CN113987776A - 干式电抗器耐老化能力测试模型构建方法与测试方法 - Google Patents
干式电抗器耐老化能力测试模型构建方法与测试方法 Download PDFInfo
- Publication number
- CN113987776A CN113987776A CN202111230755.7A CN202111230755A CN113987776A CN 113987776 A CN113987776 A CN 113987776A CN 202111230755 A CN202111230755 A CN 202111230755A CN 113987776 A CN113987776 A CN 113987776A
- Authority
- CN
- China
- Prior art keywords
- dry
- aging
- reactor
- aging state
- model
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Abstract
本申请涉及一种干式电抗器耐老化能力模型构建以及测试的方法、装置、计算机设备和存储介质。所述方法包括:通过获取干式电抗器的老化状态参数,构建干式电抗器数字孪生模型,利用高斯云模型、层次分析法和熵权法,构建干式电抗器的耐老化能力测试模型,能够支持准确的干式电抗器耐老化能力测试,通过获取待测干式电抗器的实际老化状态参数,将实际老化状态参数输入至干式电抗器耐老化能力测试模型,通过构建综合评估矩阵、综合评估向量和综合评估分数,得到待测干式电抗器对应的耐老化能力测试结果,建立了待测干式电抗器的实际老化状态参数和耐老化能力的关系,能够准确地反映出干式电抗器的耐老化能力。
Description
技术领域
本申请涉及在线监测与故障诊断技术领域,特别是涉及一种干式电抗器耐老化能力测试模型构建方法、装置、计算机设备和存储介质以及干式电抗器耐老化能力测试方法、装置、计算机设备和存储介质。
背景技术
随着电网建设规模的扩大和数字经济的推动,电网数字化和智能化成为电力行业的发展趋势,数字孪生可以实现多物理量、多尺度和多概率的仿真,并建立数字虚体与物理实体的镜像,实现多层次实时动态感知和超实时虚拟推演,进而提高干式电抗器状态感知水平。
传统技术中,对干式电抗器耐老化能力测试主要由维护人员根据国家标准进行定期维护检修和停电例行试验的方式进行,由于干式电抗器包封是固化完成没法拆卸,当维护人员测试干式电抗器的耐老化能力时很大部分需要依靠主观经验进行判断,因此,这种依靠主观经验的测试方法存在干式电抗器耐老化能力测试结果不准确的问题。
发明内容
基于此,有必要针对上述干式电抗器耐老化能力测试结果不准确的问题,提供一种支持准确测试的干式电抗器耐老化能力测试模型构建方法、装置、计算机设备和存储介质以及一种能够准确测试的干式电抗器耐老化能力的干式电抗器耐老化能力测试方法、装置、计算机设备和存储介质。
一种干式电抗器耐老化能力测试模型构建方法,所述方法包括:
获取干式电抗器的老化状态参数,构建干式电抗器数字孪生模型,建立干式电抗器数字孪生模型的老化状态指标和老化状态等级;
根据老化状态指标和老化状态等级,获得老化状态指标在老化状态等级下的高斯云模型;
通过层次分析法和熵权法,获得老化状态指标的主客观综合权重;
根据干式电抗器数字孪生模型、老化状态指标、老化状态等级、高斯云模型和主客观综合权重,构建干式电抗器的耐老化能力测试模型。
在其中一个实施例中,上述干式电抗器耐老化能力测试模型构建方法还包括:
获取干式电抗器的老化状态参数,老化状态参数包括在线监测数据以及实验仿真数据;
根据在线监测数据和实验仿真数据,对干式电抗器进行精细化数学建模,构建干式电抗器的数字孪生模型。
在其中一个实施例中,在线监测数据包括局部放电信号、介质损耗因数和疏水性,实验仿真数据包括活化能、接触角和表面形貌;
建立干式电抗器数字孪生模型的老化状态指标和老化状态等级包括:
根据在线监测数据和实验仿真数据,建立干式电抗器数字孪生模型的老化状态指标;
根据老化状态指标对干式电抗器老化状态的影响不同,建立干式电抗器数字孪生模型的老化状态等级。
在其中一个实施例中,上述干式电抗器耐老化能力测试模型构建方法还包括:
通过层次分析法,获得老化状态指标的主观权重;
通过熵权法,获得老化状态指标的客观权重;
根据主观权重和客观权重,获得老化状态指标的主客观综合权重。
一种干式电抗器耐老化能力测试模型构建装置,所述装置包括:
状态指标和等级获取模块,用于获取干式电抗器的老化状态参数,构建干式电抗器数字孪生模型,建立干式电抗器数字孪生模型的老化状态指标和老化状态等级;
云模型获取模块,用于根据老化状态指标和老化状态等级,获得老化状态指标在老化状态等级下的高斯云模型;
综合权重获取模块,用于通过层次分析法和熵权法,获得老化状态指标的主客观综合权重;
测试模型获取模块,用于根据干式电抗器数字孪生模型、老化状态指标、老化状态等级、高斯云模型和主客观综合权重,构建干式电抗器的耐老化能力测试模型。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取干式电抗器的老化状态参数,构建干式电抗器数字孪生模型,建立干式电抗器数字孪生模型的老化状态指标和老化状态等级,根据老化状态指标和老化状态等级,获得老化状态指标在老化状态等级下的高斯云模型,通过层次分析法和熵权法,获得老化状态指标的主客观综合权重,根据干式电抗器数字孪生模型、老化状态指标、老化状态等级、高斯云模型和主客观综合权重,构建干式电抗器的耐老化能力测试模型。
