知和边缘计算技术的配电变压器智能终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN210487949U (zh) | 油浸式高压设备的油光声光谱在线监测装置 | |
CN107478382B (zh) | 一种压力仪表自动检测装置及其检测方法 | |
CN204405618U (zh) | 变压器油中溶解气体在线监测综合处理单元 | |
CN101571500A (zh) | 轻烃燃气在线热值分析方法及装置 | |
CN102385937A (zh) | 核电站安全壳泄漏率检测方法和系统 | |
CN201984116U (zh) | 一种六氟化硫电气设备综合评估装置 | |
CN113804861A (zh) | 变压器在线监测预警系统及方法 | |
CN111562248A (zh) | 一种基于sf6内标的gis故障诊断方法 | |
CN203037628U (zh) | 一种针对运行变压器的绝缘油的气相色谱在线监测装置 | |
CN106706159B (zh) | 基于多主体技术的光纤光栅变压器多参量智能监测系统 | |
CN201343453Y (zh) | 紫外氧化水质在线温度/电导/总有机碳自动连续测控仪 | |
CN109902735B (zh) | 一种实现变电站内三相电压互感器运行误差评估的方法 | |
CN108827374A (zh) | 一种串联式氢气氧气浓度和温湿度同时测量系统 | |
CN105424885B (zh) | 一种焦炉煤气成分在线监测方法及装置 | |
CN203350248U (zh) | 绝缘油含气量测试仪 | |
CN112461944A (zh) | 变压器油中溶解气体在线监测装置的校准方法 | |
CN204514858U (zh) | 一种非甲烷总烃气体检测仪 | |
KR20180114371A (ko) | 변압기의 유중가스 분석 시스템 및 분석 방법 | |
CN109916885A (zh) | 绝缘油溶解氧气含量实时在线检测装置 | |
CN116539759A (zh) | 绝缘油溶解气体在线监测设备加速退化试验方法及其装置 | |
CN115931246A (zh) | 一种氢冷发电机的气密性检测与故障处理系统及方法 | |
CN107436328B (zh) | 变压器绝缘油在线色谱分析仪的校准方法 | |
CN114609267A (zh) | 一种有效减小环境误差的油中溶解气体分析装置及方法 | |
CN114740159A (zh) | 一种天然气能量计量组分获取方法和物联网系统 | |
CN110567899B (zh) | 一种cod检测低温补偿方法 |
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 |