CN114580973A - 一种变压器生产过程的质量监测方法及系统 - Google Patents
一种变压器生产过程的质量监测方法及系统 Download PDFInfo
- Publication number
- CN114580973A CN114580973A CN202210459375.9A CN202210459375A CN114580973A CN 114580973 A CN114580973 A CN 114580973A CN 202210459375 A CN202210459375 A CN 202210459375A CN 114580973 A CN114580973 A CN 114580973A
- Authority
- CN
- China
- Prior art keywords
- information
- transformer
- environmental
- index
- feature
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 claims abstract description 110
- 238000009413 insulation Methods 0.000 claims abstract description 67
- 238000009826 distribution Methods 0.000 claims abstract description 66
- 238000012360 testing method Methods 0.000 claims abstract description 14
- 230000007613 environmental effect Effects 0.000 claims description 121
- 238000011156 evaluation Methods 0.000 claims description 90
- 230000008859 change Effects 0.000 claims description 59
- 238000005192 partition Methods 0.000 claims description 28
- 238000000605 extraction Methods 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000007621 cluster analysis Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims description 12
- 238000007417 hierarchical cluster analysis Methods 0.000 claims description 11
- 238000001453 impedance spectrum Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 13
- 238000004891 communication Methods 0.000 abstract description 13
- 230000000694 effects Effects 0.000 abstract description 7
- 230000004888 barrier function Effects 0.000 abstract description 2
- 239000010410 layer Substances 0.000 description 51
- 238000003860 storage Methods 0.000 description 15
- 238000010276 construction Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 230000007547 defect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000002346 layers by function Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种变压器生产过程的质量监测方法及系统,其中,所述方法应用一种变压器生产过程的质量监测系统,所述系统和一配电网络通信连接,包括:上传第一变压器基本信息;获得第一工况信息;生成第一绝缘故障类型集;获得第一故障特征信息和第一位置特征信息;获得第一检测结果;生成第一监测结果;根据不合格组件和不合格度信息,生成第一绝缘性能监测结果。解决变压器与配电网路的电气特性不满足实际配电网络工况,导致配电网络中变压器绝缘故障频发技术问题,测试运算获取变压器与配电网路的电气特性,对工况信息进行特征分析,构建个体化程度较高的电气特性质量监测方案,达到提升变压器质量,保证配电网络稳定性和安全性技术效果。
Description
技术领域
本发明涉及变压器绝缘性能监测领域,具体涉及一种变压器生产过程的质量监测方法及系统。
背景技术
在变压器生产过程,对变压器套管进行局部测试可以发现潜在的早期故障缺陷,变压器套管往往存在设计工艺以及安装缺陷,导致变压器的不良运行状况较多,产生的局部放电若不能被及时发现将可能导致外壳炸裂及电网停电等恶劣后果,在配电网络中变压器的绝缘性能严重影响到配电网络的安全性和稳定性。
现阶段,对变压器的绝缘性能监督测试,通常结合配电网络采用实时监测绝缘电气特性信息进行故障识别,从而对故障进行预警,但无法降低绝缘故障的发生频率,变压器与配电网路的电气特性不满足实际测试与使用的配电网络工况。
实际数据显示,较大部分的绝缘故障来源于设计工艺和生产缺陷而造成电气特性不满足实际配电网络工况。
现有技术中存在变压器与配电网路的电气特性不满足实际配电网络工况,导致配电网络中变压器绝缘故障频发的技术问题。
发明内容
本申请通过提供了一种变压器生产过程的质量监测方法及系统,解决了变压器与配电网路的电气特性不满足实际配电网络工况,导致配电网络中变压器绝缘故障频发的技术问题,达到了提升变压器质量,保证配电网络稳定性和安全性的技术效果。
鉴于上述问题,本申请提供了一种变压器生产过程的质量监测方法及系统。