上述干式电抗器耐老化能力测试模型构建方法、装置、计算机设备和存储介质,通过获取干式电抗器的老化状态参数,构建干式电抗器数字孪生模型,建立干式电抗器数字孪生模型的老化状态指标和老化状态等级,根据老化状态指标和老化状态等级,获得老化状态指标在老化状态等级下的高斯云模型,通过层次分析法和熵权法,获得老化状态指标的主客观综合权重,根据干式电抗器数字孪生模型、老化状态指标、老化状态等级、高斯云模型和主客观综合权重,构建干式电抗器的耐老化能力测试模型。上述方案,通过获取干式电抗器的老化状态参数,构建干式电抗器数字孪生模型,利用高斯云模型、层次分析法和熵权法,获得干式电抗器的耐老化能力测试模型,能够支持准确的干式电抗器耐老化能力测试。
一种干式电抗器耐老化能力测试方法,所述方法包括:
获取待测干式电抗器的实际老化状态参数;
将实际老化状态参数输入至干式电抗器耐老化能力测试模型,得到待测干式电抗器对应的耐老化能力测试结果,其中,所述干式电抗器耐老化能力测试模型采用上述的干式电抗器耐老化能力测试模型构建方法得到。
在其中一个实施例中,上述干式电抗器耐老化能力测试方法还包括:
将实际老化状态参数输入至干式电抗器耐老化能力测试模型中,获得待测干式电抗器对应的高斯云模型;
根据老化状态指标和待测干式电抗器对应的高斯云模型,构建老化状态指标的综合评估矩阵;
根据综合评估矩阵和主客观综合权重,获得综合评估向量;
根据综合评估向量,利用加权平均法,获得待测干式电抗器对应的耐老化能力综合评估分数;
根据综合评估分数,获得待测干式电抗器对应的耐老化能力测试结果。
在其中一个实施例中,上述干式电抗器耐老化能力测试方法还包括:
根据所述老化状态指标和待测干式电抗器对应的高斯云模型,获得老化状态指标与高斯云模型的关联度;
根据关联度的数值,构建老化状态指标的综合评估矩阵。
一种干式电抗器耐老化能力测试装置,所述装置包括:
参数获取模块,用于获取待测干式电抗器的实际老化状态参数;
测试结果获取模块,用于将实际老化状态参数输入至干式电抗器耐老化能力测试模型,得到待测干式电抗器对应的耐老化能力测试结果,其中,干式电抗器耐老化能力测试模型采用干式电抗器耐老化能力测试模型构建方法得到。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时还实现以下步骤:
将实际老化状态参数输入至干式电抗器耐老化能力测试模型,获得待测干式电抗器对应的高斯云模型,根据老化状态指标和待测干式电抗器对应的高斯云模型,获得老化状态指标与高斯云模型的关联度,根据关联度的数值,构建老化状态指标的综合评估矩阵,根据综合评估矩阵和主客观综合权重,获得综合评估向量,根据综合评估向量,利用加权平均法,获得待测干式电抗器对应的耐老化能力综合评估分数,根据综合评估分数,获得待测干式电抗器对应的耐老化能力测试结果。
上述干式电抗器耐老化能力测试方法、装置、计算机设备以及存储介质,通过获取待测干式电抗器的实际老化状态参数,将实际老化状态参数输入至干式电抗器耐老化能力测试模型,通过构建综合评估矩阵、综合评估向量和综合评估分数,得到待测干式电抗器对应的耐老化能力测试结果,建立了待测干式电抗器的实际老化状态参数和耐老化能力的关系,能够准确地反映出干式电抗器的耐老化能力。
附图说明
图1为一个实施例中干式电抗器耐老化能力测试方法的应用环境图;
图2为一个实施例中干式电抗器耐老化能力测试模型构建方法的流程示意图;
图3为另一个实施例中干式电抗器耐老化能力测试模型构建方法的流程示意图;
图4为干式电抗器绝缘材料环氧树脂表面Y方向截图;
图5为干式电抗器绝缘材料环氧树脂图像的灰度直方图;
图6为干式电抗器绝缘材料环氧树脂表面三维模型图;
图7为干式电抗器绝缘材料环氧树脂表面图;
图8为干式电抗器老化状态指标判断矩阵的标度含义图;
图9为一个实施例中干式电抗器耐老化能力测试模型构建装置的结构框图;
图10为一个实施例中干式电抗器耐老化能力测试方法的流程示意图;
图11为另一个实施例中干式电抗器耐老化能力测试方法的流程示意图;
图12为一个实施例中干式电抗器耐老化能力测试装置的结构框图;
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的干式电抗器耐老化能力测试方法方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与干式电抗器104进行通信。终端102获取干式电抗器104的老化状态参数,构建干式电抗器数字孪生模型,建立干式电抗器数字孪生模型的老化状态指标和老化状态等级,根据老化状态指标和老化状态等级,获得老化状态指标在老化状态等级下的高斯云模型,通过层次分析法和熵权法,获得老化状态指标的主客观综合权重,根据干式电抗器数字孪生模型、老化状态指标、老化状态等级、高斯云模型和主客观综合权重,构建干式电抗器的耐老化能力测试模型,获取待测干式电抗器104的实际老化状态参数,将实际老化状态参数输入至干式电抗器耐老化能力测试模型,得到待测干式电抗器104对应的耐老化能力测试结果。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
在一个实施例中,如图2所示,提供了一种干式电抗器耐老化能力测试模型构建方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤201,获取干式电抗器的老化状态参数,构建干式电抗器数字孪生模型,建立干式电抗器数字孪生模型的老化状态指标和老化状态等级。
其中,电抗器是用于交流电路中阻碍电流变化的电气设备,干式电抗器是绕组和铁芯(如果有)不浸于液体绝缘介质中的电抗器,干式电抗器长期运行于自然环境中,在单应力和多应力条件下绝缘材料老化会逐渐严重,绝缘老化主要表现为电老化、热老化、机械老化和环境老化,对干式电抗器老化状态的测试也即是对其绝缘寿命的测试,数字孪生是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念,可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。根据干式电抗器的老化状态参数,选定干式电抗器数字孪生模型的老化状态指标和老化状态等级,采用老化状态指标和老化状态等级,以数字化形式反应干式电抗器老化状态,有助于支持准确的老化状态测试结果。
