CN114626769B - 一种电容式电压互感器运维方法及系统 - Google Patents
一种电容式电压互感器运维方法及系统 Download PDFInfo
- Publication number
- CN114626769B CN114626769B CN202210528000.3A CN202210528000A CN114626769B CN 114626769 B CN114626769 B CN 114626769B CN 202210528000 A CN202210528000 A CN 202210528000A CN 114626769 B CN114626769 B CN 114626769B
- Authority
- CN
- China
- Prior art keywords
- voltage transformer
- maintenance
- capacitor voltage
- data
- target
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 137
- 239000003990 capacitor Substances 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000011156 evaluation Methods 0.000 claims abstract description 24
- 238000013528 artificial neural network Methods 0.000 claims description 22
- 230000015556 catabolic process Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000009736 wetting Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 8
- 238000013016 damping Methods 0.000 claims description 6
- 230000006866 deterioration Effects 0.000 claims description 3
- 201000004569 Blindness Diseases 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000013499 data model Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000005350 ferromagnetic resonance Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明涉及一种电容式电压互感器运维方法及系统，其方法包括：获取目标电容式电压互感器的运维数据，并根据其计算目标电容式电压互感器的稳定性、重要性和故障程度；所述运维数据至少包括误差评估数据、基础数据和历史故障数据；根据所述目标电容式电压互感器的稳定性、重要性和故障程度计算其运维系数；基于当前运维系数及其预设阈值，确定目标电容式电压互感器的运维策略。本发明综合了电容式电压互感器的稳定性、重要性、故障程度等多个指标，并根据其计算运维系数和确定运维策略，有效指导了电容式电压互感器运维管理，大大降低了运维的盲目性、节约了人力资源成本。
Description
技术领域
本发明属于电力互感器技术领域，具体涉及一种电容式电压互感器运维方法及系统。
背景技术
电容式电压互感器（CVT）由于具有绝缘性能好、制造成本低、抗铁磁谐振等明显优势，在110kV及以上电力工程中得到了广泛应用。当前CVT采用定期运维的方式，该方式存在盲目运维、运维不足或运维过剩的缺陷，不但会造成人力、物力的浪费，甚至会造成运维故障。所以必须确定合理的运维策略，以达到降低设备故障的同时又节省人力、物力的目的。目前关于互感器运维策略的研究较少，因此本专利在综合考虑设备稳定性、重要性及故障程度指标的情况下，得到各CVT的运维系数，并根据运维系数及阈值制订了相应的运维策略，指导互感器运维。
发明内容
为了综合考虑电容式电压互感器的稳定性、重要性、故障程度三个指标对运维管理的影响，指导运维管理，在本发明的第一方面提供了一种电容式电压互感器运维方法，包括：获取目标电容式电压互感器的运维数据，并根据其计算目标电容式电压互感器的稳定性、重要性和故障程度；所述运维数据至少包括误差评估数据、基础数据和历史故障数据；根据所述目标电容式电压互感器的稳定性、重要性和故障程度计算其运维系数；基于当前运维系数及其预设阈值，确定目标电容式电压互感器的运维策略。
在本发明的一些实施例中，所述获取目标电容式电压互感器的运维数据，并根据其计算目标电容式电压互感器的稳定性、重要性和故障程度包括：
