CN114333907A - 一种变压器运行健康值评价方法 - Google Patents
一种变压器运行健康值评价方法 Download PDFInfo
- Publication number
- CN114333907A CN114333907A CN202111642405.1A CN202111642405A CN114333907A CN 114333907 A CN114333907 A CN 114333907A CN 202111642405 A CN202111642405 A CN 202111642405A CN 114333907 A CN114333907 A CN 114333907A
- Authority
- CN
- China
- Prior art keywords
- sound
- transformer
- health
- threshold
- value
- 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
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提出的是一种变压器运行健康值评价方法，该方法包括以下步骤：1）选取多个声音特征并为每个声音特征确定声音特征第一阈值与声音特征第二阈值；2）为每个声音特征赋予权重；3）根据声音特征权重与声音特征第一阈值、声音特征第二阈值确定变压器运行健康指标，所述变压器运行健康指标包括第一健康指标阈值与第二健康指标阈值。本发明能够实现对变压器运行健康值的量化评价，具有评价方法简单、易于编程实现、可靠性高的优点。
Description
技术领域
本发明涉及一种变压器运行健康值评价方法，属于电力安全监测技术领域。
背景技术
变压器是电力系统最关键设备之一，其安全运行对于保障电力系统的供电可靠性具有十分重要的意义；变压器健康指标是评价变压器运行状态的重要参数，能够实现变压器健康状态的量化评价，对于变压器安全稳定运行具有客观现实意义。
声音伴随变压器运行产生，声音的幅值、时域波形、频谱特性与其运行电压、电流、机械状态、励磁状态、绝缘状态等密切相关，可及时反映设备运行状态变化；因此，利用声音特征能够对变压器健康状况进行评价。
目前，利用声音诊断变压器故障的方法主要包括人工巡视方法或仪器设备检测方法等；人工巡视方法费时费力，容易产生误判，诊断结果与技术人员的经验密切相关，无法对变压器运行健康值进行量化评价；现有基于仪器设备检测的方法仅能实现变压器不同缺陷类型的诊断，技术方案复杂，难以对变压器的运行状态、缺陷严重程度或者健康指标进行量化评价，不利于安排设备检修计划。
发明内容
本发明提出的是一种变压器运行健康值评价方法，其目的旨在解决现有技术无法对变压器的运行状态进行健康评价的问题。
本发明的技术解决方案：一种变压器运行健康值评价方法，该方法包括以下步骤：
1）选取多个声音特征并为每个声音特征确定声音特征第一阈值与声音特征第二阈值；
2）为每个声音特征赋予权重；
3）根据声音特征权重与声音特征第一阈值、声音特征第二阈值确定变压器运行健康指标，所述变压器运行健康指标包括第一健康指标阈值与第二健康指标阈值。
优选地，所述的一种变压器运行健康值评价方法，该方法还包括以下步骤：
4）为变压器运行健康指标构建样本库；
5）采集新的变压器声音样本，根据声音特征权重与声音特征计算变压器运行健康指标。
优选地，所述的一种变压器运行健康值评价方法，该方法还包括以下步骤：
6）根据变压器运行健康指标样本库中正常样本的比例确定变压器健康值。
优选地，所述步骤1）中声音特征第一阈值决定了变压器的“注意”状态，声音特征第二阈值决定了变压器的“故障”状态。
优选地，所述多个声音特征包括变压器声音信号中100Hz声音幅值、变压器声音信号中200Hz～700Hz声音幅值、700Hz～2kHz声音幅值、2kHz～40kHz声音幅值。
优选地，所述步骤2）中为每个声音特征赋予权重，具体包括：利用人工神经网络算法，将声音特征作为输入、变压器健康状态作为输出，通过样本训练获得 100Hz声音幅值、变压器声音信号中200Hz～700Hz声音幅值、700Hz～2kHz声音幅值、2kHz～40kHz声音幅值的权重。
优选地，所述步骤3）中变压器运行健康指标按照式（1）计算：
式中：H为变压器运行健康指标，α i 为第i个声音特征的权重，F i 为第i个声音特征，n为声音特征数量，i=1,2，……n。
优选地，所述变压器运行健康指标的第一健康指标阈值按照式（2）计算：
式中：H 1为变压器运行健康指标的第一健康指标阈值，V i 为第i个声音特征的声音特征第一阈值。
优选地，所述变压器运行健康指标的第二健康指标阈值按照式（3）计算：
式中：H 2为变压器运行健康指标的第二健康指标阈值，T i 为第i个声音特征的声音特征第二阈值。
优选地，所述步骤6）中变压器运行健康指标样本库包含正常样本、注意样本、异常样本，利用正常样本占总样本的数量比例确定变压器健康值。
本发明的有益效果：
