CN114112961B - 一种基于紫外光谱的绝缘油老化状态评价方法 - Google Patents
一种基于紫外光谱的绝缘油老化状态评价方法 Download PDFInfo
- Publication number
- CN114112961B CN114112961B CN202111328226.0A CN202111328226A CN114112961B CN 114112961 B CN114112961 B CN 114112961B CN 202111328226 A CN202111328226 A CN 202111328226A CN 114112961 B CN114112961 B CN 114112961B
- Authority
- CN
- China
- Prior art keywords
- insulating oil
- value
- ultraviolet spectrum
- aging
- key parameter
- 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
- 230000032683 aging Effects 0.000 title claims abstract description 165
- 238000002211 ultraviolet spectrum Methods 0.000 title claims abstract description 117
- 238000011156 evaluation Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000002834 transmittance Methods 0.000 claims description 47
- 239000002253 acid Substances 0.000 claims description 37
- 238000012360 testing method Methods 0.000 claims description 34
- 238000009413 insulation Methods 0.000 claims description 23
- 238000005259 measurement Methods 0.000 claims description 17
- 238000001228 spectrum Methods 0.000 claims description 12
- 238000011056 performance test Methods 0.000 claims description 4
- 238000003878 thermal aging Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 8
- 238000001514 detection method Methods 0.000 abstract description 6
- 239000003921 oil Substances 0.000 description 271
- 235000019198 oils Nutrition 0.000 description 271
- 239000002480 mineral oil Substances 0.000 description 19
- 235000010446 mineral oil Nutrition 0.000 description 19
- 239000000123 paper Substances 0.000 description 18
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 5
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 4
- 239000010949 copper Substances 0.000 description 4
- 229910052802 copper Inorganic materials 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000007654 immersion Methods 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 235000019482 Palm oil Nutrition 0.000 description 2
- 238000001237 Raman spectrum Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 230000002431 foraging effect Effects 0.000 description 2
- 239000002655 kraft paper Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000002540 palm oil Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 239000003549 soybean oil Substances 0.000 description 2
- 235000012424 soybean oil Nutrition 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000001636 atomic emission spectroscopy Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