具体地,获取干式电抗器的老化状态参数,构建干式电抗器数字孪生模型,建立干式电抗器数字孪生模型的老化状态指标和老化状态等级。
步骤202,根据老化状态指标和老化状态等级,获得老化状态指标在老化状态等级下的高斯云模型。
其中,云模型实现了定性概念与其定量表示之间的不确定转换,高斯云模型是通过运用高斯分布和高斯隶属度函数的普适性,用三个相互独立的参数共同表达一个定性概念的数字特征,反应概念的随机性和模糊性。在概率分布中,高斯分布是概率理论中重要分布之一,通常用均值和方差两个数字特征表示,高斯隶属函数是模糊理论中最常用的隶属函数,通常用来表示,高斯云模型是在二者基础上发展起来的全新模型,利用云模型的三个数字特征期望Ex、熵En和超熵He,将原本固定的方差用一个随机分布代替,并用这个随机分布,结合隶属函数来产生随机确定度,是云的一种实现方式。
具体地,根据老化状态指标和老化状态等级,获得老化状态指标在老化状态等级下的高斯云模型。
步骤203,通过层次分析法和熵权法,获得老化状态指标的主客观综合权重。
其中,层次分析法是将半定性、半定量的问题转化为定量问题的有效途径,将各种因素层次化,为分析和预测事物的发展提供可比较的定量依据。熵权法是一种客观权重方法,该方法利用了熵表达信息量的特点,即一个指标,在各评估对象之间的差异越大,其包含的信息越多,其熵就越小。层次分析法中,虽然两两比较数据可以用客观的绝对数据转换得到,但是一般是由领域专家主观地给出,所以层次分析法总的来说是一种主观赋权方法;而熵权法是一种客观赋权法,利用已有的客观数据,得到各评价指标的权重(评价指标的熵越低权重越大)。如果需要把这两种方法结合一起使用解决某个实际问题,那么这个实际问题应该有以下特点:部分或全部评价指标适合使用层次结构模型进行问题的抽象;部分评价指标满足客观赋权的计算条件(有多个样本的客观数据)。两种方法结合使用可以这样两种方式:构造层次模型,对某些有客观数据的评价指标,使用熵权法得到它们的权重,并转换为AHP判断矩阵中的两两比较数据,最后计算得到AHP总排序权重;或者更直接一些,对于某些有合适客观数据的评价指标,使用熵权法得到它们的权重;为其他评价指标构造层次模型,用层次分析法得到它们的权重,最后把所有评价指标的权重融合到一块。
具体地,通过层次分析法和熵权法,获得老化状态指标的主客观综合权重。
步骤204,根据干式电抗器数字孪生模型、老化状态指标、老化状态等级、高斯云模型和主客观综合权重,构建干式电抗器的耐老化能力测试模型。
具体地,根据干式电抗器数字孪生模型、老化状态指标、老化状态等级、高斯云模型和主客观综合权重,构建干式电抗器的耐老化能力测试模型,用于支持准确的干式电抗器的耐老化能力测试。
上述干式电抗器耐老化能力测试模型构建方法中,通过获取干式电抗器的老化状态参数,构建干式电抗器数字孪生模型,建立干式电抗器数字孪生模型的老化状态指标和老化状态等级,根据老化状态指标和老化状态等级,获得老化状态指标在老化状态等级下的高斯云模型,通过层次分析法和熵权法,获得老化状态指标的主客观综合权重,根据干式电抗器数字孪生模型、老化状态指标、老化状态等级、高斯云模型和主客观综合权重,构建干式电抗器的耐老化能力测试模型。上述方案,通过获取干式电抗器的老化状态参数,构建干式电抗器数字孪生模型,利用高斯云模型、层次分析法和熵权法,获得干式电抗器的耐老化能力测试模型,能够支持准确的干式电抗器耐老化能力测试。
在一个实施例中,如图3所示,提供了一种干式电抗器耐老化能力测试模型构建方法,该方法包括:
步骤301,获取干式电抗器的老化状态参数,根据在线监测数据和实验仿真数据,对干式电抗器进行精细化数学建模,构建干式电抗器的数字孪生模型。
本实施例中,干式电抗器的老化状态参数存放在老化参数样本据库中,从样本数据库中获取到干式电抗器的老化状态参数,老化状态参数包括在线监测数据以及实验仿真数据,根据在线监测数据和实验仿真数据,使用建模软件对干式电抗器进行精细化数学建模,构建得到干式电抗器的数字孪生模型。针对干式电抗器的绝缘监测大多数采用脉冲电压法和通过停电的方法对电抗值、阻值进行测试,但是高负荷电网中的干式电抗器没有断电检测的条件而且停电检修经常造成人力和财力的浪费。因此,建立干式电抗器数字孪生模型来对干式电抗器的绝缘老化状态进行测试,有助于维护人员准确地测试干式电抗器的绝缘老化状态,有效保证用电安全和避免突发停电事故。
上述实施例的方案,通过获取干式电抗器的老化状态参数,根据在线监测数据和实验仿真数据,对干式电抗器进行精细化数学建模,构建干式电抗器的数字孪生模型,能够为构建能够支持准确的干式电抗器耐老化能力测试的干式电抗器耐老化能力测试模型提供前提条件。
步骤302,根据在线监测数据和实验仿真数据,建立干式电抗器数字孪生模型的老化状态指标,根据老化状态指标对干式电抗器老化状态的影响不同,建立干式电抗器数字孪生模型的老化状态等级。
本实施例中,在线监测数据包括局部放电信号、介质损耗因数和疏水性,实验仿真数据包括活化能、接触角和表面形貌,建立干式电抗器数字孪生模型的老化状态指标和老化状态等级包括:
根据在线监测数据和实验仿真数据,将其中的局部放电信号、介质损耗因数、疏水性、活化能、接触角和表面形貌作为干式电抗器数字孪生模型的老化状态指标;根据老化状态指标对干式电抗器老化状态的影响不同,建立干式电抗器数字孪生模型的老化状态等级,具体包括:利用局部放电信号对干式电抗器的老化状态等级进行测定、利用介质损耗因数对干式电抗器的老化状态等级进行测定、利用疏水性对干式电抗器的老化状态等级进行测定、利用活化能对干式电抗器的老化状态等级进行测定、利用接触角对干式电抗器的老化状态等级进行测定以及利用表面形貌对干式电抗器的老化状态等级进行测定。
其中,利用局部放电信号对干式电抗器的老化状态等级进行测定包括:通过吸附于接地线上的TEV传感器检测干式电抗器的局部放电信号,重点扫描干式电抗器的各层包封的端部、各层包封的顶端偏下部以及最内层包封的中部,对10次测得的放电信号数据取平均值作为最后的测试结果。