基于目标电容式电压互感器的误差评估数据，构建根据误差的不同变化趋势的多个稳定性模型，并对所述多个稳定性模型进行加权，得到目标电容式电压互感器的稳定性指标；基于目标电容式电压互感器的基础数据，完成互感器经济指标I 1、变电站指标I 2、关口指标I 3以及拓扑指标I 4的计算，得到目标电容式电压互感器的重要性指标IM：
进一步的，所述基于目标电容式电压互感器的历史故障数据，利用训练完成的孪生深度神经网络计算目标电容式电压互感器的故障程度指标包括：
将目标电容式电压互感器的采集数据x j 输入到训练完成的孪生深度神经网络，得到其特征参量G（x j ），其中x j 表示第j个样本；
基于历史故障数据和所述孪生深度神经网络，计算每种故障类别下的样本特征参
量的均值
，并将其作为标准特征量；
计算G（x j ）与
的欧式距离D R,j ，并根据其计算待测样本x j 占每种故障类别的
概率Z R,j ：
式中R={0,1,2,3,4,5,6}分别对应正常，高压电容击穿，中压电容击穿，渗漏油，高
压电容受潮，低压电容受潮，阻尼装置劣化等故障类型，
为指数衰减因子；
根据目标电容式电压互感器占每种故障类别的概率Z R,j 及各故障类型的影响权重
，计算目标电容式电压互感器的故障程度指标E（x j ）：
在本发明的一些实施例中，所述运维系数通过如下方法进行计算：
其中，P表示运维系数，S表示稳定性指标、IM表示重要性指标、E表示故障程度指标。
进一步的，所述基于当前运维系数及其预设阈值，确定目标电容式电压互感器的运维策略包括：确定并计算运维系数的第一阈值和第二阈值，根据所述运维系数的第一阈值和第二阈值确定互感器运维策略：若当前运维系数大于第一阈值，则对目标电容式电压互感器进行维修；若当前运维系数大于等于第二阈值且小于等于第一阈值，则按照目标电容式电压互感器的检定周期对其进行维修；若当前运维系数小于第二阈值，则顺延到下一个检定周期对目标电容式电压互感器检修。
在上述的实施例中，还包括基于运维情况，对所述运维系数的预设阈值进行调整。
本发明的第二方面，提供了一种电容式电压互感器运维系统，包括：获取模块，用于获取目标电容式电压互感器的运维数据，并根据其计算目标电容式电压互感器的稳定性、重要性和故障程度；所述运维数据至少包括误差评估数据、基础数据和历史故障数据；计算模块，用于根据所述目标电容式电压互感器的稳定性、重要性和故障程度计算其运维系数；确定模块，用于基于当前运维系数及其预设阈值，确定目标电容式电压互感器的运维策略。
本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明在第一方面提供的电容式电压互感器运维方法。
本发明的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本发明在第一方面提供的电容式电压互感器运维方法。
本发明的有益效果是：
1.由于传统的电容式电压互感器的运维方法依赖于人工经验，对稳定性、重要性、故障程度等多个指标考虑不全，或过于侧重某一指标，导致运维盲目性，浪费了人力和物力，本发明综合了电容式电压互感器的稳定性、重要性、故障程度等多个指标，并根据其计算运维系数和确定运维策略，有效指导了电容式电压互感器运维管理，大大降低了运维的盲目性，并节约了人力资源成本；
2.从电压互感器的经济指标、变电站指标、关口指标以及拓扑指标等多维角度构建了互感器重要性评定体系及评估模型；采用层次分析法对各指标重要性进行比较，确定各指标权重；从而提高电压互感器的重要性评价的全面性；
3.通过运维系数将难以量化的电容式电压互感器的运维工作进行量化，并通过实际运维情况的反馈，调整运维系数及其阈值，使电容式电压互感器的运维方法具有动态适应性。
附图说明
图1为本发明的一些实施例中的电容式电压互感器运维方法的基本流程示意图；
图2为本发明的一些实施例中的电容式电压互感器运维方法的具体流程示意图；
图3为本发明的一些实施例中的电容式电压互感重要性指标体系示意图；
图4为本发明的一些实施例中的孪生深度神经网络训练过程或故障诊断的原理示意图；
图5为本发明的一些实施例中的电容式电压互感器运维系统的结构示意图；
图6为本发明的一些实施例中的电子设备的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
参考图1或图2，在本发明的第一方面，提供了一种电容式电压互感器运维方法，包括：S100.获取目标电容式电压互感器的运维数据，并根据其计算目标电容式电压互感器的稳定性、重要性和故障程度；所述运维数据至少包括误差评估数据、基础数据和历史故障数据；S200根据所述目标电容式电压互感器的稳定性、重要性和故障程度计算其运维系数；S300基于当前运维系数及其预设阈值，确定目标电容式电压互感器的运维策略。
可以理解，误差评估数据包括基于在线评估算法得到的CVT比差、角差评估结果等。基础数据包括互感器的属性数据，包含所属变电站类型、所属变电站电压等级、所属变电站负荷等级、互感器价格、是否属于关口计量点、线路信息、拓扑信息等。
在本发明的一些实施例的步骤S100中，所述获取目标电容式电压互感器的运维数据，并根据其计算目标电容式电压互感器的稳定性、重要性和故障程度包括：
S101.基于目标电容式电压互感器的误差评估数据，构建根据误差的不同变化趋势的多个稳定性模型，并对所述多个稳定性模型进行加权，得到目标电容式电压互感器的稳定性指标；