- 238000004448 titration Methods 0.000 description 1
- 238000004846 x-ray emission Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
Abstract
本发明属于电力设备安全状态评价领域，具体涉及一种基于紫外光谱的绝缘油老化状态评价方法。通过对老化绝缘油关键参数和紫外光谱特征波长的检测分析，建立关键参数预测函数和模糊预测模型，然后将获得的待评价老化绝缘油的紫外光谱特征波长输入到关键参数预测函数获得绝缘油关键参数预测值，然后将获得的绝缘油关键参数预测值输入到模糊预测模型，得到绝缘油老化指标值，与预设的评价指标值进行对比，即可判断评价绝缘油的老化状态，可实现对绝缘油老化状态的在线快速检测，具有操作便捷、周期短、预测精度高的特点，而且该方法受环境因素影响较小，易于实现在线监测。
Description
技术领域
本申请属于电力设备安全状态评价领域，具体涉及一种基于紫外光谱的绝缘油老化状态评价方法。
背景技术
油纸复合绝缘作为经典的绝缘形式，被广泛应用于变压器、电抗器、套管等电力设备中，其中绝缘油具有绝缘、冷却和熄灭电弧的作用。在设备运行过程中，绝缘油在氧气、热应力等因素作用下而逐渐老化，绝缘油性能降低，严重时可能会导致油道堵塞、散热困难，给油浸式电力设备的安全可靠运行造成隐患。因此，绝缘油状态监测与快速诊断十分重要，这能在绝缘油缺陷发展成设备故障前，对其进行滤油或换油处理，改善绝缘油品质，保证电力设备的安全运行。
目前，绝缘油老化状态评价的方式主要有颜色、色谱、界面张力、酸值等。绝缘油颜色判别存在主观差异；油色谱分析易受绝缘纸老化或过热等故障产气的影响；界面张力易受油中水分含量的影响，且对试验设备有较高的精度要求；酸值滴定测量操作十分繁琐，用时长，指示剂变色判断同样存在主观差异。
光谱分析法基于物质与光谱作用时，物质内部产生发射、吸收或散射作用的光谱差异来分析物质的成分和结构，由于其测试方便快速、操作简单、重复性较好，常用于分析物质的结构和成分。常用光谱分析法包括原子发射光谱、X射线荧光光谱、红外光谱、拉曼光谱，其中，红外光谱和拉曼光谱近年来已应用到油纸结构及性能分析中，取得较好的效果。如专利号CN202011116736.7，公开了《基于拉曼光谱的油纸绝缘设备老化诊断方法》，采用拉曼光谱通过对绝缘纸的聚合度进行检测分析来预测绝缘油的老化程度，但此种检测检测方法需要对绝缘纸取样，然后再检测分析预测，周期较长，而且绝缘纸取样后易受各种环境和操作因素的破坏影响，在实际应用中容易引起较大误差，导致预测精度下降。
发明内容
鉴于现有技术中的上述缺陷或不足，为了解决现有技术中存在的难题，本申请旨在提供一种基于紫外光谱的绝缘油老化状态评价方法，通过对老化绝缘油关键参数和紫外光谱特征波长的检测分析，建立模糊预测模型，根据得到绝缘油老化程度指标值与设定的标准评价指标值对比结果，判断绝缘油的老化状态，实现对绝缘油老化程度的在线快速检测，具有操作便捷、周期短、预测精度高的特点，而且该方法受环境因素影响较小，易于实现在线监测。
本申请提供一种基于紫外光谱的绝缘油老化状态评价方法，包括以下步骤：
获取绝缘油样本；
预设紫外光谱的透射率，设为第一数值；
对样本进行紫外光谱测试，分析样本的紫外光谱数据，记录透射率等于第一数值的紫外光谱波长；
选定该紫外光谱波长为紫外光谱特征波长；
将紫外光谱特征波长输入到关键参数预测函数，获得绝缘油关键参数预测值；
预设绝缘油老化状态评价指标值；
将关键参数预测值输入模糊预测模型，得到绝缘油老化指标值，所述模糊预测模型用于根据输入的关键参数预测值对绝缘油老化指标值进行预测；
对比绝缘油老化指标值与预设的评价指标值，得到绝缘油的老化状态。
进一步的，建立关键参数预测函数包括以下步骤：
对绝缘油进行绝缘热老化试验，获取绝缘油样本；
对绝缘油样本进行性能测试，获得关键参数实测值；
对绝缘油样本进行紫外光谱透射率测试，获得绝缘油样本在不同透射率下的紫外光谱波长；
分析获得的紫外光谱波长，确定绝缘油样本的紫外光谱特征波长；
用关键参数实测值和紫外光谱特征波长建立关键参数预测函数。
进一步的，所述模糊预测模型采用模糊逻辑算法构建，主要包括以下步骤：
预设参与预测绝缘油老化状态评价的关键参数；
选择高斯组合隶属函数来确定关键参数隶属度种类；
预设绝缘油老化状态种类；
采用“if-then”规则建立关键参数隶属度与绝缘油老化状态种类对应关系的模糊规则库；
将关键参数预测值输入到高斯组合隶属函数，得到关键参数隶属度；
对照所述模糊规则库，得到与关键参数隶属度对应的绝缘油老化状态；
对得到的绝缘油老化状态进行解模糊处理，得到绝缘油老化指标值。
进一步的，所述透射率为10～80％。
进一步的，所述关键参数包括酸值、界面张力、电阻率、相对介电常数。
进一步的，所述评价指标值包括注意值、警戒值、换油值；所述注意值≥0.5；所述警戒值≥0.8；所述换油值≥1.0。
进一步的，对获得的关键参数实测值按如下公式进行归一化处理，
其中为测量均值，n为测量次数，xi为第i次的测量值。
进一步的，对获得的紫外光谱波长按如下公式进行归一化处理，
其中x*为归一化后的值，max为光谱数据的最大值，min为光谱数据的最小值，x为光谱数据原始值。
进一步的，所述紫外光谱特征波长对应的透射率为50％。