本发明通过选取多个声音特征并为每个声音特征确定第一阈值与第二阈值，为每个声音特征赋予权重，根据声音特征权重与声音特征的声音特征第一阈值与声音特征第二阈值确定变压器运行健康指标的第一健康指标阈值与第二健康指标阈值，为变压器运行健康指标构建样本库，采集新的变压器声音样本，根据声音特征权重与声音特征计算变压器运行健康指标，根据变压器运行健康指标样本库中正常样本的比例确定变压器健康值，能够实现对变压器运行健康值的量化评价，具有评价方法简单、易于编程实现、可靠性高的优点。
附图说明
附图1为本发明实施例的基本流程示意图。
具体实施方式
一种变压器运行健康值评价方法，该方法包括以下步骤：
1）选取多个声音特征并为每个声音特征确定声音特征第一阈值与声音特征第二阈值；
2）为每个声音特征赋予权重；
3）根据声音特征权重与声音特征第一阈值、声音特征第二阈值确定变压器运行健康指标，所述变压器运行健康指标包括第一健康指标阈值与第二健康指标阈值；
4）为变压器运行健康指标构建样本库；
5）采集新的变压器声音样本，根据声音特征权重与声音特征计算变压器运行健康指标；
6）根据变压器运行健康指标样本库中正常样本的比例确定变压器健康值。
所述步骤1）中声音特征第一阈值决定了变压器的“注意”状态，声音特征第二阈值决定了变压器的“故障”状态。
所述多个声音特征包括变压器声音信号中100Hz声音幅值、变压器声音信号中200Hz～700Hz声音幅值、700Hz～2kHz声音幅值、2kHz～40kHz声音幅值。
所述步骤2）中为每个声音特征赋予权重，具体包括：利用人工神经网络算法，将声音特征作为输入、变压器健康状态作为输出，通过样本训练获得 100Hz声音幅值、变压器声音信号中200Hz～700Hz声音幅值、700Hz～2kHz声音幅值、2kHz～40kHz声音幅值的权重。
所述步骤3）中变压器运行健康指标按照式（1）计算：
式中：H为变压器运行健康指标，α i 为第i个声音特征的权重，F i 为第i个声音特征，n为声音特征数量，i=1,2，……n。
所述变压器运行健康指标的第一健康指标阈值按照式（2）计算：
式中：H 1为变压器运行健康指标的第一健康指标阈值，V i 为第i个声音特征的声音特征第一阈值。
所述变压器运行健康指标的第二健康指标阈值按照式（3）计算：
式中：H 2为变压器运行健康指标的第二健康指标阈值，T i 为第i个声音特征的声音特征第二阈值。
所述步骤6）中变压器运行健康指标样本库包含正常样本、注意样本、异常样本，利用正常样本占总样本的数量比例确定变压器健康值。
实施例1
如图1所示，本实施例基于声音特征权重的变压器运行健康值评价方法的步骤包括：
1）选取多个声音特征并为每个声音特征确定声音特征第一阈值与声音特征第二阈值；
2）为每个声音特征赋予权重；
3）根据声音特征权重与声音特征的声音特征第一阈值、声音特征第二阈值确定变压器运行健康指标的第一健康指标阈值与第二健康指标阈值；
4）为变压器运行健康指标构建样本库；
5）采集新的变压器声音样本，根据声音特征权重与声音特征计算变压器运行健康指标；此步骤的目的在于在样本库中增加一个变压器运行健康指标的样本数量，以便计算正常样本、注意样本、异常样本的比例；
6）根据变压器运行健康指标样本库中正常样本的比例确定变压器健康值。
本实施例中，选取4个变压器声音特征，分别为100Hz声音幅值、变压器声音信号中200Hz～700Hz声音幅值、700Hz～2kHz声音幅值、2kHz～40kHz声音幅值；所述100Hz声音幅值为声音特征F 1，声音特征F 1的声音特征第一阈值V 1为0.6，声音特征F 1的声音特征第二阈值T 1为0.8；所述200Hz～700Hz声音幅值为声音特征F 2，声音特征F 2的声音特征第一阈值V 2为0.3，声音特征F 2的声音特征第二阈值T 2为0.5；所述700Hz～2kHz声音幅值为声音特征F 3，声音特征F 3的声音特征第一阈值V 3为0.5，声音特征F 3的声音特征第二阈值T 3为0.8；
所述2kHz～40kHz声音幅值为声音特征F 4，声音特征F 4的声音特征第一阈值V 4为0.2，声音特征F 4的声音特征第二阈值T 4为0.75。
本实施例中，所述步骤1）中声音特征第一阈值决定了变压器的“注意”状态，声音特征第二阈值决定了变压器的“故障”状态。
所述步骤2）中为每个声音特征赋予权重，具体包括：利用人工神经网络算法，将声音特征作为输入、变压器健康状态作为输出，通过样本训练获得 100Hz声音幅值、变压器声音信号中200Hz～700Hz声音幅值、700Hz～2kHz声音幅值、2kHz～40kHz声音幅值的权重；本实施例中声音特征F 1的权重α 1为0.4；声音特征F 2的权重α 2为0.4；声音特征F 3的权重α 3为0.1；声音特征F 4的权重α 4为0.1；各声音特征权重之和为1。
本实施例中，步骤3）中变压器运行健康指标按照式（1）计算：
式中：H为变压器运行健康指标，α i 为第i个声音特征的权重，F i 为第i个声音特征，n为声音特征数量，i=1,2，……n；
相应的，变压器运行健康指标的第一健康指标阈值按照式（2）计算：
式中：H 1为变压器运行健康指标的第一健康指标阈值，V i 为第i个声音特征的声音特征第一阈值，i=1，2，3，4；
相应的，变压器运行健康指标的第二健康指标阈值按照式（3）计算：
式中：H 2为变压器运行健康指标的第二健康指标阈值，T i 为第i个声音特征的声音特征第二阈值，i=1，2，3，4。
