CN114252110B - 变电设备智能评估系统与评估方法 - Google Patents
变电设备智能评估系统与评估方法 Download PDFInfo
- Publication number
- CN114252110B CN114252110B CN202210194724.9A CN202210194724A CN114252110B CN 114252110 B CN114252110 B CN 114252110B CN 202210194724 A CN202210194724 A CN 202210194724A CN 114252110 B CN114252110 B CN 114252110B
- Authority
- CN
- China
- Prior art keywords
- oil
- value
- speed data
- data acquisition
- immersed transformer
- 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
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提出变电设备智能评估系统与评估方法,属于电网设备状态检测技术领域。所述方法包括:S101:获取第一预设时间段内的多组第二外部运行参数值;S102:判断多组第二外部运行参数值的变化范围是否在预定范围内;如果是,则增大第一预设时间段,返回步骤S101;如果否,则开始获取第二预设时间段内的多组第一内部环境参数值;S103:基于多组第一内部环境参数值,评估变电设备的运行状态。基于所述评估的变电设备的运行状态,切换所述第一高速数据采集传感器的采集模式。本发明的技术方案可以实现变电设备的智能状态评估与智能化监测。
Description
技术领域
本发明属于电网设备状态检测技术领域,尤其涉及一种变电设备智能评估系统与评估方法、实现所述方法的计算机可读存储介质。
背景技术
输变电设备的安全直接关乎整个电网的运行稳定,根据2007-2020年发布的电网安全情况报告,除个别年份,由于设备故障引发的安全事故占全年事故比例均处第一位。在我国“十二五”和“十三五”规划中明确提出要加强智能电网建设,其中电力设备状态监测、故障预测、新能源电力电子等是重要的技术创新单元。
配电变压器作为配电网电能运输的核心设备,在输送、分配和使用过程中发挥着重要的作用。其应用不止于工业和民生等各个领域,还遍布各个城乡,同时具有覆盖范围广、数量多等特点。然而配电变压器一旦发生故障,轻则损耗设备,重则发生重大停电事故,如未能及时处理故障将给医疗、交通、工业等各行各业带来巨大的经济损失。准确、实时、高效的配电变压器监测系统已成为减少故障,降低损失的客观要求。
然而,发明人发现,现有的变电设备尤其是变压器状态监测和故障评估系统,为了确保系统实时安全性,通常需要全天候的对所有可能涉及故障的参数信号进行采集,仅考虑变电设备的内部故障源,而没有考虑变电设备所在局部电网甚至局部环境的结果诱因,导致硬件传感器布局成本较高的同时,也存在极大的资源采集浪费。
发明内容
为解决上述技术问题,本发明提出一种变电设备智能评估系统与评估方法、实现所述方法的计算机可读存储介质。
在本发明的各个方案的技术方案中,所述变电设备配置智能组合传感器,所述智能组合传感器用于采集所述变电设备的第一内部环境参数和第二外部运行参数。
作为具体的例子,所述变电设备可以是变压器,尤其是油浸式变压器。
所述第一内部环境参数值包括所述变电设备所在位置的湿度值、温度值、噪声值、局放信号值之一、多种特征气体值或者其任意组合;
所述第二外部运行参数值包括所述变电设备所在局部电网的输出电压值和输出电流值以及目标测定负载的相角变化值。所述目标测定负载为接入所述变电设备所在局部电网的标准负载设备。
在本发明的第一个方面,提供一种变电设备智能评估方法,所述方法包括如下步骤:
S101:获取第一预设时间段内的多组第二外部运行参数值;
S102:判断所述多组第二外部运行参数值的变化范围是否在预定范围内;
如果是,则增大所述第一预设时间段,返回步骤S101;
如果否,则开始获取第二预设时间段内的多组第一内部环境参数值;
S103:基于所述多组第一内部环境参数值,评估所述变电设备的运行状态;
其中,所述第二预设时间段在所述第一预设时间段之后,并且所述第二预设时间段短于所述第一预设时间段。
可见,在本发明的技术方案中,不必在任何情况下都全方位的开启所有硬件传感器以采集所有参数,而是根据外部环境的变化来进行判断,以避免采集资源浪费。
并且,采集时间是动态调节的,在需要付出更多采集成本的内部传感器采集方面,也及时控制了采集时间长度,同时不影响精度。
为此,作为进一步的改进,所述智能组合传感器包括第一高速数据采集传感器和第二低速数据采集传感器;
所述第一高速数据采集传感器用于采集所述第一内部环境参数;
所述第二低速数据采集传感器用于采集所述第二外部运行参数。