具体地，CVT的稳定性评估方法包括：建立CVT稳定性状态指标数据模型，包括：突变误差稳定频次函数模型、突变误差不稳定频次函数模型、渐变误差单调显著性函数模型和渐变误差标准偏差函数模型；对各状态评估指标的重要性进行比较，确定状态评估指标的权重，根据CVT稳定性状态指标数据模型的各个状态评估指标的结果和对应的权重计算CVT稳定性状态评分（指标值）。
S102.基于目标电容式电压互感器的基础数据，完成互感器经济指标I 1、变电站指标I 2、关口指标I 3以及拓扑指标I 4的计算，得到目标电容式电压互感器的重要性指标IM；具体地，CVT重要性评定的关键因素有经济指标、变电站指标、关口指标以及拓扑指标，基于上述4个指标构建CVT重要性评定体系（如图3所示）。首先基于各指标建立相应的重要性指标数据模型，采用层次分析法对各指标重要性进行比较，确定各指标权重。根据CVT各重要性指标数据模型得到的评估结果和对应的权重计算CVT重要性评分IM。具体的指标及其计算方法如下：
① 经济指标I 1：
根据互感器的成本，将互感器的经济指标定义为：
其中Q为互感器价格，单位为万元；a、b、c根据目标电容式电压互感器所在地区的经济指标（例如GDP）进行设置。优选的，a、b、c的取值为2、5、10。
② 变电站指标I 2：
互感器的重要性I 2的取值由所属变电站的重要度等级决定，变电站的重要性又与变电站电压等级、负荷等级(一级、二级、三级)有关，因此定义变电站指标I 2为：
其中，U max为所监测的变电站最高电压等级，U为待判定的CVT所属的变电站电压等
级；
为变电站的负荷等级，其中
，表示一级负荷；
，表示二级负荷；
，表示三
级负荷。
③ 关口指标I 3：
根据互感器是否为关口计量点，将互感器I 3定义为：
其中，x=0，表示互感器为发电上网关口计量点；
x=1，表示互感器为用户考核关口计量点；
x=2，表示互感器为非关口计量点。
④ 拓扑指标I 4
互感器的拓扑指标是指其在变电站中所处的位置和拓扑结构情况。在电网中，用该互感器进行计量的线路越多，该互感器越重要。对于互感器的拓扑指标可用该互感器所用于计量的线路数量来体现。
其中，n为变电站中以该互感器作为计量的线路数量，N为变电站中线路总数。
接着，采用层次分析法对经济指标、变电站等级、关口指标、拓扑指标等4个指标进行比较分析，分别赋予权重w 1、w 2、w 3、w 4（其中w 1+w 2+w 3+w 4=1）。具体如下：
Step1：构建判断矩阵
专家组按照九分位标度法判断打分得到判断矩阵中元素V,九分位标度法定义项的量化及其含义如下表所示，构建判断矩阵V。
Step2：对判断矩阵进行一致性校验
（1）对判断矩阵进行归一化处理，得到权重向量
,并计
算判断矩阵的最大特征根
；
（2）计算一致性指标：
其中，n为矩阵阶数。
（3）判断一致性比率
，若
，则通过一致性检验，否则重复
step1重新构造判别矩阵V。
Step3：基于权重向量W和各指标重要性I=[I 1,I 2,I 3,I 4]计算CVT的重要性评分IM：
其中l为指标个数，l=1,2,3,4。
S103.基于目标电容式电压互感器的历史故障数据，利用训练完成的孪生深度神经网络计算目标电容式电压互感器的故障程度指标。
参考图4，图4示出了在步骤S103中孪生深度神经网络计算目标电容式电压互感器的故障程度指标的基本过程，即：所述训练完成的孪生深度神经网络通过如下方法训练：获取历史故障数据，并将其以两个为一组，划分为多组样本对；在每轮训练中，将一组随机样本x 1、x 2分别输入到一对孪生深度神经网络中，得到各自的特征向量G(x 1 )、G(x 2 )；以x 1、x 2代表的故障类型的同或结果作为标签，并根据其与G(x 1 )、G(x 2 )计算对比损失函数值；利用对比损失函数训练所述孪生深度神经网络，直至对比损失函数值趋于稳定且低于阈值，得到训练完成的孪生深度神经网络。基于训练完成的孪生深度神经网络，完成目标电容式电压互感器故障程度指标的计算。
具体地，常见的CVT故障类型分为：高压电容击穿，中压电容击穿，渗漏油，高压电容受潮，低压电容受潮，阻尼装置劣化。基于采集的CVT历史故障数据，建立孪生深度神经网络模型完成故障判断。
① 对采集的原始数据进行归一化处理，并基于预处理后的数据建立样本x，每个样本x包含T天的误差评估结果：
其中，
表示比差评估值、
表示角差评估值。
基于样本数据，以2个为一组，构建多组样本对。
② 将一对输入样本x 1、x 2代入孪生深度神经网络进行训练，经过Network子网络模型，得到输入样本新的特征向量表示G(x 1 )、G(x 2 )，通过公式计算样本的欧式距离：
训练过程中，采用对比损失函数进行模型优化：
其中，margin为设定的边界值，一般取2；y为样本集对应标签，如果输入样本为同类别样本时，y为1；否则为0；Q为参与每一轮训练的样本对的总数量；
③ 基于训练完成的孪生神经网络，将待测样本数据x j 代入模型，通过Network子网络模型输出G（x j ），通过故障计算模块完成故障指标计算；