综上，本申请公开有一种基于紫外光谱的绝缘油老化状态评价方法，通过对老化绝缘油关键参数和紫外光谱特征波长的测试分析，建立了关键参数预测函数和模糊预测模型，然后将获得的待评价老化绝缘油的紫外光谱特征波长输入到关键参数预测函数获得绝缘油关键参数预测值，然后将获得的绝缘油关键参数预测值输入到模糊预测模型，得到绝缘油老化指标值，与预设的评价指标值进行对比，即可判断评价绝缘油的老化状态。实现对绝缘油老化状态的在线快速检测，具有操作便捷、周期短、预测精度高的特点，而且该方法受环境因素影响较小，易于实现在线监测。
附图说明
图1为绝缘油老化状态快速评价模型。
图2为本申请实施例1不同老化阶段绝缘油透射率与紫外光谱特征波长的关系图。
图3为本申请实施例2不同老化阶段绝缘油透射率与紫外光谱特征波长的关系图。
图4为本申请实施例1和实施例2绝缘油样本酸值随老化时间的变化曲线。
图5为本申请实施例1和实施例2绝缘油样本界面张力随老化时间的变化曲线。
图6为本申请实施例1和实施例2绝缘油样本电阻率随老化时间的变化曲线。
图7为本申请实施例1和实施例2绝缘油样本相对介电常数随老化时间的变化曲线。
图8为本申请实施例1和实施例2不同老化阶段绝缘油的紫外光谱特征波长与老化时间的关系图。
图9为本申请实施例1和实施例2不同老化阶段绝缘油的紫外光谱特征波长与酸值的关系图。
图10为本申请实施例1和实施例2不同老化阶段绝缘油的紫外光谱特征波长与界面张力的关系图。
图11为本申请实施例1和实施例2不同老化阶段绝缘油的紫外光谱特征波长与电阻率的关系图。
图12为本申请实施例1和实施例2不同老化阶段绝缘油的紫外光谱特征波长与相对介电常数的关系图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
实施例1
一种基于紫外光谱的绝缘油老化状态评价方法，所述绝缘油选用矿物油(克拉玛依25#)。
开展绝缘油绝缘纸绝缘热老化试验，建立关键参数预测函数，包括以下步骤：
取0.108mm厚的牛皮纸作为绝缘纸，然后将绝缘纸和绝缘油在烘箱中90℃的条件下干燥48h，保证绝缘油和绝缘纸的水分含量分别低于15ppm和1％；
将干燥后的绝缘纸及铜条放入广口瓶中，每个广口瓶样品中绝缘油、绝缘纸和铜条的质量比为20:1:1，共计10个广口瓶样品，其中8个广口瓶样品用于测试分析建立关键参数预测函数和模糊预测模型，另外2个广口瓶样品用于验证关键参数预测函数和模糊预测模型的准确性；
将试验样品放入真空浸油箱，在60℃/50Pa条件下静置24h，完成浸油过程；
浸油完成后，向浸油箱内通入干燥的高纯氮气至常压，并在氮气环境下将广口瓶密封，取出后置于130℃的恒温箱中进行90天老化；
对用于测试分析建立关键参数预测函数和模糊预测模型的广口瓶样品，在第0天、第5天、第12天、第20天、第30天、第40天、第52天、第70天和第90天取绝缘油样本；
按照测量标准对9组绝缘油样本的酸值、界面张力、电阻率、相对介电常数等关键参数进行性能测试，每个关键参数至少测量3次，并按公式一进行归一化处理，取平均值作为最终结果用于分析，
其中为测量均值，n为测量次数，xi为第i次的测量值；
如图4所示的括矿物油绝缘油样本酸值随老化时间的变化曲线，可以看出绝缘油的酸值随着老化时间的增加呈递增趋势；如图5所示的矿物油绝缘油样本界面张力随老化时间的变化曲线，可以看出绝缘油的界面张力随着老化时间的增加呈快速下降趋势；如图6所示的矿物油绝缘油样本电阻率随老化时间的变化曲线，可以看出绝缘油的电阻率随着老化时间的增加呈递减趋势；如图7所示的矿物油绝缘油样本相对介电常数随老化时间的变化曲线，可以看出绝缘油的相对介电常数随着老化时间的增加呈递增趋势。可与看出，矿物油绝缘油的酸值、界面张力、电阻率、相对介电常数均能够直观地反应绝缘油的老化状态，故可将其选为评价绝缘油老化状态的关键参数。
对9组绝缘油样本进行紫外光谱透射率测试，获得绝缘油不同老化阶段不同透射率的紫外光谱波长数据，为减小测试中的误差影响，对每组绝缘油样本均进行3次紫外光谱透射率测试，并对测试结果按照公式二进行归一化处理，处理结果如图2所示。
其中x*为归一化后的值，max为光谱数据的最大值，min为光谱数据的最小值，x为光谱数据原始值；
图2中曲线2-1为第0天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线2-2为第5天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线2-3为第12天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线2-4为第20天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线2-5为第30天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线2-6为第40天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线2-7为第52天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线2-8为第70天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线2-9为第90天绝缘油样本的透射率随紫外光谱波长的变化曲线，可以出随着紫外光谱波长的增加，不同老化时间的绝缘油样本的透射率均逐渐单调增加。而且在0％和100％透射率附近，曲线存在大量重叠，不易区分，但在10％<透射率<80％时，相同透射率所对应波长随着老化时间的增加而逐渐增大，且不重叠容易区分，根据处理结果选定透射率50％时的紫外光谱波长作为评价绝缘油老化程度的紫外光谱特征波长，如图8所示矿物油绝缘油样本的紫外光谱特征波长随老化时间的变化曲线，可以看出随着老化时间的增加矿物油绝缘油的紫外光谱特征波长值单调递增，能够直观地反映绝缘油的老化状态。