按照上述计算方法，根据声音特征权重与声音特征的声音特征第一阈值、声音特征第二阈值确定变压器运行健康指标的第一健康指标阈值为0.43、第二健康指标阈值为0.675。
本实施例步骤4）中为变压器运行健康指标构建样本库，具体包括：通过对一台变压器声音进行连续检测并进行健康指标计算，获取变压器运行健康指标样本库；变压器运行健康指标样本库中，低于变压器运行健康指标的第一健康指标阈值的健康指标为正常样本，大于等于变压器运行健康指标的第一健康指标阈值且小于变压器运行健康指标的第二健康指标阈值的健康指标为注意样本，大于等于变压器运行健康指标的第二健康指标阈值的健康指标为异常样本；本实施例中，变压器运行健康指标样本库包含99个样本数据，正常样本数据有60条、注意样本数据有30条、异常样本数据有9条。
本实施例中步骤5）采集新的变压器声音样本，具体包括：根据声音特征权重与声音特征计算变压器运行健康指标，根据声音特征权重与声音特征计算新的变压器运行健康指标为0.45，该数值大于变压器运行健康指标的第一健康指标阈值且小于变压器运行健康指标的第二健康指标阈值，对应注意样本；此变压器新的运行健康指标加入变压器运行健康指标样本库后，变压器运行健康指标样本库样本数量达到100个；其中，正常样本数据有60条、注意样本数据有31条、异常样本数据有9条。
本实施例中，步骤6）根据变压器运行健康指标样本库中正常样本的比例确定变压器健康值，具体包括步骤6）中变压器运行健康指标样本库包含正常样本60条、注意样本31条、异常样本9条，正常样本占总样本数量的比例为0.6，因此，确定变压器健康值为0.6；一般而言，变压器健康值超过0.9认为是健康状态，低于0.7为异常状态，其余为亚健康状态；本实施例中，变压器处于异常状态，需要加强对变压器的监控，如果该健康值继续下降则需要对变压器进行现场检查，进而判断故障原因，提出检修措施。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围；应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种变压器运行健康值评价方法，其特征是包括以下步骤：
1）选取多个声音特征并为每个声音特征确定声音特征第一阈值与声音特征第二阈值；
2）为每个声音特征赋予权重；
3）根据声音特征权重与声音特征第一阈值、声音特征第二阈值确定变压器运行健康指标，所述变压器运行健康指标包括第一健康指标阈值与第二健康指标阈值。
2.根据权利要求1所述的一种变压器运行健康值评价方法，其特征是还包括以下步骤：
4）为变压器运行健康指标构建样本库；
5）采集新的变压器声音样本，根据声音特征权重与声音特征计算变压器运行健康指标。
3.根据权利要求2所述的一种变压器运行健康值评价方法，其特征是还包括以下步骤：
6）根据变压器运行健康指标样本库中正常样本的比例确定变压器健康值。
4.根据权利要求1-3中任一项所述的一种变压器运行健康值评价方法，其特征是所述步骤1）中声音特征第一阈值决定了变压器的“注意”状态，声音特征第二阈值决定了变压器的“故障”状态。
5.根据权利要求1-3中任一项所述的一种变压器运行健康值评价方法，其特征是所述多个声音特征包括变压器声音信号中100Hz声音幅值、变压器声音信号中200Hz～700Hz声音幅值、700Hz～2kHz声音幅值、2kHz～40kHz声音幅值。
6. 根据权利要求1-3中任一项所述的一种变压器运行健康值评价方法，其特征是所述步骤2）中为每个声音特征赋予权重，具体包括：利用人工神经网络算法，将声音特征作为输入、变压器健康状态作为输出，通过样本训练获得 100Hz声音幅值、变压器声音信号中200Hz～700Hz声音幅值、700Hz～2kHz声音幅值、2kHz～40kHz声音幅值的权重。
7.根据权利要求1-3中任一项所述的一种变压器运行健康值评价方法，其特征是所述步骤3）中变压器运行健康指标按照式（1）计算：
式中：H为变压器运行健康指标，α i 为第i个声音特征的权重，F i 为第i个声音特征，n为声音特征数量，i=1,2，……n。
8.根据权利要求1-3中任一项所述的一种变压器运行健康值评价方法，其特征是所述第一健康指标阈值按照式（2）计算：
式中：H 1为变压器运行健康指标的第一健康指标阈值，V i 为第i个声音特征的声音特征第一阈值，n为声音特征数量，i=1,2，……n。
9.根据权利要求1-3中任一项所述的一种变压器运行健康值评价方法，其特征是所述第二健康指标阈值按照式（3）计算：
式中：H 2为变压器运行健康指标的第二健康指标阈值，T i 为第i个声音特征的声音特征第二阈值，n为声音特征数量，i=1,2，……n。
10.根据权利要求3所述的一种变压器运行健康值评价方法，其特征是所述步骤6）中变压器运行健康指标样本库包含正常样本、注意样本、异常样本，利用正常样本占总样本的数量比例确定变压器健康值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111642405.1A CN114333907A (zh) | 2021-12-30 | 2021-12-30 | 一种变压器运行健康值评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111642405.1A CN114333907A (zh) | 2021-12-30 | 2021-12-30 | 一种变压器运行健康值评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114333907A true CN114333907A (zh) | 2022-04-12 |