④ 故障计算模块的计算流程如下：基于孪生深度神经网络求出不同故障类别下
的带标签样本的特征参量均值
，并将其作为标准特征量，其中R={0,1,2,3,4,5,6}
分别对应正常，高压电容击穿，中压电容击穿，渗漏油，高压电容受潮，低压电容受潮，阻尼
装置劣化等故障类型。计算待测样本x j 的特征参量与各不同故障类型标准特征量
的欧式距离：
这里引入指数衰减模型表征待测样本发生各类故障的概率，当样本特征参量到各故障特征参量的中心距离越近时概率越大，距离越远时概率越小，得到待测样本占各故障类别中的概率：
其中，
为指数衰减因子，D R,j 为待测样本x j 的特征参量与R类故障标准参量之间
的欧式距离；可选的，上述欧式距离可采用其他L2范式距离表征。
考虑到不同的故障类型对于互感器计量状态的影响大小不一样，因此采用层次分
析法对各故障类型进行影响权重判断，得不同故障状态下的影响权重
，
其中到
对应高压电容击穿对互感器计量状态的影响权重；
对应中压电容击穿的影响
权重，
对应渗漏油的影响权重，
对应高压电容受潮的影响权重，
对应低压电容受
潮的影响权重，
对应阻尼装置劣化的影响权重。
因此，待测互感器的故障程度指数E（x j ）可表示为：
基于上述实施例，所述运维系数通过如下方法进行计算：
其中，P表示运维系数，S表示稳定性指标、IM表示重要性指标、E表示故障程度指标。故障程度指标E除了可以上述E（x j ）表征，还可用其他故障程度方法进行计算。
在本发明的一些实施例的步骤S300中，所述基于当前运维系数及其预设阈值，确定目标电容式电压互感器的运维策略包括：确定并计算运维系数的第一阈值和第二阈值，根据所述运维系数的第一阈值和第二阈值确定互感器运维策略：若当前运维系数大于第一阈值，则对目标电容式电压互感器进行维修；若当前运维系数大于等于第二阈值且小于等于第一阈值，则按照目标电容式电压互感器的检定周期对其进行维修；若当前运维系数小于第二阈值，则顺延到下一个检定周期对目标电容式电压互感器检修。
具体地，对计算出的互感器P值按照升序排序，以P的上四分位为Q 3，下四分位为Q 1，得到运维系数的最高阈值P H 、最低阈值P L 定义：
P H =Q 3+1.5(Q 3- Q 1），
P L =Q 3-1.5(Q 3- Q 1）。
按照下述的运维策略组织互感器运维：
（1）P＞P H ，对该台互感器需尽快安排运维检修；
（2）P L ≤P≤P H ，按照互感器检定周期正常运维；
（3）P＜P L ，顺延一个检定周期。
参考图2，在上述的实施例中，还包括基于运维情况（反馈结果），对所述运维系数的预设阈值进行调整。即：选择阈值附近的互感器组织现场运维，基于现场运维结果对阈值P H 、P L 进行微调，以提高系统运维准确性。
实施例2
参考图5，本发明的第二方面，提供了一种电容式电压互感器运维系统1，包括：获取模块11，用于获取目标电容式电压互感器的运维数据，并根据其计算目标电容式电压互感器的稳定性、重要性和故障程度；所述运维数据至少包括误差评估数据、基础数据和历史故障数据；计算模块12，用于根据所述目标电容式电压互感器的稳定性、重要性和故障程度计算其运维系数；确定模块13，用于基于当前运维系数及其预设阈值，确定目标电容式电压互感器的运维策略。
进一步的，所述计算模块12包括：第一计算单元，用于基于目标电容式电压互感器的误差评估数据，构建根据误差的不同变化趋势的多个稳定性模型，并对所述多个稳定性模型进行加权，得到目标电容式电压互感器的稳定性指标；第二计算单元，用于基于目标电容式电压互感器的基础数据，完成互感器经济指标、变电站指标、关口指标以及拓扑指标的计算，得到目标电容式电压互感器的重要性指标；第三计算单元，用于基于目标电容式电压互感器的历史故障数据，利用训练完成的孪生深度神经网络计算目标电容式电压互感器的故障指标。
实施例3
参考图6，本发明的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明在第一方面的方法。
电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个计算机程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++、Python，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。需要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种电容式电压互感器运维方法，其特征在于，包括：
获取目标电容式电压互感器的运维数据，并根据其计算目标电容式电压互感器的稳定
性、重要性和故障程度:基于目标电容式电压互感器的误差评估数据，构建根据误差的不同
变化趋势的多个稳定性模型，并对所述多个稳定性模型进行加权，得到目标电容式电压互
感器的稳定性指标；基于目标电容式电压互感器的基础数据，完成互感器经济指标I 1、变电
站指标I 2、关口指标I 3以及拓扑指标I 4的计算，得到目标电容式电压互感器的重要性指标IM：
，其中i为指标个数；w i 为对应指标的权重，其通过层次分