同时,为了更多的体现采集模式自适应,以避免现有技术提及的全规模数据采集,在本发明中,所述第一高速数据采集传感器具有多种采集模式,不同的采集模式下采集的特征气体的种类不完全相同。
因此,所述方法进一步包括:
在所述步骤S103之后,基于所述评估的变电设备的运行状态,切换所述第一高速数据采集传感器的采集模式。
在本发明的第二个方面,提供一种变电设备智能评估系统,所述系统包括监测所述变电设备内部环境参数的第一高速数据采集传感器、监测所述变电设备外部运行参数的第二低速数据采集传感器、数据特征分析引擎、状态评估引擎以及智能切换引擎;
所述第二低速数据采集传感器将检测得到的多组变电设备外部运行参数发送至所述数据特征分析引擎;
所述数据特征分析引擎对所述外部运行参数执行数据趋势分析后,得出外部运行状态评估结果;
若所述外部运行状态评估结果满足预设条件,则启动所述第一高速数据采集传感器获取所述变电设备的内部环境参数;
所述状态评估评估引擎基于所述内部环境参数,评估所述变电设备的运行状态;
所述智能切换引擎基于所述运行状态的评估结果,生成切换信号,所述切换信号用于切换所述第一高速数据采集传感器的采集模式。
所述外部运行参数包括所述变电设备所在局部电网的输出电压、输出电流以及目标测定负载的相角变化值;
所述目标测定负载为接入所述变电设备所在局部电网的标准负载设备;
所述内部环境参数包括所述变电设备所在位置的湿度、温度、噪声、局放信号、特征气体之一或者其任意组合。
所述第一高速数据采集传感器具有多种采集模式,不同的采集模式下采集的特征气体的种类不同。
具体的,所述智能切换引擎基于所述运行状态的评估结果,生成切换信号,使得所述第一高速数据采集传感器切换到局部采集模式,在所述局部采集模式下,所述第一高速数据采集传感器仅采集与所述运行状态有关的内部环境参数。
所述数据特征分析引擎对所述外部运行参数执行数据趋势分析,包括如下方法之一或者其组合:
(1)分析所述外部运行参数的变化范围;
(2)预估所述外部运行参数在未来预定时间段的变换范围。
本发明第三方面,提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现上述第一个方面所述方法的步骤。
在本发明第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现上述第一个方面所述方法的步骤。
相对于现有技术,在本发明的技术方案中,不必在任何情况下都全方位的开启所有硬件传感器以采集所有参数,而是根据外部环境的变化来进行判断,以避免采集资源浪费。
并且,采集时间是动态调节的,在需要付出更多采集成本的内部传感器采集方面,也及时控制了采集时间长度,同时不影响精度。
同时,为了更多的体现采集模式自适应,以避免现有技术提及的全规模数据采集,在本发明中,所述第一高速数据采集传感器具有多种采集模式,不同的采集模式下采集的特征气体的种类不完全相同,并且可以实现智能切换。
本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的一种变电设备智能评估方法的主体流程图;
图2是实现图2所述方法的部分硬件结构示意图;
图3是实现图1所述方法的进一步优选实施例示意图
图4是本发明一个实施例的一种变电设备智能评估系统的主体架构图;
图5是图4所述一种变电设备智能评估系统的工作原理步骤图;
图6是实现图1或图5所述方法或者步骤的计算机电子设备的结构示意图。
具体实施方式
下面,结合附图以及具体实施方式,对发明做出进一步的描述。
在介绍本发明的各个实施例之前,先引入一些有关变压器状态监测以及故障识别的基本知识。需要指出的是,这些基本知识部分直接来自于现有技术文献,将作为本发明技术方案的一部分引入;此外,在基本知识之上,涉及本发明改进的部分知识也贯穿其中,以此介绍申请人发现相关技术问题的动机从而引出本发明的相关改进方案。
DL/T722-2014《变压器油中溶解气体分析和判断导则》指出,在目前国内电力系统大环境下,油中气体分析法仍然是监视充油设备最可靠和最稳定的方式之一,其工作原理是以气象色谱分析技术为基础,通过脱气机将油中溶解气体脱出,进而进行相应分析,并利用分析结果诊断油浸式变压器潜伏性故障。
传统诊断方法一般由大量变压器运行参数进行归纳得到,自1977年国际电工委员会提出三比值法,国外学者在此基础上又提出了改良三比值法、大卫三角法、立方图法等。
2006 年修订的《电力设备预防性试验规程》,对油浸式变压器的常规实验项目就有32 项之多,这其中包括油、气的分离与分析,出厂前与运行中的各种查验等。
发明人在实际应用中发现,上述提及的如此详细的规章制度确实能够有效预防变压器的各类故障,但过于冗杂的各类参数难以全面获取的同时还会消耗大量人力物力;此外,实际应用中,多个参数对同一故障的对应度较低,若干参数事实上仅能够反映单一故障,对资源是一种极大的浪费。
以三比值法为例,常规的三比值法需要同时识别C2H4、CH4、C2H2、C2H6和H2共计5种特征气体的含量,然后在特征气体两两组合出C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值,对它们量的比例区间进行编码并以此对应变压器故障种类。