第一方面,本申请提供了一种变压器生产过程的质量监测方法,所述方法应用一种变压器生产过程的质量监测系统,所述系统和一配电网络通信连接,所述方法包括:上传第一变压器基本信息,其中,所述第一变压器基本信息包括第一变压器型号信息和第一绝缘组件;根据所述第一变压器型号信息输入第一配电网络,获得第一工况信息;根据所述第一工况信息进行聚类分析,生成第一绝缘故障类型集;遍历所述第一绝缘故障类型集进行特征提取,获得第一故障特征信息和第一位置特征信息,其中,所述第一故障特征信息和所述第一位置特征信息一一对应;根据所述第一故障特征信息和所述第一位置特征信息对所述第一绝缘组件进行电气特性检测,获得第一检测结果;将所述第一故障特征信息和所述第一检测结果输入质量监测模型,生成第一监测结果,其中,所述第一监测结果包括不合格组件和不合格度信息;根据所述不合格组件和所述不合格度信息,生成第一绝缘性能监测结果。
第二方面,本申请提供了一种变压器生产过程的质量监测的系统,其中,所述系统和一配电网络通信连接,所述系统包括:第一传输单元,所述第一传输单元用于上传第一变压器基本信息,其中,所述第一变压器基本信息包括第一变压器型号信息和第一绝缘组件;第一获得单元,所述第一获得单元用于根据所述第一变压器型号信息输入第一配电网络,获得第一工况信息;第一生成单元,所述第一生成单元用于根据所述第一工况信息进行聚类分析,生成第一绝缘故障类型集;第二获得单元,所述第二获得单元用于遍历所述第一绝缘故障类型集进行特征提取,获得第一故障特征信息和第一位置特征信息,其中,所述第一故障特征信息和所述第一位置特征信息一一对应;第三获得单元,所述第三获得单元用于根据所述第一故障特征信息和所述第一位置特征信息对所述第一绝缘组件进行电气特性检测,获得第一检测结果;第二生成单元,所述第二生成单元用于将所述第一故障特征信息和所述第一检测结果输入质量监测模型,生成第一监测结果,其中,所述第一监测结果包括不合格组件和不合格度信息;第三生成单元,所述第三生成单元用于根据所述不合格组件和所述不合格度信息,生成第一绝缘性能监测结果。
第三方面,本申请提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
第四方面,本申请提供了一种计算机程序产品,包括计算机程序和/或指令,其中,该计算机程序和/或指令被处理器执行时实现第一方面任一项所述方法的步骤。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了上传第一变压器基本信息,其中,第一变压器基本信息包括第一变压器型号信息和第一绝缘组件;根据第一变压器型号信息输入第一配电网络,获得第一工况信息;根据第一工况信息进行聚类分析,生成第一绝缘故障类型集,为进行绝缘故障分析提供数据基础;遍历第一绝缘故障类型集进行特征提取,获得第一故障特征信息和第一位置特征信息,其中,第一故障特征信息和第一位置特征信息一一对应;根据第一故障特征信息和第一位置特征信息对第一绝缘组件进行电气特性检测,获得第一检测结果,具有针对性的对所述第一绝缘组件进行电气特性检测,不进行过度监督测试的情况下,保证所述获得第一检测结果的可靠性;将第一故障特征信息和第一检测结果输入质量监测模型,生成第一监测结果,其中,第一监测结果包括不合格组件和不合格度信息;根据不合格组件和不合格度信息,生成第一绝缘性能监测结果,可以对所述第一配电网络的绝缘性能进行有效评估,为保证配电网络稳定性提供重要参考数据。本申请实施例通过测试运算获取变压器与配电网路的电气特性,对工况信息进行特征分析,构建个体化程度较高的电气特性质量监测方案,达到了提升变压器质量,保证配电网络稳定性和安全性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请一种变压器生产过程的质量监测方法的流程示意图;
图2为本申请一种变压器生产过程的质量监测方法的构建质量监测模型的流程示意图;
图3为本申请一种变压器生产过程的质量监测方法的获得第一异常检测层的流程示意图;
图4为本申请一种变压器生产过程的质量监测方法的生成第一环境特征信息的流程示意图;
图5为本申请一种变压器生产过程的质量监测系统的结构示意图;
图6为本申请示例性电子设备的结构示意图。
附图标记说明:第一传输单元11,第一获得单元12,第一生成单元13,第二获得单元14,第三获得单元15,第二生成单元16,第三生成单元17,电子设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请通过提供了一种变压器生产过程的质量监测方法及系统,解决了变压器与配电网路的电气特性不满足实际配电网络工况,导致配电网络中变压器绝缘故障频发的技术问题,达到了提升变压器质量,保证配电网络稳定性和安全性的技术效果。
申请概述
结合配电网络采用实时监测绝缘电气特性信息进行故障识别,但无法减少绝缘故障的发生频率,变压器与配电网路的电气特性结合实际测试与使用进行优化。
现有技术中存在变压器与配电网路的电气特性不满足实际配电网络工况,导致配电网络中变压器绝缘故障频发的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供了一种变压器生产过程的质量监测方法,其中,所述方法应用一种变压器生产过程的质量监测系统,所述系统和一配电网络通信连接,所述方法包括:上传第一变压器基本信息,其中,第一变压器基本信息包括第一变压器型号信息和第一绝缘组件;根据第一变压器型号信息输入第一配电网络,获得第一工况信息;根据第一工况信息进行聚类分析,生成第一绝缘故障类型集;遍历第一绝缘故障类型集进行特征提取,获得第一故障特征信息和第一位置特征信息,其中,第一故障特征信息和第一位置特征信息一一对应;根据第一故障特征信息和第一位置特征信息对第一绝缘组件进行电气特性检测,获得第一检测结果;将第一故障特征信息和第一检测结果输入质量监测模型,生成第一监测结果,其中,第一监测结果包括不合格组件和不合格度信息;根据不合格组件和不合格度信息,生成第一绝缘性能监测结果。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示,本申请提供了一种变压器生产过程的质量监测方法,其中,所述方法应用一种变压器生产过程的质量监测系统,所述系统和一配电网络通信连接,所述方法包括:
传统变压器生产和配电网路是处于割裂的状态,但随着物联网技术的发展,通过物联网技术可以将变压器生产和配电网路进行信息联通,通过配电网路的实际工况信息中变压器的工作状态反映变压器的生产及设计的缺陷,进而依据缺陷信息对和相应配电网络配套生产的变压器进行质量监测,可有效提高配电网络稳定性和安全性,而通过对配电网络端的绝缘故障评估进而实现对生产端的变压器绝缘组件电气特性的质量监测正是上述发展趋势的一大研究方向。
S100:上传第一变压器基本信息,其中,所述第一变压器基本信息包括第一变压器型号信息和第一绝缘组件;