建立绝缘油样本关键参数与紫外光谱特征波长的关系图，如图9所示包括矿物油绝缘油不同老化时间绝缘油的紫外光谱特征波长与酸值的变化曲线，如图10所示包括矿物油绝缘油不同老化时间绝缘油的紫外光谱特征波长与界面张力的变化曲线，如图11所示包括矿物油绝缘油不同老化时间绝缘油的紫外光谱特征波长与电阻率的变化曲线，如图12所示包括矿物油绝缘油不同老化时间绝缘油的紫外光谱特征波长与相对介电常数的变化曲线，可以看出绝缘油样本的酸值、界面张力、电阻率、相对介电常数均与紫外光谱特征波长值呈现指数规律，因此采用公式三进行拟合，得到关键参数预测函数，拟合结果如图9-12所示，可以看出拟合优度均高于0.95，说明绝缘油样本的酸值、界面张力、电阻率、相对介电常数均与特征波长值具有较好的指数规律，因此，测定绝缘油的紫外光谱特征波长，通过拟合得到关键参数预测函数，即可快速计算出绝缘油的多项关键参数，实现绝缘油老化关键参数的预测。
y＝a*exp(-x/b)+c (三)
式中，a，b，c均为常数；
如图9所示，通过拟合得到矿物油绝缘油老化过程酸值与紫外光谱特征波长的预测函数为，
y＝2.41×10-11*exp(x/22.30)+0.007
如图10所示，通过拟合得到矿物油绝缘油老化过程界面张力与紫外光谱特征波长的预测函数为，
y＝-0.792*exp(x/152.40)+50.16
如图11所示，通过拟合得到矿物油绝缘油老化过程电阻率与紫外光谱特征波长的预测函数为，
y＝570.37*exp(-x/218.70)-42.61
如图12所示，通过拟合得到矿物油绝缘油老化过程相对介电常数与紫外光谱特征波长的预测函数为，
y＝-0.60*exp(-x/273.15)+2.43
对用于验证关键参数预测函数和模糊预测模型准确性的广口瓶样品，在第20天进行更换绝缘油处理，并继续开展热老化试验，模拟绝缘油实际应用场景及后续老化过程。在第40天、第70天取绝缘油样本，并进行酸值、界面张力、电阻率、相对介电常数及紫外光谱透射率测试，将测试结果按照公式一、公式二进行归一化处理后，绝缘油样本的酸值、界面张力、电阻率、相对介电常数的实测值如表1所示，按紫外光谱透射率50％对第40天、第70天的绝缘油样本进行紫外光谱测试，得到第40天绝缘油样本的紫外光谱特征波长为422.5nm，第70天绝缘油样本的紫外光谱特征波长为488nm。
表1
将紫外光谱特征波长422.5nm、488nm分别代入酸值、界面张力、电阻率、相对介电常数的关键参数预测函数，得到酸值、界面张力、电阻率、相对介电常数的预测值，如表1所示。采用公式四计算预测偏差，如表1所示，可以看出，关键参数预测函数所得到的预测值与实测值偏差均较小，酸值、界面张力和相对介电常数的偏差均在10％以内，电阻率偏差在15％以内，并且四个关键参数预测偏差的平均值在9％以内，绝缘油老化参数预测精度达到了91％以上。
δ表示预测偏差，Yi表示预测值，yi表示实测值。
采用MATLAB模糊工具箱构建绝缘油老化状态评价模糊预测模型，主要包括以下步骤：
预设参与预测绝缘油老化状态评价的关键参数，所述关键参数包括酸值、界面张力、电阻率、相对介电常数；
选择MATLAB模糊工具箱中的高斯组合隶属函数，确定关键参数隶属度种类，所述隶属度种类包括高、中、低三种；
预设绝缘油老化状态种类，所述绝缘油老化状态种类包括老化前期、老化中期、老化后期三种；
采用“if-then”规则建立关键参数隶属度与绝缘油老化状态种类对应关系的模糊规则库，如表2所示为所述模糊规则库的部分对照表；
表2
预设绝缘油老化状态评价指标值，本申请结合国家标准和试验数据设定了注意值、警戒值和换油值三个标准评价指标值，其中注意值≥0.5，警戒值≥0.8，换油值≥1.0；
将用于验证关键参数预测函数和模糊预测模型准确性的绝缘油样本关键参数预测值输入到高斯组合隶属函数，得到关键参数隶属度；
对照所述模糊规则库，得到与关键参数隶属度对应的绝缘油老化状态；
利用MATLAB模糊工具箱自带的运算法则对得到的绝缘油老化状态解模糊处理，得到绝缘油老化指标值；
对比绝缘油老化指标值与预设的评价指标值，得到绝缘油样本的老化状态，当绝缘油老化指标值达到或超过相应的评价指标值后，即提醒设备监测或维护人员采取相应的处理措施，也可根据电力设备的重要程度，改变相应的评价指标值，实现保障安全运行和控制成本的平衡。
本申请中，将用于验证关键参数预测函数和模糊预测模型准确性的第40天、第70天绝缘油样本的酸值、界面张力、电阻率、相对介电常数的预测值输入到模糊预测模型中，经过运算后，输出绝缘油老化指标值，分别为0.4264、0.8229，经与预设的评价指标值对比，可以看出绝缘油老化第40天还未达到注意值，说明绝缘油品质尚未严重劣化，无需持续关注变压器绝缘油的运行状态，而第70天达到了警戒值，说明绝缘油参数性能已经严重劣化，需要进行持续监测或者滤油处理。且该模糊预测模型的预测结果与根据绝缘油样本的酸值、界面张力、电阻率、相对介电常数的实测值评价绝缘油老化状态的结果基本一致，反映出该绝缘油模糊预测模型具有较高的准确度。
实施例2
一种基于紫外光谱的绝缘油老化状态评价方法，所述绝缘油选用混合油，包括矿物油(克拉玛依25#)、大豆油(河南恩湃)、棕榈油(PFAE)，矿物油：大豆油：棕榈油的体积比为76％：19％：5％。
开展绝缘油绝缘纸绝缘热老化试验，建立关键参数预测模型，包括以下步骤：
取0.108mm厚的牛皮纸作为绝缘纸，然后将绝缘纸和绝缘油在烘箱中90℃的条件下干燥48h，保证绝缘油和绝缘纸的水分含量分别低于15ppm和1％；
将干燥后的绝缘纸及铜条放入广口瓶中，每个广口瓶样品中绝缘油、绝缘纸和铜条的质量比为20:1:1，共计10个广口瓶样品，其中8个广口瓶样品用于测试分析建立关键参数预测函数和模糊预测模型，另外2个广口瓶样品用于验证关键参数预测函数和模糊预测模型的准确性；