当干式电抗器的局部放电信号(dB)属于(0,30)区间范围内时,老化状态为正常状态;当干式电抗器设备的局部放电信号(dB)属于(30,100)区间范围内时,老化状态为注意状态;当干式电抗器设备的局部放电信号(dB)大于100时,老化状态为严重状态。
其中,利用介质损耗因数对干式电抗器的老化状态等级进行测定包括:根据DL47.3-92现场绝缘试验实施导则介质损耗因数tanδ试验,试验采用高压介质损耗测试仪测量介质损耗因数,由于干式电抗器的外壳直接接地,故现场采用交流电桥反接法进行测量,为避免绕组感应激磁损耗给测量带来的误差,试验时需将测量绕组各相短路,非测量绕组各相短路接地。当测量温度与产品出厂试验的温度不符合时,应先按照公式A=1.3K/10折算到同一温度时的数值进行比较。式中K表示温度差,A表示转换系数。当实测温度为20℃以上时,tanδ20=tanδt/A;当实测温度为20℃以下时,tanδ20=Atanδt,式中tanδ20表示校正到20℃时的介损值,tanδt表示在测量温度t下的介损值。
当20℃时被测绕组的tanδ不大于1.5%,老化状态为正常状态;当20℃时被测绕组的tanδ不大于3%,老化状态为注意状态;当20℃时被测绕组的tanδ不大于5%,老化状态为严重状态。
其中,利用疏水性对干式电抗器的老化状态等级进行测定包括:采用电动带电喷水装置对设备外侧重点待测部位进行喷水,观测水滴形状并与规程中的等级对照。共读取10次喷水数据,每次喷水量为(0.7~1)ml;喷射水流散开角为50°~70°,壶内装满去离子水。被试品的测试面积应在50~100cm2之间。喷水设备喷嘴距试品25cm的地方,每秒喷水1次,共25次,喷水后表面应有水分流下,喷射方向尽可能垂直于试品表面,憎水性分级的HC值在喷水结束后30秒以内读取。
当干式电抗器设备的喷水等级属于HC3级以上时,绝缘材料是憎水性的,老化状态为正常状态;当干式电抗器设备的喷水等级属于(HC4,HC5)区间范围内时,绝缘材料属于中间过渡级,此时,水珠和水膜同时存在,老化状态为注意状态;当干式电抗器设备的喷水等级属于(HC6,HC7)区间范围内时,绝缘材料是亲水性的,老化状态为严重状态。
其中,利用活化能对干式电抗器的老化状态等级进行测定包括:将介电谱测试在两种不同温度下展开,试验后计算所测试的绝缘材料的活化能。取两种温度下测试得到的频域介电谱图低频处的拐点判定介电谱图随温度的平移,得到平移量后使用以下公式计算活化能:
式中,T为热力学温度;f0为在T0温度下介质损耗的频域介电谱上平移前对应的频率,f为平移后在T温度下介电谱对应的频率,E0为环氧树脂样品的活化能,k为波兹曼常数,k=1.38×10-23J/K。
当干式电抗器设备的活化能(eV)大于0.761时,老化状态为正常状态;当干式电抗器设备的活化能(eV)属于(0.761,0.510)区间范围内时,老化状态为注意状态;当干式电抗器设备的活化能(eV)低于0.510时,老化状态为严重状态。
其中,利用接触角对干式电抗器的老化状态等级进行测定包括:通过接触角测量仪采用“五点拟合法”测量采样样品的接触角,对多个样品进行接触角测试,每个试样测量五次,并将五次测量后的值取平均值,作为最后的接触角的测量结果。
当试样的静态接触角所属区间为(69.72°,67.93°)时,老化状态为正常状态;当试样的静态接触角所属区间为(67.93°,65.37°)时,老化状态为注意状态;当试样静态接触角所属区间为(65.37°,63.92°)时,老化状态为严重状态。
其中,利用表面形貌对干式电抗器的老化状态等级进行测定包括:干式电抗器包封层处的环氧树脂表面SEM图像为灰度图像,其灰度值取决于颗粒与光源的距离,灰度值越高,离光源越近,反之亦然。为建立其表面粗糙度的三维模型,沿图像边缘建立x,y轴,以灰度值建立z轴,为保证模型相对平滑,加入插值,利用MATLAB进行建模,其结果如图4所示。在x和y轴上采样离散点,个数分别为M和N,设偏距绝对值的灰度值平均值为μ,
则环氧树脂粗糙度可用三维算术平均偏差Sa表征为
图6为图5中Y方向上灰度值相对均匀部分,取图6进一步分析,利用MATLAB将图片转化为矩阵,数值代表灰度值,设该图像素为m*n,即矩阵为m*n矩阵,沿X方向,计算灰度中值,建立X-Z关系曲线,以更直观的方式展现表面粗糙度,如图7所示其中,横坐标为X方向上的像素,纵坐标为该像素点上灰度值中值,通过横向比较,可表示为不同老化程度的环氧被破坏深度。横线为此段界面平均高度。当试样的三维算术平均偏差所属区间为(0.06,0.09)时,老化状态为正常状态;当试样的三维算术平均偏差所属区间为(0.09,0.15)时,老化状态为注意状态;当试样的三维算术平均偏差所属区间为(0.15,0.25)时,老化状态为严重状态。
上述实施例的方案,根据在线监测数据和实验仿真数据,建立干式电抗器数字孪生模型的老化状态指标,即老化状态指标包括局部放电信号、介质损耗因数、疏水性、活化能、接触角和表面形貌,根据老化状态指标对干式电抗器老化状态的影响不同,建立干式电抗器数字孪生模型的老化状态等级,即老化状态等级分为正常、注意和严重,建立的老化状态指标和老化状态等级能够支持准确的干式电抗器耐老化能力测试,能够为构建能够支持准确的干式电抗器耐老化能力测试的干式电抗器耐老化能力测试模型提供前提条件。
步骤303,通过层次分析法,获得老化状态指标的主观权重,通过熵权法,获得老化状态指标的客观权重,根据主观权重和客观权重,获得老化状态指标的主客观综合权重。
本实施例中,通过层次分析法,获得老化状态指标的主观权重包括:使用1~9标度的方法获得老化状态指标的判断矩阵A,该判断矩阵标度含义见图8所示,并将老化状态指标相互比较以获得它们的相对重要性,
其中,aij表示第i个指标相对于第j个指标的可靠程度。老化状态指标的判断矩阵A的特征向量可以通过下式获得,然后将它们归一化。