S200:根据所述第一变压器型号信息输入第一配电网络,获得第一工况信息;
具体而言,对变压器生产过程的进行质量监督测试,所述第一变压器型号信息对应变压器的相数、冷却方式、调压方式、绕组线芯等材料对应的符号,还包括变压器的容量、额定功率、绕组连接方式,示例性的,按照冷却方式可以分为干式变压器(电力变压器型号以字母G进行表征)与油浸式变压器(电力变压器型号以字母J进行表征),确定所述第一变压器的型号信息,简单来讲就是确定所述第一变压器的基本的参数指标数据,所述第一绝缘组件包括绝缘套管或其他相关绝缘产品。
所述质量监测系统存在一数据传送端口,所述数据传送端口可以连接外设输入装置,通过外设输入装置进行数据输入,将第一变压器基本信息上传至所述质量监测系统,所述质量监测系统和第一配电网络通信连接,所述通信连接简单来说就是通过信号的传输交互,在所述质量监测系统与所述第一配电网络之间构成通讯,将所述第一变压器型号信息通过所述质量监测系统与第一配电网络之间的通信连接,输入第一配电网络,获得第一工况信息,所述第一工况信息简单来说就是变压器分布的各个网络节点的工况信息,示例性的,所述第一工况信息可以是环境数据,电压、电流、功率。
S300:根据所述第一工况信息进行聚类分析,生成第一绝缘故障类型集;
具体而言,所述聚类分析简单来说就是将所述第一工况信息的分组为由类似的数据组成的多个类的分析过程,所述第一绝缘故障类型集中包含多个类别的类似的数据组,示例性的,所述聚类分析可以结合机器学习模型算法进行,具体的,通过无监督学习进行数据分类,所述无监督学习不依靠标记数据进行类别标记与数据划分,所述无监督学习可以通过聚类算法自行优化分类特征,上述示例不对方案具体实施进行方案限制,其他相关的可以实现聚类分析的算法分析均在本申请保护范围,生成第一绝缘故障类型集,为进行绝缘故障分析提供数据基础。
S400:遍历所述第一绝缘故障类型集进行特征提取,获得第一故障特征信息和第一位置特征信息,其中,所述第一故障特征信息和所述第一位置特征信息一一对应;
具体而言,遍历所述第一绝缘故障类型集进行特征提取,所述特征提取分析可以通过特征提取分析参数执行,所述特征提取分析参数可以是故障的绝缘组件特征、环境特征、故障时的电气特性信息、电气特征阈值基准信息,实际的故障特征提取分析参数需要结合实际生产测试出现的绝缘故障类型进行对应确定,基于特征提取分析参数,遍历所述第一绝缘故障类型集,获得第一故障特征信息和第一位置特征信息,所述第一故障特征信息和所述第一位置特征信息一一对应。
示例性的,所述第一绝缘故障类型集中确定存在故障的绝缘组件,将故障的绝缘组件进行整理,确定第一故障绝缘组件,所述第一故障绝缘组件为故障的绝缘组件整理结果的某一故障的绝缘组件,所述第一故障绝缘组件在所述第一配电网络中的位置对应的特征信息确定为所述第一位置特征信息,所述第一故障绝缘组件在所述第一配电网络中的故障特征信息确定为所述第一故障特征信息,所述第一位置特征信息与所述第一故障特征信息均与所述第一故障绝缘组件对应。
S500:根据所述第一故障特征信息和所述第一位置特征信息对所述第一绝缘组件进行电气特性检测,获得第一检测结果;
具体而言,所述电气特性检测可以通过专业电器特征检测设备进行具体实施,所述电气特性检测对应的电气特性检测参数可以是额定电压、电流、有功功率、无功功率、电阻、电容、电感、电导,通过所述第一故障特征信息和所述第一位置特征信息,具有针对性的对所述第一绝缘组件进行电气特性检测,一般的,所述第一故障特征信息和所述第一位置特征信息确定存在的故障类型,可以通过所述故障类型确定需要进行测试的电气特性检测参数,无需对所有的电气特性检测参数均进行检测,具有针对性的对所述第一绝缘组件进行电气特性检测,不进行过度监督测试的情况下,保证所述获得第一检测结果的可靠性。
S600:将所述第一故障特征信息和所述第一检测结果输入质量监测模型,生成第一监测结果,其中,所述第一监测结果包括不合格组件和不合格度信息;
S700:根据所述不合格组件和所述不合格度信息,生成第一绝缘性能监测结果。
具体而言,将所述第一故障特征信息和所述第一检测结果输入质量监测模型,所述质量监测模型为结合评估指标信息、评估指标维度与评估属性进行确定的,进一步具体说明,所述评估信息简单来说就是与电气特性检测指标所对应的评估参数数据,示例性的,电阻值对应越大,绝缘性能越好,评估信息的数据值越大,实际应结合所述评估信息与故障特征信息的对应关系进行确定。所述第一监测结果包括不合格组件和不合格度信息,所述不合格组件可能存在多个,对应的不合格度信息也对应多组,所述不合格组件与不合格度信息存在一一对应,根据所述不合格组件和所述不合格度信息,对变压器的不合格组件进行整理,生成第一绝缘性能监测结果,所述第一绝缘性能监测结果可以对所述变压器的绝缘性能进行有效评估,。进而提高变压器的生产质量,为保证配电网络稳定性提供重要参考数据。
进一步的,如图2所示,所述将所述第一故障特征信息和所述第一检测结果输入质量监测模型,生成第一监测结果,步骤S600之前包括:
S610:设定第一评估指标信息,其中,所述第一评估指标信息表征绝缘特征指标维度信息;
S620:设定第一评估属性和第二评估属性,其中,所述第一评估属性表征不合格组件,所述第二评估属性表征不合格度;
S630:基于所述第一评估指标信息、所述第一评估属性和所述第二评估属性,构建所述质量监测模型。
具体而言,设定第一评估指标信息,所述第一评估指标信息和电气特性检测维度一致,所述第一评估指标信息和电气特性检测信息的维度指标一一对应,所述第一评估指标信息表征绝缘特征指标维度信息;设定第一评估属性和第二评估属性,所述第一评估属性表征不合格组件,所述第二评估属性表征不合格度,一般的,所述不合格度用于对所述不合格组件的不合格信息进行数据整理评估所得,用于表征不合格组件的不合格程度,若所述不合格组件不合格程度较高,可以考虑进行不合格组件异常标识,将存在异常标识的变压器进行返工处理;对所述第一评估指标信息、所述第一评估属性和所述第二评估属性进行分析,确定质量监测模型。
所述质量监测模型中包含所述第一评估指标信息、所述第一评估属性和所述第二评估属性的数据特征关系。构建所述质量监测模型为进行数据分析提供模型基础。
进一步的,所述基于所述第一评估指标信息、所述第一评估属性和所述第二评估属性,构建所述质量监测模型,步骤S630包括:
S631:构建第一输入层;
S632:基于人工神经网络,构建第一指标阈值评估层;
S633:根据所述第一评估指标信息,构建第一异常检测层,其中,所述第一异常检测层为多通道模块,且通道维度数和评估指标信息维度数相同;
S634:根据所述第一评估属性和所述第二评估属性,构建第一输出层;