将试验样品放入真空浸油箱，在60℃/50Pa条件下静置24h，完成浸油过程；
浸油完成后，向浸油箱内通入干燥的高纯氮气至常压，并在氮气环境下将广口瓶密封，取出后置于130℃的恒温箱中进行90天老化；
对取用于测试分析建立关键参数预测函数和模糊预测模型的广口瓶样品，在第0天、第5天、第12天、第20天、第30天、第40天、第52天、第70天和第90天取绝缘油样本；
按照测量标准对9组绝缘油样本的酸值、界面张力、电阻率、相对介电常数等关键参数进行性能测试，每个关键参数至少测量3次，并按公式一进行归一化处理，取平均值作为最终结果用于分析。
如图4所示的括混合油绝缘油样本酸值随老化时间的变化曲线，可以看出绝缘油的酸值随着老化时间的增加呈递增趋势；如图5所示的混合油绝缘油样本界面张力随老化时间的变化曲线，可以看出绝缘油的界面张力随着老化时间的增加呈快速下降趋势；如图6所示的混合油绝缘油样本电阻率随老化时间的变化曲线，可以看出绝缘油的电阻率随着老化时间的增加呈递减趋势；如图7所示的混合油绝缘油样本相对介电常数随老化时间的变化曲线，可以看出绝缘油的相对介电常数随着老化时间的增加呈递增趋势。可与看出，混合油绝缘油的酸值、界面张力、电阻率、相对介电常数均能够直观地反应绝缘油的老化状态，故可将其选为评价绝缘油老化状态的关键参数。
对9组绝缘油样本进行紫外光谱透射率测试，获得绝缘油不同老化阶段不同透射率的紫外光谱波长数据，为减小测试中的误差影响，对每组绝缘油样本均进行3次紫外光谱透射率测试，并对测试结果按照公式二进行归一化处理，处理结果如图3所示。
图3中曲线3-1为第0天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线3-2为第5天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线3-3为第12天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线3-4为第20天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线3-5为第30天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线3-6为第40天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线3-7为第52天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线3-8为第70天绝缘油样本的透射率随紫外光谱波长的变化曲线，曲线3-9为第90天绝缘油样本的透射率随紫外光谱波长的变化曲线，可以出随着紫外光谱波长的增加，不同老化时间的绝缘油样本的透射率均逐渐单调增加。而且在0％和100％透射率附近，曲线存在大量重叠，不易区分，但在10％<透射率<80％时，相同透射率所对应波长随着老化时间的增加而逐渐增大，且不重叠容易区分，根据处理结果选定透射率50％时的紫外光谱波长作为评价绝缘油老化程度的紫外光谱特征波长，如图8所示混合油绝缘油样本的紫外光谱特征波长随老化时间的变化曲线，可以看出随着老化时间的增加混合油绝缘油的紫外光谱特征波长值单调递增，能够直观地反映绝缘油的老化状态；
建立绝缘油样本关键参数与紫外光谱特征波长的关系图，如图9所示包括混合油绝缘油不同老化时间绝缘油的紫外光谱特征波长与酸值的变化曲线，如图10所示包括混合油绝缘油不同老化时间绝缘油的紫外光谱特征波长与界面张力的变化曲线，如图11所示包括混合油绝缘油不同老化时间绝缘油的紫外光谱特征波长与电阻率的变化曲线，如图12所示包括混合油绝缘油不同老化时间绝缘油的紫外光谱特征波长与相对介电常数的变化曲线，可以看出绝缘油样本的酸值、界面张力、电阻率、相对介电常数均与紫外光谱特征波长值呈现指数规律，因此采用公式三进行拟合，得到关键参数预测函数，拟合结果如图9-12所示，可以看出拟合优度均高于0.9，说明绝缘油样本的酸值、界面张力、电阻率、相对介电常数均与特征波长值具有较好的指数规律，因此，测定绝缘油的紫外光谱特征波长，通过拟合得到关键参数预测函数，即可快速计算出绝缘油的多项关键参数，实现绝缘油老化关键参数的预测。
如图9所示，通过拟合得到混合油绝缘油老化过程酸值与紫外光谱特征波长的预测函数为，
y＝8.04×10-6*exp(x/56.16)-0.034
如图10所示，通过拟合得到混合油绝缘油老化过程界面张力与紫外光谱特征波长的预测函数为，
y＝3693.74*exp(-x/76.15)+13.96
如图11所示，通过拟合得到混合油绝缘油老化过程电阻率与紫外光谱特征波长的预测函数为，
y＝2010.12*exp(-x/160.79)-32.48
如图12所示，通过拟合得到混合油绝缘油老化过程相对介电常数与紫外光谱特征波长的预测函数为，
y＝8.08×10-7*exp(x/52.68)+2.12
对用于验证关键参数预测函数和模糊预测模型准确性的广口瓶样品，在第20天进行更换绝缘油处理，并继续开展热老化试验，模拟绝缘油实际应用场景及后续老化过程。在第40天、第70天取绝缘油样本，并进行酸值、界面张力、电阻率、相对介电常数及紫外光谱透射率测试，将测试结果按照公式一、公式二进行归一化处理后，绝缘油样本的酸值、界面张力、电阻率、相对介电常数的实测值如表3所示，按紫外光谱透射率50％对第40天、第70天的绝缘油样本进行紫外光谱测试，得到第40天绝缘油样本的紫外光谱特征波长为530nm，第70天绝缘油样本的紫外光谱特征波长为615.5nm；
表3