通过熵权法,获得老化状态指标的客观权重包括:熵权法是一种基于信息熵理论的客观加权方法。指标的熵值越大,指标的信息变化程度越小,评价的影响越小,从而其权重越小。针对本方案中的干式电抗器的老化评价指标,第j个评价指标的信息熵为:
式中,uj表示第j个指标在六项指标中的比重。rj表示第j个指标归一化后的值。第j个指标的熵权可通过下式求得:
根据主观权重和客观权重,获得老化状态指标的主客观综合权重包括:针对原始数据,形成二维关系矩阵Q=(qij)1×6,对Q无量纲处理之后,获得矩阵S=(sij)1×6,已知本方案中第j个指标主客观权重分别是ψj和组合优化的综合权重为Wj,第i个评估对象的评估值为:
基于主客观权重得到的评估值总偏差F(w)应该越小越好,因此构造一个非线性规划模型,如下式所示:
通过求解上述非线性模型,可以得到组合优化后评价指标的综合权重值。
上述实施例的方案,通过层次分析法,获得老化状态指标的主观权重,通过熵权法,获得老化状态指标的客观权重,根据主观权重和客观权重,获得老化状态指标的主客观综合权重,能够为构建能够支持准确的干式电抗器耐老化能力测试的干式电抗器耐老化能力测试模型提供前提条件。
本实施例中,通过获取干式电抗器的老化状态参数,根据在线监测数据和实验仿真数据,对干式电抗器进行精细化数学建模,构建干式电抗器的数字孪生模型,根据在线监测数据和实验仿真数据,建立干式电抗器数字孪生模型的老化状态指标,根据老化状态指标对干式电抗器老化状态的影响不同,建立干式电抗器数字孪生模型的老化状态等级,通过层次分析法,获得老化状态指标的主观权重,通过熵权法,获得老化状态指标的客观权重,根据主观权重和客观权重,获得老化状态指标的主客观综合权重,能够为构建能够支持准确的干式电抗器耐老化能力测试的干式电抗器耐老化能力测试模型提供前提条件。
在一个实施例中,如图9所示,提供了一种干式电抗器耐老化能力测试模型构建装置,该装置900包括:状态指标和等级获取模块、云模型获取模块和综合权重获取模块,其中:
状态指标和等级获取模块901,用于获取干式电抗器的老化状态参数,构建干式电抗器数字孪生模型,建立干式电抗器数字孪生模型的老化状态指标和老化状态等级;
云模型获取模块902,用于根据老化状态指标和老化状态等级,获得老化状态指标在老化状态等级下的高斯云模型;
综合权重获取模块903,用于通过层次分析法和熵权法,获得老化状态指标的主客观综合权重;
测试模型获取模块904,用于根据干式电抗器数字孪生模型、老化状态指标、老化状态等级、高斯云模型和主客观综合权重,构建干式电抗器的耐老化能力测试模型。
在一个实施例中,状态指标和等级获取模块901还用于获取干式电抗器的老化状态参数,根据在线监测数据和实验仿真数据,对干式电抗器进行精细化数学建模,构建干式电抗器的数字孪生模型。
在另一个实施例中,状态指标和等级获取模块901还用于根据在线监测数据和实验仿真数据,建立干式电抗器数字孪生模型的老化状态指标,根据老化状态指标对干式电抗器老化状态的影响不同,建立干式电抗器数字孪生模型的老化状态等级。
在一个实施例中,综合权重获取模块903还用于通过层次分析法,获得老化状态指标的主观权重,通过熵权法,获得老化状态指标的客观权重,根据主观权重和客观权重,获得老化状态指标的主客观综合权重。
在一个实施例中,上述干式电抗器耐老化能力测试模型构建装置900进一步用于根据实际的干式电抗器老化状态参数,进行干式电抗器耐老化能力测试。
关于干式电抗器耐老化能力测试模型构建装置的具体限定可以参见上文中对于干式电抗器耐老化能力测试模型构建方法的限定,在此不再赘述。上述干式电抗器耐老化能力测试模型构建装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,如图10所示,提供了一种干式电抗器耐老化能力测试方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤1001,获取待测干式电抗器的实际老化状态参数。
其中,待测干式电抗器的实际老化状态参数,与构建干式电抗器耐老化能力测试模型所采用的样本数据库中的干式电抗器的老化状态参数相对应,为实际生产应用中,在现场中收集到的待测干式电抗器的老化状态参数。
具体地,获取待测干式电抗器的实际老化状态参数。
步骤1002,将实际老化状态参数输入至干式电抗器耐老化能力测试模型,得到待测干式电抗器对应的耐老化能力测试结果。
其中,干式电抗器耐老化能力测试模型采用上述的干式电抗器耐老化能力测试模型构建方法得到,待测干式电抗器对应的耐老化能力测试结果,与老化状态等级中的正常状态、注意状态和严重状态相对应,测试结果分为正常、注意和严重,建立了待测干式电抗器的实际老化状态参数和耐老化能力的关系,该测试结果能够准确且直观地反映出干式电抗器的耐老化能力。
具体地,将实际老化状态参数输入至干式电抗器耐老化能力测试模型,得到待测干式电抗器对应的耐老化能力测试结果。
上述干式电抗器耐老化能力测试方法中,通过获取待测干式电抗器的实际老化状态参数,将实际老化状态参数输入至干式电抗器耐老化能力测试模型,得到待测干式电抗器对应的耐老化能力测试结果,建立了待测干式电抗器的实际老化状态参数和耐老化能力的关系,能够准确地反映出干式电抗器的耐老化能力。
在一个实施例中,如图11所示,提供了一种干式电抗器耐老化能力测试方法,该方法包括:
步骤1101,将实际老化状态参数输入至干式电抗器耐老化能力测试模型中,获得待测干式电抗器对应的高斯云模型。
本实施例中,将实际老化状态参数输入至干式电抗器耐老化能力测试模型中,获得待测干式电抗器对应的高斯云模型,最优云熵计算方法求解该高斯云模型,分别得到老化状态指标在该高斯云模型下的数字特征期望Ex、超熵He和熵En。将老化状态等级界限作为一个双约束空间[Cmin,Cmax]处理,则该高斯云模型的期望Ex的计算公式为:
其中,Cmax表示评价参量最优状态值,Cmin表示评价参量最差状态值。超熵He一般取常数,可结合老化状态指标的实际经验和不确定性对其进行调整,熵En采用基于“3En”规则的云熵计算方法,计算公式为:
上述实施例的方案,将实际老化状态参数输入至干式电抗器耐老化能力测试模型中,获得待测干式电抗器对应的高斯云模型,计算获得该高斯云模型的期望、超熵和熵,为得到准确的待测干式电抗器对应的耐老化能力测试结果提供准备条件。
步骤1102,根据老化状态指标和待测干式电抗器对应的高斯云模型,获得老化状态指标和高斯云模型的关联度,根据关联度的数值,构建老化状态指标的综合评估矩阵。
本实施例中,老化状态指标x服从以Ex为期望,En′为方差的高斯分布,即x~N(Ex,En′),同时满足En′服从以En为期望,即En′~N(En,He 2),He 2为方差的高斯分布,则老化状态指标x与高斯云模型的关联度为:
根据关联度的数值,构建老化状态指标的综合评估矩阵P,综合评估矩阵为6*3或者3*6的矩阵,其中6行或者6列对应于6项老化状态指标,3列或者3行对应于3项老化状态等级,综合评估矩阵的元素为对应的关联度的数值。
上述实施例的方案,根据老化状态指标和待测干式电抗器对应的高斯云模型,获得老化状态指标和高斯云模型的关联度,根据关联度的数值,构建老化状态指标的综合评估矩阵P,为得到准确的待测干式电抗器对应的耐老化能力测试结果提供准备条件。
步骤1103,根据综合评估矩阵和主客观综合权重,获得综合评估向量。
本实施例中,通过将综合评判矩阵P与主客观综合权重W相乘得到综合评估结果向量B,即B=WP=[b1,b2,b3]。
上述实施例的方案,根据综合评估矩阵和主客观综合权重,获得综合评估向量,为得到准确的待测干式电抗器对应的耐老化能力测试结果提供准备条件。
步骤1104,根据综合评估向量,利用加权平均法,获得待测干式电抗器对应的耐老化能力综合评估分数。
本实施例中,根据综合评估向量B,利用加权平均法,求得待测干式电抗器对应的耐老化能力综合评估分数r,计算公式为:
式中,fi为状态i的得分值,老化状态等级的正常状态、注意状态和严重状态对应的综合评估分数依次为1、2和3。
上述实施例的方案,根据综合评估向量,利用加权平均法,获得待测干式电抗器对应的耐老化能力综合评估分数,为得到准确的待测干式电抗器对应的耐老化能力测试结果提供准备条件。
步骤1105,根据综合评估分数,获得待测干式电抗器对应的耐老化能力测试结果。
本实施例中,根据综合评估分数1、2和3,获得待测干式电抗器对应的耐老化能力测试结果,其中,待测干式电抗器对应的耐老化能力测试结果分为正常、注意和严重,分别对应综合评估分数1、2和3。
上述实施例的方案,根据综合评估分数,获得待测干式电抗器对应的耐老化能力测试结果,能够得到准确的待测干式电抗器对应的耐老化能力测试结果。
本实施例中,通过将实际老化状态参数输入至干式电抗器耐老化能力测试模型中,获得待测干式电抗器对应的高斯云模型,根据老化状态指标和待测干式电抗器对应的高斯云模型,获得老化状态指标和高斯云模型的关联度,根据关联度的数值,构建老化状态指标的综合评估矩阵,根据综合评估矩阵和主客观综合权重,获得综合评估向量根据综合评估向量,利用加权平均法,获得待测干式电抗器对应的耐老化能力综合评估分数,根据综合评估分数,获得待测干式电抗器对应的耐老化能力测试结果,建立了待测干式电抗器的实际老化状态参数和耐老化能力的关系,能够准确地反映出干式电抗器的耐老化能力。
应该理解的是,虽然图2-3和图10-11的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3和图10-11中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图12所示,提供了一种干式电抗器耐老化能力测试装置,该装置1200包括:参数获取模块和测试结果获取模块,其中:
参数获取模块1201,用于获取待测干式电抗器的实际老化状态参数。
测试结果获取模块1202,用于将实际老化状态参数输入至干式电抗器耐老化能力测试模型,得到待测干式电抗器对应的耐老化能力测试结果,其中,干式电抗器耐老化能力测试模型采用上述的干式电抗器耐老化能力测试模型构建方法得到。
在一个实施例中,测试结果获取模块1202还用于将实际老化状态参数输入至干式电抗器耐老化能力测试模型中,获得待测干式电抗器对应的高斯云模型,根据老化状态指标和待测干式电抗器对应的高斯云模型,获得老化状态指标和高斯云模型的关联度,根据关联度的数值,构建老化状态指标的综合评估矩阵,根据综合评估矩阵和主客观综合权重,获得综合评估向量,根据综合评估向量,利用加权平均法,获得待测干式电抗器对应的耐老化能力综合评估分数,根据综合评估分数,获得待测干式电抗器对应的耐老化能力测试结果。
在一个实施例中,上述干式电抗器耐老化能力测试装置1200进一步用于进行待测干式电抗器的耐老化能力测试。
关于干式电抗器耐老化能力测试装置的具体限定可以参见上文中对于干式电抗器耐老化能力测试方法的限定,在此不再赘述。上述干式电抗器耐老化能力测试装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储干式电抗器老化状态参数数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种干式电抗器耐老化能力测试方法。
本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取干式电抗器的老化状态参数,构建干式电抗器数字孪生模型,建立干式电抗器数字孪生模型的老化状态指标和老化状态等级;
根据老化状态指标和老化状态等级,获得老化状态指标在老化状态等级下的高斯云模型;
通过层次分析法和熵权法,获得老化状态指标的主客观综合权重;
根据干式电抗器数字孪生模型、老化状态指标、老化状态等级、高斯云模型和主客观综合权重,构建干式电抗器的耐老化能力测试模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取干式电抗器的老化状态参数,老化状态参数包括在线监测数据以及实验仿真数据;