析法和判断矩阵计算得到；基于目标电容式电压互感器的历史故障数据，利用训练完成的
孪生深度神经网络计算目标电容式电压互感器的故障程度指标:将目标电容式电压互感器
的采集数据x j 输入到训练完成的孪生深度神经网络，得到其特征参量G（x j ），其中x j 表示第j
个样本；基于历史故障数据和所述孪生深度神经网络，计算每种故障类别下的样本特征参
量的均值
，并将其作为标准特征量；计算待测样本x j 的特征参量G（x j ）与每种故障类
别的标准特征量
之间的欧式距离D R,j ，并根据其计算待测样本x j 占每种故障类别的
概率Z R,j ：
，式中R={0,1,2,3,4,5,6}分别对应正常、高压电容
击穿、中压电容击穿、渗漏油、高压电容受潮、低压电容受潮、阻尼装置劣化，λ为指数衰减因
子；根据目标电容式电压互感器占每种故障类别的概率Z R,j 及各故障类型的影响权重μ R ，计
算目标电容式电压互感器的故障程度指标E（x j ）： 
;
所述运维数据至少包括误差评估数据、基础数据和历史故障数据；
根据所述目标电容式电压互感器的稳定性、重要性和故障程度计算其运维系数；
基于当前运维系数及其预设阈值，确定目标电容式电压互感器的运维策略。
2.根据权利要求1所述的电容式电压互感器运维方法，其特征在于，所述运维系数通过如下方法进行计算：
其中，P表示运维系数，S表示稳定性指标、IM表示重要性指标、E表示故障程度指标。
3.根据权利要求1所述的电容式电压互感器运维方法，其特征在于，所述基于当前运维系数及其预设阈值，确定目标电容式电压互感器的运维策略包括：确定并计算运维系数的第一阈值和第二阈值，根据所述运维系数的第一阈值和第二阈值确定互感器运维策略：
若当前运维系数大于第一阈值，则对目标电容式电压互感器进行维修；
若当前运维系数大于等于第二阈值且小于等于第一阈值，则按照目标电容式电压互感器的检定周期对其进行维修；
若当前运维系数小于第二阈值，则顺延到下一个检定周期对目标电容式电压互感器检修。
4.根据权利要求1所述的电容式电压互感器运维方法，其特征在于，还包括基于运维情况，对所述运维系数的预设阈值进行调整。
5.一种电容式电压互感器运维系统，其特征在于，包括：
获取模块，用于获取目标电容式电压互感器的运维数据，并根据其计算目标电容式电
压互感器的稳定性、重要性和故障程度:基于目标电容式电压互感器的误差评估数据，构建
根据误差的不同变化趋势的多个稳定性模型，并对所述多个稳定性模型进行加权，得到目
标电容式电压互感器的稳定性指标；基于目标电容式电压互感器的基础数据，完成互感器
经济指标I 1、变电站指标I 2、关口指标I 3以及拓扑指标I 4的计算，得到目标电容式电压互感
器的重要性指标IM：
，其中i为指标个数；w i 为对应指标的权
重，其通过层次分析法和判断矩阵计算得到；基于目标电容式电压互感器的历史故障数据，
利用训练完成的孪生深度神经网络计算目标电容式电压互感器的故障程度指标:将目标电
容式电压互感器的采集数据x j 输入到训练完成的孪生深度神经网络，得到其特征参量G
（x j ），其中x j 表示第j个样本；基于历史故障数据和所述孪生深度神经网络，计算每种故障类
别下的样本特征参量的均值
，并将其作为标准特征量；计算待测样本x j 的特征参量
G（x j ）与每种故障类别的标准特征量
之间的欧式距离D R,j ，并根据其计算待测样本x j
占每种故障类别的概率Z R,j ：
，式中R={0,1,2,3,4,5,6}分别对
应正常、高压电容击穿、中压电容击穿、渗漏油、高压电容受潮、低压电容受潮、阻尼装置劣
化，λ为指数衰减因子；根据目标电容式电压互感器占每种故障类别的概率Z R,j 及各故障类
型的影响权重μ R ，计算目标电容式电压互感器的故障程度指标E（x j ）： 
;所述运维数据至少包括误差评估数据、基础数据
和历史故障数据；
计算模块，用于根据所述目标电容式电压互感器的稳定性、重要性和故障程度计算其运维系数；
确定模块，用于基于当前运维系数及其预设阈值，确定目标电容式电压互感器的运维策略。
6.一种电子设备，包括：一个或多个处理器；存储装置，其特征在于，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至4任一项所述的电容式电压互感器运维方法。
7.一种计算机可读介质，其特征在于，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的电容式电压互感器运维方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210528000.3A CN114626769B (zh) | 2022-05-16 | 2022-05-16 | 一种电容式电压互感器运维方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210528000.3A CN114626769B (zh) | 2022-05-16 | 2022-05-16 | 一种电容式电压互感器运维方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114626769A CN114626769A (zh) | 2022-06-14 |