S635:将所述第一输入层、所述第一指标阈值评估层、所述第一异常检测层和所述第一输出层合并,生成所述质量监测模型。
具体而言,构建第一输入层,所述第一输入层为输入功能层;获取多组历史数据,每组历史数据均包括环境特征、故障绝缘组件特征信息、指标阈值基准信息和指标阈值标识信息,将多组环境特征、故障绝缘组件特征信息、指标阈值基准信息确定为训练数据集的输入数据,将对应的指标阈值标识信息作为验证输出准确性的标识数据,基于人工神经网络,进行有监督训练,构建所述第一指标阈值评估层;根据所述第一评估指标信息,构建第一异常检测层,所述第一异常检测层为多通道模块,所述通道模块可以执行判断、数据比对功能,所述多通道模块的通道维度数和评估指标信息维度数相同,具体的,将上一层的阈值和检测结果在不同的通道进行比对的过程,每个绝缘组件的多通道监测结果之间为逻辑与的关系,只有全部满足,所述多通道模块输出结果为通过,才会质检合格,存在任意一通道结果未满足,所述多通道模块输出结果为不通过,质检不合格;所述第一输出层包含运算层与功能层,运算层根据所述第一评估属性和所述第二评估属性,所述多通道模块输出结果为不通过状态,第一评估属性表征不合格组件,所述第二评估属性表征不合格度,功能层对应输出第一监测结果;所述多通道模块输出结果为通过,功能层直接输出通过;将所述第一输入层、所述第一指标阈值评估层、所述第一异常检测层和所述第一输出层合并,所述合并不代表数据运算,是构建质量监测模型的操作手段,合并结果即所述质量监测模型。
结合数据类型特征,分层构建网络层,为保证所述质量监测模型的稳定性提供逻辑理论基础。
进一步的,本申请还包括:
S710:对所述第一故障特征信息进行提取,获得第一环境特征信息、第一故障绝缘组件特征信息和第一指标阈值基准信息;
S720:将所述第一环境特征信息、第一故障绝缘组件特征信息和所述第一指标阈值基准信息输入所述第一指标阈值评估层,获得第一指标阈值信息;
S730:将所述第一指标阈值信息和所述第一检测结果输入所述第一异常检测层,获得所述第一监测结果。
具体而言,对所述第一故障特征信息进行提取,所述提取包括数据类型确定、判断数据类型是否满足提取要求、满足提取要求数据进行数据最终提取操作,获得第一环境特征信息、第一故障绝缘组件特征信息和第一指标阈值基准信息,第一故障绝缘组件特征信息包括所述故障组件的故障类型与故障组件故障状态的参数信息,所述第一指标阈值基准信息表示标准电气特征的指标阈值;所述第一指标阈值评估层需要拟合环境特征对绝缘组件的影响,一般的,环境变化在绝缘组件的参数测试过程,测试所得的实际的参数值会因环境变化产生对应数据变化,将所述第一环境特征信息、第一故障绝缘组件特征信息和所述第一指标阈值基准信息输入所述第一指标阈值评估层,获得第一指标阈值信息;获得所述第一监测结果,保证了所述第一监测结果的标准化,提高所述第一监测结果的可靠度。
示例性的,拟合环境特征对绝缘组件的影响,会对指标阈值基准信息造成损失,使得绝缘组件达不到原本设定的指标阈值基准信息,进而增大了故障发生概率,因此通过对指标阈值基准信息进行调整,在生产时根据调整后的阈值进行更严格的质检,以提高配电网络的稳定性,而这个阈值根据不同的适用环境确定,因此个体化程度更高。
进一步的,如图3所示,所述根据所述第一评估指标信息,构建第一异常检测层,步骤S633包括:
S633-1:对所述第一评估指标信息进行提取,获得第一介电损耗指标、第一电容量指标、第一频域介电谱指标和第一局部放电指标;
S633-2:根据所述第一介电损耗指标,构建第一异常检测通道;
S633-3:根据所述第一电容量指标,构建第二异常检测通道;
S633-4:根据所述第一频域介电谱指标,构建第三异常检测通道;
S633-5:根据所述第一局部放电指标,构建第四异常检测通道;
S633-6:将所述第一异常检测通道、所述第二异常检测通道、所述第三异常检测通道和所述第四异常检测通道合并,获得所述第一异常检测层。
具体而言,对所述第一评估指标信息进行提取,电气特征的检测维度和第一检测结果一一对应,获得第一介电损耗指标、第一电容量指标、第一频域介电谱指标和第一局部放电指标,其中,第一介电损耗指标、第一电容量指标、第一频域介电谱指标和第一局部放电指标为异常检测层至少包括的电气特性监测指标;根据所述第一介电损耗指标,构建第一异常检测通道;根据所述第一电容量指标,构建第二异常检测通道;根据所述第一频域介电谱指标,构建第三异常检测通道;根据所述第一局部放电指标,构建第四异常检测通道;第一异常检测通道、第二异常检测通道,第三异常检测通道,第四异常检测通道均为所述第一异常检测层的数据逻辑运算通道,将所述第一异常检测通道、所述第二异常检测通道、所述第三异常检测通道和所述第四异常检测通道合并,所述通道合并不代表数据运算,是构建第一异常检测层的操作手段,合并结果即所述第一异常检测层。
结合数据参数分类特征,构建异常检测层,保证了所述异常检测层数据处理逻辑的合理性,为构建质量监测模型的稳定性提供基础。
进一步的,所述对所述第一故障特征信息进行提取,获得第一环境特征信息,步骤S710包括:
S711:对所述第一故障特征信息进行提取,获得第一环境特征时序信息,其中,所述第一环境特征时序信息满足第一预设时间粒度;
S712:根据所述第一环境特征时序信息,构建第一环境特征变化曲线;
S713:遍历所述第一环境特征变化曲线,获得第一相邻环境特征变化率;
S714:根据所述第一相邻环境特征变化率对所述第一环境特征时序信息进行层级聚类分析,获得第一环境拟合值;
S715:将所述第一环境拟合值添加进所述第一环境特征信息。
具体而言,对所述第一故障特征信息进行提取,获得第一环境特征时序信息,其中,所述第一环境特征时序信息满足第一预设时间粒度;
具体而言,所述第一环境特征的时序信息对应数据获取时刻的时序信息,所述第一环境特征为数据获取时刻的特征数据;根据所述第一环境特征时序信息,结合数据获取更新频率,构建第一环境特征变化曲线;遍历所述第一环境特征变化曲线,对所述第一环境特征变化曲线进行分区管理,分区为均匀分区,对相邻的分区进行变化率运算,获得第一相邻环境特征变化率;根据所述第一相邻环境特征变化率对所述第一环境特征时序信息进行层级聚类分析,确定聚类区间中的出现频率最高的环境特征,将所述出现频率最高的环境特征确定为第一环境拟合值;将所述第一环境拟合值添加进所述第一环境特征信息。
使用所述第一环境拟合值进行环境特征信息确定,确定环境拟合值,同一特征数据,使用定值综合分析变值数据,有效简化运算分析复杂度。