根据在线监测数据和实验仿真数据,对干式电抗器进行精细化数学建模,构建干式电抗器的数字孪生模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据在线监测数据和实验仿真数据,建立干式电抗器数字孪生模型的老化状态指标;
根据老化状态指标对干式电抗器老化状态的影响不同,建立干式电抗器数字孪生模型的老化状态等级。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
通过层次分析法,获得老化状态指标的主观权重;
通过熵权法,获得老化状态指标的客观权重;
根据主观权重和客观权重,获得老化状态指标的主客观综合权重。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取待测干式电抗器的实际老化状态参数;
将实际老化状态参数输入至干式电抗器耐老化能力测试模型,得到待测干式电抗器对应的耐老化能力测试结果,其中,所述干式电抗器耐老化能力测试模型采用上述的干式电抗器耐老化能力测试模型构建方法得到。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将实际老化状态参数输入至干式电抗器耐老化能力测试模型中,获得待测干式电抗器对应的高斯云模型;
根据老化状态指标和待测干式电抗器对应的高斯云模型,构建老化状态指标的综合评估矩阵;
根据综合评估矩阵和主客观综合权重,获得综合评估向量;
根据综合评估向量,利用加权平均法,获得待测干式电抗器对应的耐老化能力综合评估分数;
根据综合评估分数,获得待测干式电抗器对应的耐老化能力测试结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据老化状态指标和待测干式电抗器对应的高斯云模型,获得老化状态指标与高斯云模型的关联度;
根据关联度的数值,构建老化状态指标的综合评估矩阵。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种干式电抗器耐老化能力测试模型构建方法,其特征在于,所述方法包括:
获取干式电抗器的老化状态参数,构建干式电抗器数字孪生模型,建立所述干式电抗器数字孪生模型的老化状态指标和老化状态等级;
根据所述老化状态指标和所述老化状态等级,获得所述老化状态指标在所述老化状态等级下的高斯云模型;
通过层次分析法和熵权法,获得所述老化状态指标的主客观综合权重;
根据所述干式电抗器数字孪生模型、所述老化状态指标、所述老化状态等级、所述高斯云模型和所述主客观综合权重,构建干式电抗器的耐老化能力测试模型。
2.根据权利要求1所述的干式电抗器耐老化能力测试模型构建方法,其特征在于,所述获取干式电抗器的老化状态参数,构建干式电抗器的数字孪生模型包括:
获取干式电抗器的老化状态参数,所述老化状态参数包括在线监测数据以及实验仿真数据;
根据所述在线监测数据和所述实验仿真数据,对干式电抗器进行精细化数学建模,构建干式电抗器的数字孪生模型。
3.根据权利要求1所述的干式电抗器耐老化能力测试模型构建方法,其特征在于,所述在线监测数据包括局部放电信号、介质损耗因数和疏水性,所述实验仿真数据包括活化能、接触角和表面形貌;所述建立所述干式电抗器数字孪生模型的老化状态指标和老化状态等级包括:
根据所述在线监测数据和所述实验仿真数据,建立干式电抗器数字孪生模型的老化状态指标;
根据所述老化状态指标对干式电抗器老化状态的影响不同,建立干式电抗器数字孪生模型的老化状态等级。
4.根据权利要求1所述的干式电抗器耐老化能力测试模型构建方法,其特征在于,所述通过层次分析法和熵权法,获得所述老化状态指标的主客观综合权重,包括:
通过层次分析法,获得所述老化状态指标的主观权重;
通过熵权法,获得所述老化状态指标的客观权重;
根据所述主观权重和所述客观权重,获得所述老化状态指标的主客观综合权重。
5.一种干式电抗器耐老化能力测试方法,其特征在于,所述方法包括:
获取待测干式电抗器的实际老化状态参数;
将所述实际老化状态参数输入至干式电抗器耐老化能力测试模型,得到所述待测干式电抗器对应的耐老化能力测试结果,所述干式电抗器耐老化能力测试模型采用如权利要求1-4任意一项所述的干式电抗器耐老化能力测试模型构建方法得到。
6.根据权利要求5所述的干式电抗器耐老化能力测试方法,其特征在于,所述将所述实际老化状态参数输入至干式电抗器耐老化能力测试模型,得到所述待测干式电抗器对应的耐老化能力测试结果,包括:
将所述实际老化状态参数输入至所述干式电抗器耐老化能力测试模型中,获得待测干式电抗器对应的高斯云模型;
根据所述老化状态指标和所述待测干式电抗器对应的高斯云模型,构建所述老化状态指标的综合评估矩阵;
根据所述综合评估矩阵和所述主客观综合权重,获得综合评估向量;
根据所述综合评估向量,利用加权平均法,获得所述待测干式电抗器对应的耐老化能力综合评估分数;
根据所述综合评估分数,获得所述待测干式电抗器对应的耐老化能力测试结果。
7.根据权利要求6所述的干式电抗器耐老化能力测试方法,其特征在于,所述根据所述老化状态指标和所述待测干式电抗器对应的高斯云模型,构建所述老化状态指标的综合评估矩阵,包括:
根据所述老化状态指标和所述待测干式电抗器对应的高斯云模型,获得所述老化状态指标与所述高斯云模型的关联度;
根据所述关联度的数值,构建所述老化状态指标的综合评估矩阵。
8.一种干式电抗器耐老化能力测试模型构建装置,其特征在于,所述装置包括:
状态指标和等级获取模块,用于获取干式电抗器的老化状态参数,构建干式电抗器数字孪生模型,建立所述干式电抗器数字孪生模型的老化状态指标和老化状态等级;
云模型获取模块,用于根据所述老化状态指标和所述老化状态等级,获得所述老化状态指标在所述老化状态等级下的高斯云模型;
综合权重获取模块,用于通过层次分析法和熵权法,获得所述老化状态指标的主客观综合权重;
测试模型获取模块,用于根据所述干式电抗器数字孪生模型、所述老化状态指标、所述老化状态等级、所述高斯云模型和所述主客观综合权重,构建干式电抗器的耐老化能力测试模型。