将紫外光谱特征波长530nm、615.5nm分别代入酸值、界面张力、电阻率、相对介电常数的关键参数预测函数，得到酸值、界面张力、电阻率、相对介电常数的预测值，如表3所示。采用公式四计算预测偏差，如表3所示，可以看出，关键参数预测函数所得到的预测值与实测值偏差均较小，酸值、界面张力和相对介电常数的偏差均在10％以内，电阻率偏差在15％以内，并且四个关键参数预测偏差的平均值在8％以内，绝缘油老化参数预测精度达到了92％以上。
采用MATLAB模糊工具箱构建绝缘油老化状态评价模糊预测模型，主要包括以下步骤：
预设参与预测绝缘油老化状态评价的关键参数，所述关键参数包括酸值、界面张力、电阻率、相对介电常数；
选择MATLAB模糊工具箱中的高斯组合隶属函数，确定关键参数隶属度种类，所述隶属度种类包括高、中、低三种；
预设绝缘油老化状态种类，所述绝缘油老化状态种类包括老化前期、老化中期、老化后期三种；
采用“if-then”规则建立关键参数隶属度与绝缘油老化状态种类对应关系的模糊规则库，如表2所示为所述模糊规则库的部分对照表；
预设绝缘油老化状态评价指标值，本申请结合国家标准和试验数据设定了注意值、警戒值和换油值三个标准评价指标值，其中注意值≥0.5，警戒值≥0.8，换油值≥1.0；
将用于验证关键参数预测函数和模糊预测模型准确性的绝缘油样本关键参数预测值输入到高斯组合隶属函数，得到关键参数隶属度；
对照所述模糊规则库，得到与关键参数隶属度对应的绝缘油老化状态；
利用MATLAB模糊工具箱自带的运算法则对得到的绝缘油老化状态解模糊处理，得到绝缘油老化指标值；
对比绝缘油老化指标值与预设的评价指标值，得到绝缘油样本的老化状态，当绝缘油老化指标值达到或超过相应的评价指标值后，即提醒设备监测或维护人员采取相应的处理措施，也可根据电力设备的重要程度，改变相应的评价指标值，实现保障安全运行和控制成本的平衡。
本申请中，将用于验证关键参数预测函数和模糊预测模型准确性的第40天、第70天绝缘油样本的酸值、界面张力、电阻率、相对介电常数的预测值输入到模糊预测模型中，经过运算后，输出绝缘油老化指标值，分别为0.3835、0.8033，经与预设的评价指标值对比，可以看出绝缘油老化第40天还未达到注意值，说明绝缘油品质尚未严重劣化，无需持续关注变压器绝缘油的运行状态，而第70天刚好达到了警戒值，说明绝缘油参数性能已经开始严重劣化，需要进行持续监测或者滤油处理。且该模糊预测模型的预测结果与根据绝缘油样本的酸值、界面张力、电阻率、相对介电常数的实测值评价绝缘油老化状态的结果基本一致，反映出该绝缘油模糊预测模型具有较高的准确度。
本实综合以上实施例可以看出，本申请通过对老化绝缘油关键参数和紫外光谱特征波长的检测分析，建立关键参数预测模型和模糊预测模型，然后将获得的待评价老化绝缘油的紫外光谱特征波长输入到关键参数预测函数获得绝缘油关键参数预测值，然后将获得的绝缘油关键参数预测值采用模糊预测模型进行处理，得到绝缘油老化指标值，与预设的评价指标值进行对比，即可判断评价绝缘油的老化状态，可实现对绝缘油老化程度的在线快速检测，具有操作便捷、周期短、预测精度高的特点，而且该方法受环境因素影响较小，易于实现在线监测。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (6)
1.一种基于紫外光谱的绝缘油老化状态评价方法，其特征在于，包括以下步骤：
获取绝缘油样本；
预设紫外光谱的透射率，设为第一数值，所述透射率为10％～80％；
对样本进行紫外光谱测试，分析样本的紫外光谱数据，记录透射率等于第一数值的紫外光谱波长；
选定该紫外光谱波长为紫外光谱特征波长；
将紫外光谱特征波长输入到关键参数预测函数，获得绝缘油样本关键参数预测值；
其中，
建立关键参数预测函数包括以下步骤：
对绝缘油进行绝缘热老化试验，获取绝缘油样本；
对绝缘油样本进行性能测试，获得关键参数实测值；
对绝缘油样本进行紫外光谱透射率测试，获得绝缘油样本在不同透射率下的紫外光谱波长；
分析获得的紫外光谱波长，确定绝缘油样本的紫外光谱特征波长；
用关键参数实测值和紫外光谱特征波长建立关键参数预测函数；
预设绝缘油老化状态评价指标值；
将关键参数预测值输入模糊预测模型，得到绝缘油老化指标值，所述模糊预测模型用于根据输入的关键参数预测值对绝缘油老化指标值进行预测；
其中，所述模糊预测模型采用模糊逻辑算法构建，主要包括以下步骤：
预设参与预测绝缘油老化状态评价的关键参数；
选择高斯组合隶属函数来确定关键参数隶属度种类；
预设绝缘油老化状态种类；
采用“if-then”规则建立关键参数隶属度与绝缘油老化状态种类对应关系的模糊规则库；
将关键参数预测值输入到高斯组合隶属函数，得到关键参数隶属度；
对照所述模糊规则库，得到与关键参数隶属度对应的绝缘油老化状态；
对得到的绝缘油老化状态进行解模糊处理，得到绝缘油老化指标值；
对比绝缘油老化指标值与预设的评价指标值，得到绝缘油样本的老化状态。
2.根据权利要求1所述的一种基于紫外光谱的绝缘油老化状态评价方法，其特征在于，所述关键参数包括酸值、界面张力、电阻率、相对介电常数。
3.根据权利要求1所述的一种基于紫外光谱的绝缘油老化状态评价方法，其特征在于，所述评价指标值包括注意值、警戒值、换油值；所述注意值≥0.5；所述警戒值≥0.8；所述换油值≥1.0。
4.根据权利要求1所述的一种基于紫外光谱的绝缘油老化状态评价方法，其特征在于，对获得的关键参数实测值按如下公式进行归一化处理，
其中为测量均值，n为测量次数，xi为第i次的测量值。
5.根据权利要求1所述的一种基于紫外光谱的绝缘油老化状态评价方法，其特征在于，对获得的不同透射率下的紫外光谱波长按如下公式进行归一化处理，
其中x*为归一化后的值，max为光谱数据的最大值，min为光谱数据的最小值，x为光谱数据原始值。