大卫三角法则需要基于CH4、C2H4、C2H2的不同成分组合得到6种可能状态组合。
同时,单一的探测方法可能导致误判,实际应用中还需要结合一种或者多种方法综合判断,这也导致特征气体的采集必须更为全面。
然而,变压器实际上在某一个时刻的故障状态只有一种,一般不会同时发生两种以上的故障状态;此外,检验合格出厂的变压器实际上大部分时间均工作在正常状态,故障状态只是少数极端情况下或者外部不稳定状态下导致的局部短时故障。
发明人认为,现有技术的故障检测技术存在如下缺陷,即使面对的是局部短时故障,也必须实时监测所有时段,即长时间执行参数采集和识别;即使事实上某个时刻只能发生一个故障状态,也同时采集所有的特征参数,以便逐一组合所有参数值得到相应的识别指标才能进行判断。
这种处理方式显然不仅浪费了硬件资源,也徒增能耗,存在极大的问题需要改进。
在接下来的实施例中,所述变电设备以变压器为例,相应的实施例参数也以变压器尤其是油浸式变压器进行介绍。但是显然,对应的方法和方案也适合于其他电力系统的其他电力设备。
参见图1,是本发明针对上述问题改进的第一个实施例方法的流程图。
在图1中,所述方法包括步骤S101-S103,各个步骤具体实现如下:
S101:获取第一预设时间段内的多组第二外部运行参数值,所述第二外部运行参数值包括所述变电设备所在局部电网的输出电压值和输出电流值;
S102:判断所述多组第二外部运行参数值的变化范围是否在预定范围内;
如果是,则增大所述第一预设时间段,返回步骤S101;
如果否,则开始获取第二预设时间段内的多组第一内部环境参数值,所述第一内部环境参数值包括所述变电设备所在位置的湿度值、温度值、噪声值、局放信号值之一或者其任意组合;
S103:基于所述多组第一内部环境参数值,评估所述变电设备的运行状态;
其中,所述第二预设时间段在所述第一预设时间段之后,并且所述第二预设时间段短于所述第一预设时间段。
以油浸式变压器为例,此处所述的“外部”、“内部环境”是相对概念。
变压器所在的外部环境,是指将待评估变压器作为一个整体,从这个整体之外的环境中采集到的外部环境运行参数,包括所述局部电网的输出电压值、输出电流值/输出功率值以及多个相角变化值。
“变压器内部”,则是指变压器作为一个整体看待之后,在所述“整体”内部的环境。以油浸式变压器为例,油浸式即将变压器铁芯和绕组等浸入装满油的变压器油箱中,此时,所述的“变压器内部”则是指代变压器油箱,从变压器油箱的空间中,可以检测到多种特征气体以及变电设备所在位置的湿度值、温度值、噪声值、局放信号值之一或者其任意组合。
判断所述多组第二外部运行参数值的变化范围是否在预定范围内,包括判断所述局部电网的输出电压值、输出电流值/输出功率值以及多个相角变化值是否在正常范围。
这里的正常范围,可以通过历史数据统计得到,也可以通过设备预先标定得到。
例如,多个相角变化值中的最大变化值为90°的整数倍数(90°-180°-270°-360°),但是输出功率值连续低于第二标准值,则变压器故障为高能放电的置信度大于85%。
如果不在正常的预定范围,则意味着当前电子设备可能存在故障,此时才需要启动后续获取第第一内部环境参数值的步骤。
否则,增大所述第一预设时间段,继续获取第一预设时间段内的多组第二外部运行参数值。
在获取到第二预设时间段内的多组第一内部环境参数值之后,即可评估所述变电设备的运行状态。
所述变电设备的运行状态包括局部放电、低能放电、高能放电、低温过热、高温过热、中温过热;
以所述第一内部环境参数包括多种特征气体值为例,可以采用三比值法或者大卫三角法来进行变压器的状态评估。
在三比值法开始时,需要同时识别C2H4、CH4、C2H2、C2H6和H2共计5种特征气体的含量,然后在特征气体两两组合出C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值,对它们量的比例区间进行编码并以此对应变压器故障种类。
举例来说,若三个比值均低于0.1,则C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值对应的编码为0-1-0;若三个比值范围∈[0.1,1],则C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值对应的编码为1-0-0;若三个比值范围∈[1,3],则C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值对应的编码为1-2-1;若三个比值范围∈[3,1],则C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值对应的编码为2-2-2;
如此类推,可以得出三个不同比值在不同范围时的编码值,然后,根据三种编码值的组合,来确定不同的故障状态,例如,当C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值对应的编码组合为0-0-0时,故障类型判定为低于150℃的低温过热,当C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值对应的编码组合为0-2-0时,故障类型判定为150℃~300℃的低温过热。