| CN114626769B true CN114626769B (zh) | 2022-08-02 |
Family
ID=81907153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210528000.3A Active CN114626769B (zh) | 2022-05-16 | 2022-05-16 | 一种电容式电压互感器运维方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114626769B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115980647B (zh) * | 2022-11-02 | 2023-08-11 | 国网安徽省电力有限公司营销服务中心 | 一种基于群体信息的cvt异常状态识别方法及装置 |
| CN115598582B (zh) * | 2022-12-14 | 2023-04-07 | 国网福建省电力有限公司 | 一种分布式互感器在线监测方法、系统、设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014162020A1 (es) * | 2013-04-02 | 2014-10-09 | Arteche Centro De Tecnología, A.I.E. | Puente de medida modular para determinar el error de medida en transformadores de medida |
| CN110361686A (zh) * | 2019-08-28 | 2019-10-22 | 华北电力大学（保定） | 基于多参数的电容式电压互感器故障检测方法 |
| CN111537939A (zh) * | 2020-04-17 | 2020-08-14 | 武汉格蓝若智能技术有限公司 | 一种基于多指标融合的电压互感器状态评估方法及装置 |
| CN113887846A (zh) * | 2021-12-07 | 2022-01-04 | 武汉格蓝若智能技术有限公司 | 一种电容式电压互感器的超差风险预警方法 |
| CN114089255A (zh) * | 2022-01-21 | 2022-02-25 | 武汉格蓝若智能技术有限公司 | 一种电容式电压互感器稳定性评估方法 |
-
2022
- 2022-05-16 CN CN202210528000.3A patent/CN114626769B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014162020A1 (es) * | 2013-04-02 | 2014-10-09 | Arteche Centro De Tecnología, A.I.E. | Puente de medida modular para determinar el error de medida en transformadores de medida |
| CN110361686A (zh) * | 2019-08-28 | 2019-10-22 | 华北电力大学（保定） | 基于多参数的电容式电压互感器故障检测方法 |
| CN111537939A (zh) * | 2020-04-17 | 2020-08-14 | 武汉格蓝若智能技术有限公司 | 一种基于多指标融合的电压互感器状态评估方法及装置 |
| CN113887846A (zh) * | 2021-12-07 | 2022-01-04 | 武汉格蓝若智能技术有限公司 | 一种电容式电压互感器的超差风险预警方法 |
| CN114089255A (zh) * | 2022-01-21 | 2022-02-25 | 武汉格蓝若智能技术有限公司 | 一种电容式电压互感器稳定性评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 电子式互感器电能计量贸易结算的PCA和AHP混合风险评估方法;李晓辉等;《电测与仪表》;20180725(第14期);全文 * |
| 站场工艺设备维护维修优化;张旭东等;《油气储运》;20151231(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114626769A (zh) | 2022-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114626769B (zh) | 一种电容式电压互感器运维方法及系统 | |
| CN112488395B (zh) | 一种配电网线损预测方法及系统 | |
| CN109829497B (zh) | 一种基于监督学习的台区用户识别及判别方法 | |