Family
ID=81016338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111642405.1A Pending CN114333907A (zh) | 2021-12-30 | 2021-12-30 | 一种变压器运行健康值评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114333907A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117109730A (zh) * | 2023-10-23 | 2023-11-24 | 山东和兑智能科技有限公司 | 基于人工智能的变压器故障诊断系统及方法 |
-
2021
- 2021-12-30 CN CN202111642405.1A patent/CN114333907A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117109730A (zh) * | 2023-10-23 | 2023-11-24 | 山东和兑智能科技有限公司 | 基于人工智能的变压器故障诊断系统及方法 |
| CN117109730B (zh) * | 2023-10-23 | 2024-01-12 | 山东和兑智能科技有限公司 | 基于人工智能的变压器故障诊断系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104573850B (zh) | 一种火电厂设备状态评估方法 | |
| CN110414155A (zh) | 一种带有单测点的风机部件温度异常检测和报警方法 | |
| CN109459671A (zh) | 一种基于遗传算法的改进神经网络的开关柜状态监测方法 | |
| JP7241476B2 (ja) | 受配電機器の短絡余寿命診断方法および短絡余寿命診断システム | |
| CN103149475A (zh) | 电力设备故障诊断方法及系统 | |
| CN109073704A (zh) | 用于局部放电的趋势函数 | |
| CN105388400B (zh) | 用于气体绝缘开关设备的局部放电故障分析的系统 | |
| CN109359894A (zh) | 一种基于rpn的电力计量设备风险评价方法及装置 | |
| GB2476246A (en) | Diagnosing an operation mode of a machine | |
| Li et al. | Condition assessment of power transformers using a synthetic analysis method based on association rule and variable weight coefficients | |
| CN110647924B (zh) | 一种基于支持向量描述与k近邻算法的gis设备状态评估方法 | |
| CN109284933B (zh) | 一种基于数理统计的电子式互感器状态评估系统及方法 | |
| CN114333907A (zh) | 一种变压器运行健康值评价方法 | |
| CN103440410A (zh) | 主变个体缺陷概率预测方法 | |
| CN113533910A (zh) | 一种适用于换流变压器局部放电预警的方法及系统 | |
| CN114252694A (zh) | 用于监测电气系统中的能量相关数据的系统和方法 | |
| CN113343177A (zh) | 基于模糊综合评价理论的电梯设备健康状态诊断方法 | |
| CN112508360A (zh) | 一种改进模糊综合评价的电缆运行状态评估方法 | |
| US20140350873A1 (en) | Method for generating a signal indicating an oscillation in an electrical energy supply network | |
| CN112782614A (zh) | 一种基于多信息融合的变流器的故障预警方法及装置 | |
| CN207992717U (zh) | 一种水电站闸门在线状态监测系统 | |
| CN113469409A (zh) | 一种基于高斯过程的电能量计量装置状态预测方法及装置 | |
| CN103926494A (zh) | 一种干扰源的确定方法及装置 | |
| CN112782499B (zh) | 一种基于多信息融合的变流器的状态评估方法及装置 | |
| JP5178471B2 (ja) | 最適部分波形データ生成装置及び方法ならびにロープ状態判定装置及び方法 |
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 |