在大卫三角法中,也是需要同时采集多种特征气体,然后通过计算比例值,在大卫三角法中查找区域极限。
大卫三角法的判断规则,是根据特征信号的比例值,对应的极限区域规则如下:
其中,
PD-局部放电;
D1-低能放电;
D2-高能放电;
T1-热故障,t<300℃;
T2-热故障,300℃<t<700℃;
T3-热故障,t>700℃。
此时所述变电设备的运行状态包括上述局部放电、低能放电、高能放电以及热故障(三类)。
在图1中,所述变电设备配置智能组合传感器,所述智能组合传感器用于采集所述变电设备的第一内部环境参数和第二外部运行参数。
更具体的,参见图2。所述智能组合传感器包括第一高速数据采集传感器和第二低速数据采集传感器;
所述第一高速数据采集传感器用于采集所述第一内部环境参数;
所述第二低速数据采集传感器用于采集所述第二外部运行参数。
图2还示出接入所述变电设备所在局部电网的目标测定负载,所述目标测定负载为一个预先设置好额定输入/输出值的标准负载设备,在接入所述变电设备所在局部电网后,可以采集得到标准的输出信号值,包括输出电压、输出电流、输出功率值以及相位角(简称相角)变化值等参数值。
在上述实施例中,所述第一内部环境参数还包括多种特征气体值;
所述第一高速数据采集传感器具有多种采集模式,不同的采集模式下采集的特征气体的种类不同。
所述第二外部运行参数还包括目标测定负载的相角变化值。
在图1基础上,参见图3,图3示出了实现图1所述方法的进一步优选实施例示意图。
在图3中,在所述步骤S103之后,所述方法还包括:
基于所述评估的变电设备的运行状态,切换所述第一高速数据采集传感器的采集模式。
具体的,若所述评估的变电设备的运行状态为“低温过热”,意味着此时只需要采集CH4以及 H2两种特征气体的含量,而不需要继续采集其他特征气体的含量。
上述过程可以通过基于已有的三比值法,采用逆向思维建立的三比值法模式切换数据库来实现。
具体介绍如下:
现有技术中,常规的三比值法需要同时识别C2H4、CH4、C2H2、C2H6和H2共计5种特征气体的含量,然后在特征气体两两组合出C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值,对它们量的比例区间进行编码并以此对应变压器故障种类。
举例来说,若三个比值均低于0.1,则C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值对应的编码为0-1-0;若三个比值范围∈[0.1,1],则C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值对应的编码为1-0-0;若三个比值范围∈[1,3],则C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值对应的编码为1-2-1;若三个比值范围∈[3,1],则C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值对应的编码为2-2-2;
如此类推,可以得出三个不同比值在不同范围时的编码值,然后,根据三种编码值的组合,来确定不同的故障状态,例如,当C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值对应的编码组合为0-0-0时,故障类型判定为低于150℃的低温过热,当C2H2/C2H4、CH4/ H2、以及C2H4/ C2H6三个比值对应的编码组合为0-2-0时,故障类型判定为150℃~300℃的低温过热。
可以看出,无论如何,现有技术在使用三比值法时,需要同时识别C2H4、CH4、C2H2、C2H6和H2共计5种特征气体的含量,造成不必要的数据采集资源浪费。
为此,作为改进,在本实施例中,基于已有的三比值法,采用逆向思维建立的三比值法模式切换数据库,具体如下:
针对“低温过热”的故障类型,其对应的编码为2,而不再是0-0-0和0-2-0,也就是说,在所述三比值法模式切换数据库中查找到对应的编码值为2。
此时,可基于所述编码值确定需要切换的采集模式。
具体的,此时所述编码值为2,则意味着此时只需要采集CH4以及 H2两种特征气体的含量,而不需要继续采集其他特征气体的含量。
因此,切换所述第一高速数据采集传感器的采集模式,仅采集CH4以及 H2两种特征气体的含量,而不需要继续采集其他特征气体的含量。
类似的,在三比值法模式切换数据库中,“低能放电”对应的编码值为2,而不是现有的三比值法三个编码(2-0/1-0/1/2;2-2-0/1/2),也不要监测所有的C2H4、CH4、C2H2、C2H6、H2、O2、CO、CO2以及气态或者液态的H2O。
值得注意的是,现有的三比值法的对应关系是:编码组合对应故障类型,即采集所有的特征气体后,得到三个比值对应的编码值,然后查找到编码组合确定故障类型;
如下表格所示:
而本发明采用的是逆向思维,即先基于外部环境参数值或者运行状态参数值,确定高于预定置信度下的潜在故障类型之后,潜在故障特征作为所述数据特征分析结果,然后从所述三比值法模式切换数据库查到对应的编码值,然后确定应该监测或者采集哪个或者哪两个特征气体,从而避免了采集所有特征气体信号造成的资源浪费。
概括来说,三比值法模式切换数据库中的编码值,是将现有的三比值法编码组合与故障类型的对应关系中,去除相同的编码组合,留下不同的编码组合所得到;
具体的,三比值法模式切换数据库是基于已有的三比值法对应的编码关系(编码-故障类型)表,将同类故障类型中相同的编码去除,保留不同编码后,建立的关于故障类型-编码的对应关系表。
以上述表格为基础,所述三比值法模式切换数据库中的编码值可以概括如下:
低温过热-编码值(2)-采集模式:CH4、 H2;
中温过热-编码值(2,1)-采集模式:CH4、 H2,H6,C2H4;
……
低能放电-编码值(2,0,1)-采集模式:H4、 H2,H6,C2H4;
以此类推。
当然,所述三比值法模式切换数据库的作用在于限定不同的特征气体,因此,还可以其他编码方式,上述例子仅仅是示意性的。
更具体的,在所述步骤S102中,若所述多组第二外部运行参数值的变化范围不在预定范围,则第一高速数据采集传感器以全局采集模式开始获取第二预设时间段内的多组第一内部环境参数值;
在所述步骤S103之后,所述第一高速数据采集传感器切换为局部采集模式;
所述局部采集模式下采集的第二外部运行参数类型少于所述全局采集模式采集的第二外部运行参数类型。
优选的,在所述局部采集模式下,所述第一高速数据采集传感器仅采集与所述运行状态有关的内部环境参数。
例如,当前运行状态为低能放电,对应采集模式为C2H4以及C2H2,即此时只需要采集C2H4以及C2H2;
当前运行状态为局部放电,则对应采集模式为CH4,即此时只需要采集CH4;
接下来参见图4。图4是本发明一个实施例的一种变电设备智能评估系统的主体架构图。
在图4中,示出一种变电设备智能评估系统,所述系统包括监测所述变电设备内部环境参数的第一高速数据采集传感器、监测所述变电设备外部运行参数的第二低速数据采集传感器、数据特征分析引擎、状态评估引擎以及智能切换引擎。
其中,
所述第二低速数据采集传感器将检测得到的多组变电设备外部运行参数发送至所述数据特征分析引擎;
所述数据特征分析引擎对所述外部运行参数执行数据趋势分析后,得出外部运行状态评估结果;
若所述外部运行状态评估结果满足预设条件,则启动所述第一高速数据采集传感器获取所述变电设备的内部环境参数;
所述状态评估评估引擎基于所述内部环境参数,评估所述变电设备的运行状态;所述智能切换引擎基于所述运行状态的评估结果,生成切换信号,所述切换信号用于切换所述第一高速数据采集传感器的采集模式。
所述外部运行参数包括所述变电设备所在局部电网的输出电压、输出电流以及目标测定负载的相角变化值;
所述目标测定负载为接入所述变电设备所在局部电网的标准负载设备;
所述内部环境参数包括所述变电设备所在位置的湿度、温度、噪声、局放信号、特征气体之一或者其任意组合。
所述第一高速数据采集传感器具有多种采集模式,不同的采集模式下采集的特征气体的种类不同。
所述数据特征分析引擎对所述外部运行参数执行数据趋势分析,包括如下方法之一或者其组合:
(1)分析所述外部运行参数的变化范围;
(2)预估所述外部运行参数在未来预定时间段的变换范围。
所述智能切换引擎基于所述运行状态的评估结果,生成切换信号,使得所述第一高速数据采集传感器切换到局部采集模式,在所述局部采集模式下,所述第一高速数据采集传感器仅采集与所述运行状态有关的内部环境参数。
图5则示意性的给出图4所述系统的工作原理,所述工作原理执行起来包括图5所述的步骤T1-T5,各个步骤实现如下:
T1:第二低速数据采集传感器检测得到多组变电设备外部运行参数
T2:数据特征分析引擎对外部运行参数执行数据趋势分析得出外部运行状态评估结果;
T3:启动第一高速数据采集传感器获取变电设备的内部环境参数;
T4:状态评估评估引擎基于内部环境参数评估变电设备的运行状态;
T5:生成切换信号使得第一高速数据采集传感器切换到局部采集模式。
在本发明的技术方案中,不必在任何情况下都全方位的开启所有硬件传感器以采集所有参数,而是根据外部环境的变化来进行判断,以避免采集资源浪费。
并且,采集时间是动态调节的,在需要付出更多采集成本的内部传感器采集方面,也及时控制了采集时间长度,同时不影响精度。
同时,为了更多的体现采集模式自适应,以避免现有技术提及的全规模数据采集,在本发明中,所述第一高速数据采集传感器具有多种采集模式,不同的采集模式下采集的特征气体的种类不完全相同,并且可以实现智能切换。
需要指出的是,图1、图3或图5所述步骤或者所述方法、流程,均可以通过计算机程序指令自动化的实现。因此,参见图6,提供一种电子计算机设备,该电子设备包括总线、处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。