6.根据权利要求1所述的一种基于紫外光谱的绝缘油老化状态评价方法，其特征在于，所述紫外光谱特征波长对应的透射率为50％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111328226.0A CN114112961B (zh) | 2021-11-10 | 2021-11-10 | 一种基于紫外光谱的绝缘油老化状态评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111328226.0A CN114112961B (zh) | 2021-11-10 | 2021-11-10 | 一种基于紫外光谱的绝缘油老化状态评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114112961A CN114112961A (zh) | 2022-03-01 |
| CN114112961B true CN114112961B (zh) | 2024-02-20 |
Family
ID=80378132
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111328226.0A Active CN114112961B (zh) | 2021-11-10 | 2021-11-10 | 一种基于紫外光谱的绝缘油老化状态评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114112961B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117250456B (zh) * | 2023-11-20 | 2024-01-30 | 山东海鲲数控设备有限公司 | 一种变压器绝缘状态监测系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103245519A (zh) * | 2013-04-17 | 2013-08-14 | 华北电力大学 | 变压器油纸绝缘老化评估与寿命预测的装置及其预测方法 |
| CN106885978A (zh) * | 2017-04-20 | 2017-06-23 | 重庆大学 | 一种基于绝缘油拉曼光谱小波包能量熵的油纸绝缘老化诊断方法 |
| CN107843718A (zh) * | 2017-10-20 | 2018-03-27 | 广东电网有限责任公司河源供电局 | 一种变压器绝缘油老化状态评估的方法 |
| CN108485752A (zh) * | 2018-05-07 | 2018-09-04 | 广东卓原新材料科技有限公司 | 一种具有指示变压器运行过程功能的植物绝缘油 |
| CN109001598A (zh) * | 2018-05-31 | 2018-12-14 | 重庆大学 | 一种应用去极化电量增长率评估变压器油纸绝缘老化状态的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019504299A (ja) * | 2015-12-01 | 2019-02-14 | ゼネラル エレクトリック テクノロジー ゲゼルシャフト ミット ベシュレンクテル ハフツングＧｅｎｅｒａｌ Ｅｌｅｃｔｒｉｃ Ｔｅｃｈｎｏｌｏｇｙ ＧｍｂＨ | 変圧器油紙絶縁の主絶縁条件のインテリジェントな評価方法 |
-
2021
- 2021-11-10 CN CN202111328226.0A patent/CN114112961B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103245519A (zh) * | 2013-04-17 | 2013-08-14 | 华北电力大学 | 变压器油纸绝缘老化评估与寿命预测的装置及其预测方法 |
| CN106885978A (zh) * | 2017-04-20 | 2017-06-23 | 重庆大学 | 一种基于绝缘油拉曼光谱小波包能量熵的油纸绝缘老化诊断方法 |
| CN107843718A (zh) * | 2017-10-20 | 2018-03-27 | 广东电网有限责任公司河源供电局 | 一种变压器绝缘油老化状态评估的方法 |
| CN108485752A (zh) * | 2018-05-07 | 2018-09-04 | 广东卓原新材料科技有限公司 | 一种具有指示变压器运行过程功能的植物绝缘油 |
| CN109001598A (zh) * | 2018-05-31 | 2018-12-14 | 重庆大学 | 一种应用去极化电量增长率评估变压器油纸绝缘老化状态的方法 |
Non-Patent Citations (2)
| Title |
|---|
| Comparison of AC breakdown characteristics on insulation paper (pressboard) immersed by three-element mixed insulation oil and mineral oil;Dawei Feng 等;The institution of Engineering and Technology;第298-305页 * |
| 绝缘油老化特性及诊断方法研究进展;郭金明 等;绝缘材料;第54卷(第8期);第8-17页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114112961A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110297167B (zh) | 一种基于多源信息融合的变压器老化状态评价方法 | |