| CN113297797B (zh) | 一种基于XGBoost的电子式互感器量测误差状态评估方法及装置 | |
| CN109711663A (zh) | 基于大数据分析的变电站油浸式变压器状态评估与修正方法及系统 | |
| CN103324992B (zh) | 基于马尔可夫和熵权模糊综合评价的变压器风险预测方法 | |
| CN106651169A (zh) | 基于模糊综合评价的配电自动化终端状态评价方法及系统 | |
| CN113887846B (zh) | 一种电容式电压互感器的超差风险预警方法 | |
| CN110910026B (zh) | 一种跨省输电线路线损智能管理与决策方法及系统 | |
| CN116150897A (zh) | 一种基于数字孪生的机床主轴性能测评方法及系统 | |
| CN112163371A (zh) | 一种变压器套管状态评估方法 | |
| CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
| CN106530139A (zh) | 电网投资分析模型指标参数计算方法 | |
| CN110969306A (zh) | 基于深度学习的配电低压台区负荷预测方法及装置 | |
| CN107607820A (zh) | 一种基于生灭过程的变压器内部潜伏性故障率预测方法 | |
| CN111179576A (zh) | 一种具有归纳学习的用电信息采集故障诊断方法及系统 | |
| CN110851784A (zh) | 一种现场运行电能表的预警方法 | |
| CN108229786B (zh) | 电网投资分配处理方法及装置 | |
| CN115526393A (zh) | 一种基于变电工程关键影响因素筛选的造价预测方法 | |
| CN115718478A (zh) | 基于sac深度强化学习的svg参数优化辨识方法 | |
| CN114971272A (zh) | 一种中压配电网网格化规划评价方法及系统 | |
| CN113780775A (zh) | 一种电网理论线损计算结果评价方法及系统 | |
| CN114298598A (zh) | 城市高可靠性中压配电网接线模式综合评估方法 | |
| CN112016631A (zh) | 一种低电压治理相关的改进方案 | |
| CN112365024A (zh) | 一种基于深度学习的高压直流换流站能效预测方法及系统 |
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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 1803-1805, building 2-07, guanggu.core center, 303 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000 Patentee after: Wuhan Gelanruo Intelligent Technology Co.,Ltd. Address before: Room 1803-1805, building 2-07, guanggu.core center, 303 Guanggu Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province, 430000 Patentee before: WUHAN GLORY ROAD INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method and system for operation and maintenance of capacitive voltage transformer Effective date of registration: 20221230 Granted publication date: 20220802 Pledgee: Bank of China Limited Wuhan Donghu New Technology Development Zone Branch Pledgor: Wuhan Gelanruo Intelligent Technology Co.,Ltd. Registration number: Y2022420000404 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20220802 Pledgee: Bank of China Limited Wuhan Donghu New Technology Development Zone Branch Pledgor: Wuhan Gelanruo Intelligent Technology Co.,Ltd. Registration number: Y2022420000404 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right |