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终端,其内部结构图可以如图6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、通信接口、显示屏和输入装置。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和计算机程序。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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现前述方法实例的步骤。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
本发明未特别明确的部分模块结构,以现有技术记载的内容为准。本发明在前述背景技术部分提及的现有技术可作为本发明的一部分,用于理解部分技术特征或者参数的含义。本发明的保护范围以权利要求实际记载的内容为准。
Claims (7)
1.一种油浸式变压器的状态智能评估方法,其特征在于,所述方法包括如下步骤:
S101:获取第一预设时间段内的多组第二外部运行参数值;
S102:判断所述多组第二外部运行参数值的变化范围是否在预定范围内;
如果是,则增大所述第一预设时间段,返回步骤S101;
如果否,则开始获取第二预设时间段内的多组第一内部环境参数值;
S103:基于所述多组第一内部环境参数值,评估所述油浸式变压器的运行状态;
所述第一内部环境参数值包括从所述油浸式变压器的油箱空间中检测得到的多种特征气体含量值以及所述油浸式变压器所在位置的湿度值、温度值、噪声值、局放信号值之一或者其任意组合;
采用第一高速数据采集传感器采集所述第一内部环境参数;
所述第二外部运行参数值包括所述油浸式变压器所在局部电网的输出电压值、输出电流值/输出功率值以及多个相角变化值;
采用第二低速数据采集传感器采集所述第二外部运行参数;
所述第二预设时间段短于所述第一预设时间段;
在所述步骤S102中,若所述多组第二外部运行参数值的变化范围不在预定范围,则第一高速数据采集传感器以全局采集模式开始获取第二预设时间段内的多组第一内部环境参数值;
在所述步骤S103之后,所述第一高速数据采集传感器切换为局部采集模式;所述局部采集模式下采集的第二外部运行参数类型少于所述全局采集模式采集的第二外部运行参数类型;
所述切换基于三比值法模式切换数据库实现;
其中,所述三比值法模式切换数据库是基于已有的三比值法,采用逆向思维建立,具体包括:
基于已有的三比值法对应的编码关系表,将同类故障类型中相同的编码去除,保留不同编码后,建立的关于故障类型-编码的对应关系表;
先基于外部环境参数值或者运行状态参数值,确定高于预定置信度下的潜在故障类型之后,潜在故障特征作为数据特征分析结果,然后从所述三比值法模式切换数据库查到对应的编码值,然后确定应该监测或者采集哪个或者哪两个特征气体。
2.如权利要求1所述的一种油浸式变压器的状态智能评估方法,其特征在于,
所述步骤S102判断所述多组第二外部运行参数值的变化范围是否在预定范围内,具体包括:判断所述局部电网的输出电压值、输出电流值/输出功率值以及多个相角变化值是否在正常范围。
3.如权利要求2所述的一种油浸式变压器的状态智能评估方法,其特征在于,
所述正常范围通过历史数据统计得到,或者通过设备预先标定得到。
4.如权利要求1所述的一种油浸式变压器的状态智能评估方法,其特征在于,
所述步骤S103中采用三比值法或者大卫三角法来进行油浸式变压器的状态评估。
5.如权利要求1所述的一种油浸式变压器的状态智能评估方法,其特征在于,
所述多种特征气体包括C2H4、CH4、C2H2、C2H6和H2。
6.一种油浸式变压器状态的智能评估系统,用于实现权利要求1-5任一项所述的一种油浸式变压器的状态智能评估方法;
所述系统包括监测所述油浸式变压器内部环境参数的第一高速数据采集传感器、监测所述油浸式变压器外部运行参数的第二低速数据采集传感器、数据特征分析引擎、状态评估引擎以及智能切换引擎;
其特征在于:
所述第一高速数据采集传感器具有多种采集模式,不同的采集模式下采集的特征气体的种类不同;
所述第二低速数据采集传感器将检测得到的多组外部运行参数发送至所述数据特征分析引擎;
所述数据特征分析引擎对所述外部运行参数执行数据趋势分析后,得出外部运行状态评估结果;
所述数据趋势分析包括分析所述外部运行参数的变化范围、和/或预估所述外部运行参数在未来预定时间段的变换范围;
若所述外部运行状态评估结果满足预设条件,则启动所述第一高速数据采集传感器获取所述油浸式变压器的内部环境参数;
所述状态评估引擎基于所述内部环境参数,评估所述油浸式变压器的运行状态;
所述智能切换引擎基于所述运行状态的评估结果,生成切换信号,使得所述第一高速数据采集传感器切换到局部采集模式,在所述局部采集模式下,所述第一高速数据采集传感器仅采集与所述运行状态有关的内部环境参数。
7.如权利要求6所述的一种油浸式变压器状态的智能评估系统,其特征在于:
所述外部运行参数包括所述油浸式变压器所在局部电网的输出电压、输出电流以及目标测定负载的相角变化值;
所述目标测定负载为接入所述油浸式变压器所在局部电网的标准负载设备;
所述内部环境参数包括所述油浸式变压器所在位置的湿度、温度、噪声、局放信号、特征气体之一或者其任意组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210194724.9A CN114252110B (zh) | 2022-03-02 | 2022-03-02 | 变电设备智能评估系统与评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210194724.9A CN114252110B (zh) | 2022-03-02 | 2022-03-02 | 变电设备智能评估系统与评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114252110A CN114252110A (zh) | 2022-03-29 |
CN114252110B true CN114252110B (zh) | 2022-12-06 |
Family
ID=80800144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210194724.9A Active CN114252110B (zh) | 2022-03-02 | 2022-03-02 | 变电设备智能评估系统与评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114252110B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101692113A (zh) * | 2009-10-12 | 2010-04-07 | 天津大学 | 基于区间数学理论的电力变压器故障诊断方法 |
CN107274112A (zh) * | 2017-07-07 | 2017-10-20 | 许寅卿 | 改良油中溶解气体的诊断算法模型 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8489363B2 (en) * | 2010-09-28 | 2013-07-16 | General Electric Company | Monitoring and diagnosing generator operation |
CN103558476B (zh) * | 2013-11-09 | 2015-11-11 | 张金木 | 一种高压电网运行状态检测系统 |
CN103605096B (zh) * | 2013-11-20 | 2017-02-08 | 广东电网公司电力科学研究院 | 在线调整电网状态检测系统参数的方法与系统 |
CN104391086B (zh) * | 2014-11-26 | 2016-01-06 | 广东电网有限责任公司电力科学研究院 | 变压器外部环境湿度参量测量方法和系统 |
CN106600064A (zh) * | 2016-12-16 | 2017-04-26 | 东软集团股份有限公司 | 一种数据预测方法及装置 |
CN106908674B (zh) * | 2017-02-17 | 2020-02-07 | 国网上海市电力公司 | 一种基于多状态量预测的变压器状态评估方法 |
CN108809760A (zh) * | 2018-06-07 | 2018-11-13 | 郑州云海信息技术有限公司 | 数据采样系统中采样周期的控制方法和装置 |
CN108846591A (zh) * | 2018-07-11 | 2018-11-20 | 国网重庆市电力公司万州供电分公司 | 一种变电站开关柜多运行状态智能监测系统及评估方法 |
CN111856166B (zh) * | 2019-04-19 | 2023-08-01 | 宁波奥克斯智能科技股份有限公司 | 一种箱式变压器的检测方法及变压器 |
CN110030700A (zh) * | 2019-04-22 | 2019-07-19 | 珠海格力电器股份有限公司 | 运行参数采集方法、装置、计算机设备及空调器系统 |
CN110794092B (zh) * | 2019-10-28 | 2020-10-23 | 珠海格力电器股份有限公司 | 传感器及其控制方法、装置、设备和空气质量监测设备 |
CN111999608B (zh) * | 2020-07-27 | 2023-04-18 | 北京智芯微电子科技有限公司 | 配电变压器的监测方法、监测系统与智能终端 |
CN112880750A (zh) * | 2021-03-26 | 2021-06-01 | 山东和兑智能科技有限公司 | 一种变压器多维度综合在线监测智能诊断系统 |
CN113205127A (zh) * | 2021-04-27 | 2021-08-03 | 国网电力科学研究院有限公司 | 一种基于边缘计算的变压器自我诊断评估装置及方法 |