9.一种干式电抗器耐老化能力测试装置,其特征在于,所述装置包括:
参数获取模块,用于获取待测干式电抗器的实际老化状态参数;
测试结果获取模块,用于将所述实际老化状态参数输入至干式电抗器耐老化能力测试模型,得到所述待测干式电抗器对应的耐老化能力测试结果,所述干式电抗器耐老化能力测试模型采用如权利要求1-4任意一项所述的干式电抗器耐老化能力测试模型构建方法得到。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的干式电抗器耐老化能力测试模型构建方法或权利要求5至7所述的干式电抗器耐老化能力测试方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111230755.7A CN113987776A (zh) | 2021-10-22 | 2021-10-22 | 干式电抗器耐老化能力测试模型构建方法与测试方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111230755.7A CN113987776A (zh) | 2021-10-22 | 2021-10-22 | 干式电抗器耐老化能力测试模型构建方法与测试方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113987776A true CN113987776A (zh) | 2022-01-28 |
Family
ID=79740158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111230755.7A Pending CN113987776A (zh) | 2021-10-22 | 2021-10-22 | 干式电抗器耐老化能力测试模型构建方法与测试方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113987776A (zh) |
-
2021
- 2021-10-22 CN CN202111230755.7A patent/CN113987776A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113805064B (zh) | 基于深度学习的锂离子电池组健康状态预测方法 | |
WO2021208079A1 (zh) | 获取动力电池寿命数据的方法、装置、计算机设备及介质 | |
CN116502112B (zh) | 一种新能源电源测试数据管理方法及系统 | |
CN112327191B (zh) | 一种基于几何特征融合决策的电池跳水概率评估方法 | |
CN114024328A (zh) | 储能电站系统的综合评估方法、设备及可读介质 | |
Ma et al. | Measurement error prediction of power metering equipment using improved local outlier factor and kernel support vector regression | |
CN112327194B (zh) | 一种锂电池容量跳水识别方法及装置 | |
CN110188399B (zh) | 一种基于多相关序列的大坝安全监测单测点评价方法 | |
CN115587527A (zh) | 电池寿命预测方法、系统、终端设备及计算机可读介质 | |
Zhou et al. | Research on online capacity estimation of power battery based on EKF-GPR model | |
CN115238831A (zh) | 故障预测方法、装置、计算机设备、存储介质和程序产品 | |
CN115858609A (zh) | 电动汽车充电桩状态监测方法、故障鉴定方法及电子设备 | |
Wu et al. | Remaining useful life prediction of lithium-ion batteries based on data preprocessing and improved ELM | |
CN113391216A (zh) | 基于响应曲面设计的铅酸电池可用容量估算方法和装置 | |
CN116681186B (zh) | 一种基于智能终端的用电质量分析方法及装置 | |
CN116165279B (zh) | 复合绝缘子缺陷检测方法、装置、电子设备和存储介质 | |
CN113987776A (zh) | 干式电抗器耐老化能力测试模型构建方法与测试方法 | |
CN116011345A (zh) | 绝缘子信息预测模型生成方法、装置、设备及介质 | |
CN116859255A (zh) | 一种储能电池健康状态的预测方法、装置、设备及介质 | |
CN115856641A (zh) | 一种电池剩余充电时间预测方法、装置及电子设备 | |
CN114487643A (zh) | 一种特高压gil设备现场交接验收综合测试平台 | |
CN115659768A (zh) | 一种igbt剩余使用寿命预测方法及装置 | |
CN115171816A (zh) | 一种用于航空装备关键材料应用验证的综合评价方法 | |
Wen et al. | Charge Time Prediction Model of Power Battery based on Random Forest algorithm | |
He et al. | Location prediction model of zero value insulator based on PNN |
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 |