示例性的,实际环境中的环境特征值是动态变化的,无法拟合真实值,所以需要拟合不同的时区中的具有代表性的环境特征作为代表值,通过层级聚类分析获得,选取每个聚类分区中的分区中的环境特征的出现频率较高值,以在一个聚类分区中举例:在聚类分区中划分多个聚类区间,选取每个聚类区间中的出现频率最高的环境特征作为该区间的代表值,为第二层,再通过第二层的数据继续拟合,若是频率都相同,则取平均值作为拟合值,直到只剩下一个拟合值时输出,作为该聚类分区的环境特征拟合值。
进一步的,如图4所示,所述根据所述第一相邻环境特征变化率对所述第一环境特征时序信息进行层级聚类分析,获得第一环境拟合值,步骤S714包括:
S714-1:获得第一变化率阈值和第二变化率阈值,其中,所述第一变化率阈值表征变化率阈值上限,所述第二变化率阈值表征变化率阈值下限;
S714-2:当所述第一相邻环境特征变化率小于所述第二变化率阈值时,随机保存所述第一相邻环境特征的任一环境特征,添加进相同聚类分区;
S714-3:当所述第一相邻环境特征变化率大于等于所述第二变化率阈值,且小于等于所述第一变化率阈值时,添加进相同聚类分区;
S714-4:当所述第一相邻环境特征变化率大于所述第一变化率阈值时,将所述第一相邻环境特征的两个环境特征分别添加进不同聚类分区;
S714-5:遍历所述聚类分区,进行层级聚类分析,生成所述第一环境特征信息。
具体而言,获得第一变化率阈值和第二变化率阈值,所述第一变化率阈值表征变化率阈值上限,所述第一变化率阈值包括多个环境参数指标的阈值数据,所述第二变化率阈值表征变化率阈值下限,所述第二变化率阈值包括多个环境参数指标的阈值数据,所述环境参数指标可以是温度、湿度或其他相关环境指标参数;当所述第一相邻环境特征变化率小于所述第二变化率阈值时,随机保存所述第一相邻环境特征的任一环境特征,添加进相同聚类分区,扩充相同聚类分区的环境特征;当所述第一相邻环境特征变化率大于等于所述第二变化率阈值,且小于等于所述第一变化率阈值时,添加进相同聚类分区,扩充相同聚类分区的环境特征;当所述第一相邻环境特征变化率大于所述第一变化率阈值时,将所述第一相邻环境特征的两个环境特征分别添加进不同聚类分区;遍历所述聚类分区,进行层级聚类分析,生成第一环境特征信息,保证了聚类分区过程的合理性。
示例性的,温度特征变化率小,温度特征变化平稳的数据确定的聚类分区的区的个数少;温度特征变化率大,温度特征突变的数据确定的聚类分区的区的个数多,示例是为进行方案理解,不做限制说明。
综上所述,本申请所提供的一种变压器生产过程的质量监测方法及系统具有如下技术效果:
1.由于采用了本申请通过提供了一种变压器生产过程的质量监测方法及系统,上传第一变压器基本信息;根据所述第一变压器型号信息输入第一配电网络,获得第一工况信息;进行聚类分析,生成第一绝缘故障类型集;遍历第一绝缘故障类型集进行特征提取,获得第一故障特征信息和第一位置特征信息;对所述第一绝缘组件进行电气特性检测,获得第一检测结果;将所述第一故障特征信息和所述第一检测结果输入质量监测模型,生成第一监测结果;根据所述不合格组件和所述不合格度信息,生成第一绝缘性能监测结果。通过测试运算获取变压器与配电网路的电气特性,对工况信息进行特征分析,构建个体化程度较高的电气特性质量监测方案,达到提升变压器质量,保证配电网络稳定性和安全性的技术效果。
实施例二
基于与前述实施例中一种变压器生产过程的质量监测方法相同的发明构思,如图5所示,本申请提供了一种变压器生产过程的质量监测的系统,其中,所述系统和一配电网络通信连接,所述系统包括:
第一传输单元11,所述第一传输单元11用于上传第一变压器基本信息,其中,所述第一变压器基本信息包括第一变压器型号信息和第一绝缘组件;
第一获得单元12,所述第一获得单元12用于根据所述第一变压器型号信息输入第一配电网络,获得第一工况信息;
第一生成单元13,所述第一生成单元13用于根据所述第一工况信息进行聚类分析,生成第一绝缘故障类型集;
第二获得单元14,所述第二获得单元14用于遍历所述第一绝缘故障类型集进行特征提取,获得第一故障特征信息和第一位置特征信息,其中,所述第一故障特征信息和所述第一位置特征信息一一对应;
第三获得单元15,所述第三获得单元15用于根据所述第一故障特征信息和所述第一位置特征信息对所述第一绝缘组件进行电气特性检测,获得第一检测结果;
第二生成单元16,所述第二生成单元16用于将所述第一故障特征信息和所述第一检测结果输入质量监测模型,生成第一监测结果,其中,所述第一监测结果包括不合格组件和不合格度信息;
第三生成单元17,所述第三生成单元17用于根据所述不合格组件和所述不合格度信息,生成第一绝缘性能监测结果。
进一步的,所述系统包括:
第一设定单元,所述第一设定单元用于设定第一评估指标信息,其中,所述第一评估指标信息表征绝缘特征指标维度信息;
第二设定单元,所述第二设定单元用于设定第一评估属性和第二评估属性,其中,所述第一评估属性表征不合格组件,所述第二评估属性表征不合格度;
第一构建单元,所述第一构建单元用于基于所述第一评估指标信息、所述第一评估属性和所述第二评估属性,构建所述质量监测模型。
进一步的,所述系统包括:
第二传输单元,所述第二传输单元用于构建第一输入层;
第二构建单元,所述第二构建单元用于基于人工神经网络,构建第一指标阈值评估层;
第三构建单元,所述第三构建单元用于根据所述第一评估指标信息,构建第一异常检测层,其中,所述第一异常检测层为多通道模块,且通道维度数和评估指标信息维度数相同;
第四构建单元,所述第四构建单元用于根据所述第一评估属性和所述第二评估属性,构建第一输出层;
第四生成单元,所述第四生成单元用于将所述第一输入层、所述第一指标阈值评估层、所述第一异常检测层和所述第一输出层合并,生成所述质量监测模型。
进一步的,所述系统包括:
第四获得单元,所述第四获得单元用于对所述第一故障特征信息进行提取,获得第一环境特征信息、第一故障绝缘组件特征信息和第一指标阈值基准信息;
第五获得单元,所述第五获得单元用于将所述第一环境特征信息、第一故障绝缘组件特征信息和所述第一指标阈值基准信息输入所述第一指标阈值评估层,获得第一指标阈值信息;
第六获得单元,所述第六获得单元用于将所述第一指标阈值信息和所述第一检测结果输入所述第一异常检测层,获得所述第一监测结果。
进一步的,所述系统包括:
第七获得单元,所述第七获得单元用于对所述第一评估指标信息进行提取,获得第一介电损耗指标、第一电容量指标、第一频域介电谱指标和第一局部放电指标;
第五构建单元,所述第五构建单元用于根据所述第一介电损耗指标,构建第一异常检测通道;
第六构建单元,所述第六构建单元用于根据所述第一电容量指标,构建第二异常检测通道;
第七构建单元,所述第七构建单元用于根据所述第一频域介电谱指标,构建第三异常检测通道;
第八构建单元,所述第八构建单元用于根据所述第一局部放电指标,构建第四异常检测通道;