CN113267221B (zh) * | 2021-06-24 | 2022-09-27 | 江苏安利达科技有限公司 | 一种电力电网系统变压器运行安全在线实时监测预警方法 |
CN113986701A (zh) * | 2021-10-20 | 2022-01-28 | 中国铁道科学研究院集团有限公司 | 应用于智能牵引变电系统的设备数据处理方法及装置 |
CN114123518B (zh) * | 2022-01-25 | 2022-04-22 | 山东和兑智能科技有限公司 | 变压器数字化智能检测方法与监测系统 |
-
2022
- 2022-03-02 CN CN202210194724.9A patent/CN114252110B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101692113A (zh) * | 2009-10-12 | 2010-04-07 | 天津大学 | 基于区间数学理论的电力变压器故障诊断方法 |
CN107274112A (zh) * | 2017-07-07 | 2017-10-20 | 许寅卿 | 改良油中溶解气体的诊断算法模型 |
Non-Patent Citations (1)
Title |
---|
油浸式变压器故障类型与故障诊断技术研究;白忠雄等;《电子制作》;20210615;第19-22页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114252110A (zh) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106338706B (zh) | 一种电能计量装置整体误差检测的方法、装置和系统 | |
CN107024629B (zh) | 一种用于电力少油设备状态检测评价系统及状态评价方法 | |
CN110689252B (zh) | 一种电容式电压互感器计量误差态势感知系统 | |
CN103399241A (zh) | 基于温升与负荷关系的配电变压器故障诊断系统及方法 | |
CN204405618U (zh) | 变压器油中溶解气体在线监测综合处理单元 | |
CN104316803B (zh) | 一种基于带电检测的电力变压器状态评价方法及系统 | |
CN110940374A (zh) | 基于大数据融合的变压器健康等级评价系统及方法 | |
CN104091416A (zh) | 一种监测电力变压器异常状态的报警系统 | |
CN105044499A (zh) | 一种电力系统设备变压器状态的检测方法 | |
CN110829590A (zh) | 一种台区线损智能监测系统、方法、平台及存储介质 | |
CN109188082A (zh) | 一种基于bp神经网络的变压器状态评估方法 | |
CN109270482A (zh) | 电压互感器计量准确度在线评价方法及终端设备 | |
CN114123518B (zh) | 变压器数字化智能检测方法与监测系统 | |
CN114994460A (zh) | 一种电缆绝缘性能预测装置及方法 | |
CN114252110B (zh) | 变电设备智能评估系统与评估方法 | |
CN103344937B (zh) | 智能电能表功耗检测设备及检测方法 | |
CN111999608B (zh) | 配电变压器的监测方法、监测系统与智能终端 | |
CN117574200A (zh) | 一种基于隶属度的变压器健康状态评估方法及系统 | |
RU82867U1 (ru) | Система диагностики маслонаполненных измерительных трансформаторов | |
CN114252724B (zh) | 变压器智能检测方法与检测系统 | |
CN105913884B (zh) | 一种核电站电气贯穿件气体状态监测系统 | |
Shao | A novel method of transformer fault diagnosis based on extension theory and information fusion in wireless sensor networks | |
CN207336435U (zh) | 一种带有温湿度监测装置的变压器油检测仪 | |
CN111579942A (zh) | 一种集成变压器油气、局部放电和微水检测的智能传感器 | |
Agarwal et al. | Implementation of remaining useful lifetime transformer models in the fleet-wide prognostic and health management suite |
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 |