| Abu-Elanien et al. | Calculation of a health index for oil-immersed transformers rated under 69 kV using fuzzy logic | |
| Abu-Siada | Correlation of furan concentration and spectral response of transformer oil-using expert systems | |
| CN114112961B (zh) | 一种基于紫外光谱的绝缘油老化状态评价方法 | |
| CN108872814B (zh) | 一种高压电流互感器内部油纸绝缘寿命评估方法 | |
| CN106570644B (zh) | 一种基于统计工具的输变电设备量化评估方法 | |
| CN110889234B (zh) | 一种油浸式变压器内部绝缘油纸老化寿命评估方法 | |
| Malik et al. | UV/VIS response based fuzzy logic for health assessment of transformer oil | |
| Zhou et al. | Raman spectrum characteristics and aging diagnosis of oil-paper insulation with different oil-paper ratios | |
| CN111537845A (zh) | 基于拉曼光谱聚类分析的油纸绝缘设备老化状态识别方法 | |
| Shutenko et al. | Reliability assessment of the results of periodic monitoring of the transformer oils condition | |
| Soni et al. | Evaluation of power transformer health analysis by internal fault criticalities to prevent premature failure using statistical data analytics approach | |
| CN112557834B (zh) | 基于拉曼光谱的油纸绝缘设备老化诊断方法 | |
| Li et al. | Aging assessment of oil-impregnated-paper electrical equipment via near infrared spectroscopy powered by improved PCA-RBF-NN: Modelling and field practices | |
| Saeid et al. | Interaction of transformer oil parameters on each other and on transformer health index using curve estimation regression method | |
| Peng et al. | A novel furfural-detection-method for the aging prediction of paper insulation in power transformer | |
| CN112801445B (zh) | 基于多参量的油纸绝缘电容型套管受潮风险评估方法 | |
| Leong et al. | Portable device for transformer oil inhibitor content analysis using near-infrared spectroscopy wavelength | |
| CN112257228A (zh) | 基于拟合指纹数据库预测现场套管油纸绝缘状态方法 | |
| Tang et al. | Ageing condition assessment of oil‐paper insulation using near infrared spectroscopy detection and analytical technique | |
| Leong et al. | Portable NIR spectroscopy measuring device for transformer oil DBPC inhibitor analysis | |
| Feng et al. | Aging State Assessment of Transformer Oil Based on UV-Vis Spectrum and Fuzzy Algorithm | |
| Samuel et al. | Power Transformer Condition Monitoring by 2FAL Content and CO 2/CO ratio–a Fuzzy Logic Approac | |
| Meira et al. | DGA: A novel strategy for key gases identification in power transformers | |
| Xie et al. | Research on Transformer Fault Diagnosis Technology based on Multivariate Correction of Fluorescence Spectrum |
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 |