第八获得单元,所述第八获得单元用于将所述第一异常检测通道、所述第二异常检测通道、所述第三异常检测通道和所述第四异常检测通道合并,获得所述第一异常检测层。
进一步的,所述系统包括:
第九获得单元,所述第九获得单元用于对所述第一故障特征信息进行提取,获得第一环境特征时序信息,其中,所述第一环境特征时序信息满足第一预设时间粒度;
第九构建单元,所述第九构建单元用于根据所述第一环境特征时序信息,构建第一环境特征变化曲线;
第十获得单元,所述第十获得单元用于遍历所述第一环境特征变化曲线,获得第一相邻环境特征变化率;
第十一获得单元,所述第十一获得单元用于根据所述第一相邻环境特征变化率对所述第一环境特征时序信息进行层级聚类分析,获得第一环境拟合值;
第三传输单元,所述第三传输单元用于将所述第一环境拟合值添加进所述第一环境特征信息。
进一步的,所述系统包括:
第十二获得单元,所述第十二获得单元用于获得第一变化率阈值和第二变化率阈值,其中,所述第一变化率阈值表征变化率阈值上限,所述第二变化率阈值表征变化率阈值下限;
第一判断单元,所述第一判断单元用于当所述第一相邻环境特征变化率小于所述第二变化率阈值时,随机保存所述第一相邻环境特征的任一环境特征,添加进相同聚类分区;
第二判断单元,所述第二判断单元用于当所述第一相邻环境特征变化率大于等于所述第二变化率阈值,且小于等于所述第一变化率阈值时,添加进相同聚类分区;
第三判断单元,所述第三判断单元用于当所述第一相邻环境特征变化率大于所述第一变化率阈值时,将所述第一相邻环境特征的两个环境特征分别添加进不同聚类分区;
第五生成单元,所述第五生成单元用于遍历所述聚类分区,进行层级聚类分析,生成所述第一环境特征信息。
示例性电子设备
下面参考图6来描述本申请的电子设备,
基于与前述实施例中一种变压器生产过程的质量监测方法相同的发明构思,本申请还提供了一种变压器生产过程的质量监测的系统,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得系统以执行实施例一任一项所述的方法。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture,简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless local areanetworks,WLAN),有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory,EEPROM)、只读光盘(compactdiscread-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种变压器生产过程的质量监测方法。
可选的,本申请中的计算机执行指令也可以称之为应用程序代码,本申请对此不作具体限定。
本申请提供了一种变压器生产过程的质量监测方法,其中,所述方法应用一种变压器生产过程的质量监测系统,所述系统和一配电网络通信连接,所述方法包括:上传第一变压器基本信息,其中,所述第一变压器基本信息包括第一变压器型号信息和第一绝缘组件;根据所述第一变压器型号信息输入第一配电网络,获得第一工况信息;根据所述第一工况信息进行聚类分析,生成第一绝缘故障类型集;遍历所述第一绝缘故障类型集进行特征提取,获得第一故障特征信息和第一位置特征信息,其中,所述第一故障特征信息和所述第一位置特征信息一一对应;根据所述第一故障特征信息和所述第一位置特征信息对所述第一绝缘组件进行电气特性检测,获得第一检测结果;将所述第一故障特征信息和所述第一检测结果输入质量监测模型,生成第一监测结果,其中,所述第一监测结果包括不合格组件和不合格度信息;根据所述不合格组件和所述不合格度信息,生成第一绝缘性能监测结果。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如a,b,或c中的至少一项(个、种),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如软盘、硬盘、磁带)、光介质(例如DVD)、或者半导体介质(例如固态硬盘(SolidState Disk,SSD))等。
本申请中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (10)
1.一种变压器生产过程的质量监测方法,其特征在于,所述方法应用一种变压器生产过程的质量监测系统,所述系统和一配电网络通信连接,包括:
上传第一变压器基本信息,其中,所述第一变压器基本信息包括第一变压器型号信息和第一绝缘组件;
根据所述第一变压器型号信息输入第一配电网络,获得第一工况信息;
根据所述第一工况信息进行聚类分析,生成第一绝缘故障类型集;
遍历所述第一绝缘故障类型集进行特征提取,获得第一故障特征信息和第一位置特征信息,其中,所述第一故障特征信息和所述第一位置特征信息一一对应;
根据所述第一故障特征信息和所述第一位置特征信息对所述第一绝缘组件进行电气特性检测,获得第一检测结果;
将所述第一故障特征信息和所述第一检测结果输入质量监测模型,生成第一监测结果,其中,所述第一监测结果包括不合格组件和不合格度信息;
根据所述不合格组件和所述不合格度信息,生成第一绝缘性能监测结果。
2.如权利要求1所述的方法,其特征在于,所述将所述第一故障特征信息和所述第一检测结果输入质量监测模型,生成第一监测结果,之前包括:
设定第一评估指标信息,其中,所述第一评估指标信息表征绝缘特征指标维度信息;
设定第一评估属性和第二评估属性,其中,所述第一评估属性表征不合格组件,所述第二评估属性表征不合格度;
基于所述第一评估指标信息、所述第一评估属性和所述第二评估属性,构建所述质量监测模型。
3.如权利要求2所述的方法,其特征在于,所述基于所述第一评估指标信息、所述第一评估属性和所述第二评估属性,构建所述质量监测模型,包括:
构建第一输入层;
基于人工神经网络,构建第一指标阈值评估层;
根据所述第一评估指标信息,构建第一异常检测层,其中,所述第一异常检测层为多通道模块,且通道维度数和评估指标信息维度数相同;
根据所述第一评估属性和所述第二评估属性,构建第一输出层;
将所述第一输入层、所述第一指标阈值评估层、所述第一异常检测层和所述第一输出层合并,生成所述质量监测模型。
4.如权利要求3所述的方法,其特征在于,所述方法包括:
对所述第一故障特征信息进行提取,获得第一环境特征信息、第一故障绝缘组件特征信息和第一指标阈值基准信息;
将所述第一环境特征信息、第一故障绝缘组件特征信息和所述第一指标阈值基准信息输入所述第一指标阈值评估层,获得第一指标阈值信息;
将所述第一指标阈值信息和所述第一检测结果输入所述第一异常检测层,获得所述第一监测结果。
5.如权利要求4所述的方法,其特征在于,所述根据所述第一评估指标信息,构建第一异常检测层,包括:
对所述第一评估指标信息进行提取,获得第一介电损耗指标、第一电容量指标、第一频域介电谱指标和第一局部放电指标;
根据所述第一介电损耗指标,构建第一异常检测通道;
根据所述第一电容量指标,构建第二异常检测通道;
根据所述第一频域介电谱指标,构建第三异常检测通道;
根据所述第一局部放电指标,构建第四异常检测通道;
将所述第一异常检测通道、所述第二异常检测通道、所述第三异常检测通道和所述第四异常检测通道合并,获得所述第一异常检测层。
6.如权利要求4所述的方法,其特征在于,所述对所述第一故障特征信息进行提取,获得第一环境特征信息,包括:
对所述第一故障特征信息进行提取,获得第一环境特征时序信息,其中,所述第一环境特征时序信息满足第一预设时间粒度;
根据所述第一环境特征时序信息,构建第一环境特征变化曲线;
遍历所述第一环境特征变化曲线,获得第一相邻环境特征变化率;
根据所述第一相邻环境特征变化率对所述第一环境特征时序信息进行层级聚类分析,获得第一环境拟合值;
将所述第一环境拟合值添加进所述第一环境特征信息。
7.如权利要求6所述的方法,其特征在于,所述根据所述第一相邻环境特征变化率对所述第一环境特征时序信息进行层级聚类分析,获得第一环境拟合值,包括:
获得第一变化率阈值和第二变化率阈值,其中,所述第一变化率阈值表征变化率阈值上限,所述第二变化率阈值表征变化率阈值下限;
当所述第一相邻环境特征变化率小于所述第二变化率阈值时,随机保存所述第一相邻环境特征的任一环境特征,添加进相同聚类分区;
当所述第一相邻环境特征变化率大于等于所述第二变化率阈值,且小于等于所述第一变化率阈值时,添加进相同聚类分区;
当所述第一相邻环境特征变化率大于所述第一变化率阈值时,将所述第一相邻环境特征的两个环境特征分别添加进不同聚类分区;
遍历所述聚类分区,进行层级聚类分析,生成所述第一环境特征信息。
8.一种变压器生产过程的质量监测的系统,其特征在于,所述系统和一配电网络通信连接,所述系统包括:
第一传输单元,所述第一传输单元用于上传第一变压器基本信息,其中,所述第一变压器基本信息包括第一变压器型号信息和第一绝缘组件;
第一获得单元,所述第一获得单元用于根据所述第一变压器型号信息输入第一配电网络,获得第一工况信息;
第一生成单元,所述第一生成单元用于根据所述第一工况信息进行聚类分析,生成第一绝缘故障类型集;
第二获得单元,所述第二获得单元用于遍历所述第一绝缘故障类型集进行特征提取,获得第一故障特征信息和第一位置特征信息,其中,所述第一故障特征信息和所述第一位置特征信息一一对应;
第三获得单元,所述第三获得单元用于根据所述第一故障特征信息和所述第一位置特征信息对所述第一绝缘组件进行电气特性检测,获得第一检测结果;
第二生成单元,所述第二生成单元用于将所述第一故障特征信息和所述第一检测结果输入质量监测模型,生成第一监测结果,其中,所述第一监测结果包括不合格组件和不合格度信息;
第三生成单元,所述第三生成单元用于根据所述不合格组件和所述不合格度信息,生成第一绝缘性能监测结果。
9.一种变压器生产过程的质量监测的系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机程序产品,包括计算机程序和/或指令,其特征在于,该计算机程序和/或指令被处理器执行时实现权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210459375.9A CN114580973B (zh) | 2022-04-28 | 2022-04-28 | 一种变压器生产过程的质量监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210459375.9A CN114580973B (zh) | 2022-04-28 | 2022-04-28 | 一种变压器生产过程的质量监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114580973A true CN114580973A (zh) | 2022-06-03 |
CN114580973B CN114580973B (zh) | 2022-07-08 |
Family
ID=81777780
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210459375.9A Active CN114580973B (zh) | 2022-04-28 | 2022-04-28 | 一种变压器生产过程的质量监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114580973B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115436767A (zh) * | 2022-11-07 | 2022-12-06 | 江苏黑马高科股份有限公司 | 一种变压器局部放电监测分析方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663535A (zh) * | 2012-03-01 | 2012-09-12 | 广东电网公司广州供电局 | 变压器的技术性能及财务信息的管理方法及装置 |
CN107153999A (zh) * | 2017-05-25 | 2017-09-12 | 云南电网有限责任公司电力科学研究院 | 一种配电变压器品质质量的确定方法 |
CN110689068A (zh) * | 2019-09-25 | 2020-01-14 | 贵州电网有限责任公司 | 一种基于半监督svm的变压器故障类型诊断方法 |
CN113065522A (zh) * | 2021-04-26 | 2021-07-02 | 哈尔滨理工大学 | 基于深度神经网络的变压器局部放电类型识别方法 |
CN113689013A (zh) * | 2021-08-27 | 2021-11-23 | 国网新疆电力有限公司吐鲁番供电公司 | 一种变压器智能监测与运维系统 |
CN113850489A (zh) * | 2021-09-17 | 2021-12-28 | 国网山东省电力公司 | 基于物联网的高压主网变压器的选取方法、装置、产品及存储介质 |
CN113971464A (zh) * | 2021-10-21 | 2022-01-25 | 国网安徽省电力有限公司物资分公司 | 一种用于配电变压器生产的远程监造系统 |
-
2022
- 2022-04-28 CN CN202210459375.9A patent/CN114580973B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663535A (zh) * | 2012-03-01 | 2012-09-12 | 广东电网公司广州供电局 | 变压器的技术性能及财务信息的管理方法及装置 |
CN107153999A (zh) * | 2017-05-25 | 2017-09-12 | 云南电网有限责任公司电力科学研究院 | 一种配电变压器品质质量的确定方法 |
CN110689068A (zh) * | 2019-09-25 | 2020-01-14 | 贵州电网有限责任公司 | 一种基于半监督svm的变压器故障类型诊断方法 |
CN113065522A (zh) * | 2021-04-26 | 2021-07-02 | 哈尔滨理工大学 | 基于深度神经网络的变压器局部放电类型识别方法 |
CN113689013A (zh) * | 2021-08-27 | 2021-11-23 | 国网新疆电力有限公司吐鲁番供电公司 | 一种变压器智能监测与运维系统 |
CN113850489A (zh) * | 2021-09-17 | 2021-12-28 | 国网山东省电力公司 | 基于物联网的高压主网变压器的选取方法、装置、产品及存储介质 |
CN113971464A (zh) * | 2021-10-21 | 2022-01-25 | 国网安徽省电力有限公司物资分公司 | 一种用于配电变压器生产的远程监造系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115436767A (zh) * | 2022-11-07 | 2022-12-06 | 江苏黑马高科股份有限公司 | 一种变压器局部放电监测分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114580973B (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107025153B (zh) | 磁盘的故障预测方法和装置 | |
CN109816031B (zh) | 一种基于数据不均衡度量的变压器状态评估聚类分析方法 | |
Nosratian Ahour et al. | Determination and localisation of turn‐to‐turn fault in transformer winding using frequency response analysis | |
CN114580973B (zh) | 一种变压器生产过程的质量监测方法及系统 | |
CN114723082A (zh) | 一种智能低压成套设备的异常预警方法及系统 | |
Islam et al. | Application of Parzen Window estimation for incipient fault diagnosis in power transformers | |
JP2020068025A (ja) | 履歴及び時系列の共同分析に基づく異常の特性評価のためのシステム及び方法 | |
CN113884839A (zh) | 一种电容式电压互感器多参量绝缘状态评估方法及系统 | |
CN115238831A (zh) | 故障预测方法、装置、计算机设备、存储介质和程序产品 | |
CN112816881A (zh) | 电池压差异常检测方法、装置及计算机存储介质 | |
CN113590392B (zh) | 换流站设备异常检测方法、装置、计算机设备和存储介质 | |
CN111044859A (zh) | Gis设备的故障处理方法、存储介质及设备 | |
CN114266284A (zh) | 开关柜绝缘缺陷类型检测方法、装置、设备和程序产品 | |
Parkash et al. | Transformer's frequency response analysis results interpretation using a novel cross entropy based methodology | |
DE102021006561A1 (de) | Big-Data für Fehlererkennung in Batteriesystemen | |
Saha et al. | Implementation of self-organizing map and logistic regression in dissolved gas analysis of transformer oils | |
CN110807014B (zh) | 一种基于交叉验证的台区数据异常甄别方法和装置 | |
CN116611003A (zh) | 一种变压器故障诊断方法、装置、介质 | |
US20230273269A1 (en) | Determining states of electrical equipment using variations in diagnostic parameter prediction error | |
Abu-Elanien et al. | Evaluation of transformer health condition using reduced number of tests | |
Munagala | Application of Machine learning algorithms for Power transformer Internal faults identification | |
Ratnakar et al. | Detection of Arc Fault by using ML Algorithm | |
Chang et al. | Insulation faults diagnosis of power transformer by decision tree with fuzzy logic | |
CN113030726A (zh) | 基于数据驱动的电机状态监测方法及系统 | |
CN113298389A (zh) | 评估电缆运行状态的方法及装置 |
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 |