CN114636776A - 一种基于变压器油溶解气体监测的变压器故障预测方法 - Google Patents

一种基于变压器油溶解气体监测的变压器故障预测方法 Download PDF

Info

Publication number
CN114636776A
CN114636776A CN202210278381.4A CN202210278381A CN114636776A CN 114636776 A CN114636776 A CN 114636776A CN 202210278381 A CN202210278381 A CN 202210278381A CN 114636776 A CN114636776 A CN 114636776A
Authority
CN
China
Prior art keywords
transformer
gas
oil
module
index
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
Application number
CN202210278381.4A
Other languages
English (en)
Inventor
刘兆萄
朱春明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Zhihe Electronic Technology Co ltd
Original Assignee
Nanjing Zhihe Electronic Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Zhihe Electronic Technology Co ltd filed Critical Nanjing Zhihe Electronic Technology Co ltd
Priority to CN202210278381.4A priority Critical patent/CN114636776A/zh
Publication of CN114636776A publication Critical patent/CN114636776A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/04—Preparation or injection of sample to be analysed
    • G01N30/06—Preparation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis

Abstract

本发明公开了一种基于变压器油溶解气体监测的变压器故障预测方法，应用于一种变压器油溶解气体监测系统中，该系统包括：油气分离模块、气相色谱模块、中央处理模块、显示模块以及数据存储模块，具体包括以下步骤：油样输入至所述油气分离模块后进行气相色谱模块进行检测，所得的信息送往所述中央处理模块，经过其进行模数转换后得到数字信息存于数据存储模块与显示模块；对指标气体产生速率和含量进行准确划分；确定故障因素的隶属度向量；确定故障因素的因素权重；综合诊断。本发明通过运用模糊变换原理，根据最大隶属度原则，可定量得出变压器故障的评价结果，从而及时的发现变压器内部的早起故障的发生和演变。

Description

一种基于变压器油溶解气体监测的变压器故障预测方法
技术领域
本发明涉及一种基于变压器油溶解气体监测的变压器故障预测方法技术领域，尤其涉及一种基于变压器油溶解气体监测的变压器故障预测方法。
背景技术
现在的变压器多为充油式变压器，以绝缘油为绝缘和散热介质，在实际运行中，变压器绝缘油和有机绝缘材料在电场及磁场，即电和热的作用下,会逐渐老化和分解，产生少量低分子烃类及二氧化碳、一氧化碳等气体,并大量溶解在油中，当存在潜伏性过热或放电故障时,这些气体的产生速度和溶解在油中的数量也会增加,即故障气体的组成和含量与故障类型的严重程度有密切关系。
变压器油中溶解气体分析诊断技术显得尤为重要，目前使用较多的仍是传统的比值法，如IEC比值法、Rogers比值法、大卫三角法，由于变压器的故障往往是多种因素综合的结果，导致比值法不够完善，分析时往往导致结果不够准确，具有一定的模糊性，如果当某种气体测量值越限产生告警时，以其他特征气体变化量的数据也十分重要，以根据各特征气体做统一的综合评价才能得出准确的故障分析报告。
为此我们提出一种基于变压器油溶解气体监测的变压器故障预测方法来解决上述问题。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出一种基于变压器油溶解气体监测的变压器故障预测方法。
为了实现上述目的，本发明采用了如下技术方案：
一种基于变压器油溶解气体监测的变压器故障预测方法，应用于一种变压器油溶解气体监测系统中，该系统包括：油气分离模块、气相色谱模块、中央处理模块、显示模块以及数据存储模块，具体包括以下步骤：
S1、首先通过泵体将变压器油样输入至所述油气分离模块，经过油气分离模块将油体与气体进行分离，分离出的各指标气体进入到所述气相色谱模块进行检测，从而得出各指标气体的成分和含量；
S2、所述S1过程所得的信息送往所述中央处理模块，经过其进行模数转换后得到数字信息存于数据存储模块，同时数字信息导入显示模块进行显示，便于工作人员的调用；
S3、循环所述S1与S2的检测过程，且指标气体监测的时间间隔保持为一天至两天，其检测单位是指标气体产生速率和含量，且对指标气体产生速率和含量进行准确划分；
S4、根据隶属度的函数数学计算公式确定变压器故障的各个因素对应三个指标的隶属度向量；
S5、确定变压器故障的各个因素的因素权重，可采用主观赋权法或者客观赋权法的其中一种方式进行评判；
S6、综合诊断，通过上述数据进行综合评价，即利用模糊综合评判软件Fuzzy直接输入判断矩阵与隶属度矩阵，选择加权平均型模糊合成算子，运用模糊变换原理，根据最大隶属度原则，分析变压器的故障状态
优选的，所述S3过程中各指标气体的生产速率可以通过如下计算公式进行表达：
Figure BDA0003556831890000031
其中，
Figure BDA0003556831890000032
与
Figure BDA0003556831890000033
分别为两次测量所得监测指标气体的浓度，T间为两次测量之间的间隔时间，m为变压器的测量总油量，ρ为变压器油的密度。
优选的，所述S3过程中，其具体对指标气体的生产速率及含量划分为三个参考指标，即：正常指标、注意指标、报警指标。
优选的，所述S6过程中变压器的故障状态分为：任一指标气体的含量或者生产速率达到报警指标范围时，则变压器发生故障；任一指标气体的含量或者生产速率达到注意指标范围时，变压器状态需要引起工作人员预警；任一指标气体的含量或者生产速率均在正常指标范围，则变压器状态正常。
优选的，所述S5过程中主观赋权法可具体采用专家咨询法、最小平方和法以及AHP法中的其中一种。
优选的，所述S5过程中客观赋权法可具体采用：熵值法、逼近理想点法中的其中一种。
优选的，所述S1过程中每次气相色谱分为三组进行，三组所得数据值取平均值作为后续执行标准值。
优选的，所述S1过程中气相色谱模块的载气为氮气，其纯度不低于99％。
与现有技术相比，本发明的有益效果是：
1、本发明通过运用模糊变换原理，根据最大隶属度原则，可定量得出变压器故障的评价结果，从而及时的发现变压器内部的早起故障的发生和演变，及时发现变压器的潜伏性故障，精度更高、稳定性好，具有很强的使用价值。
2、本发明还能提供实时的监测数据，为采取应对措施提供了决策依据，为保证变压器安全经济的运行发挥了积极作用。
附图说明
图1为本发明提出的一种基于变压器油溶解气体监测的变压器故障预测方法的流程示意图；
图2为变压器油溶解气体监测系统的示意框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
参照图1-2，一种基于变压器油溶解气体监测的变压器故障预测方法，应用于一种变压器油溶解气体监测系统中，该系统包括：油气分离模块、气相色谱模块、中央处理模块、显示模块以及数据存储模块，具体包括以下步骤：
S1、首先通过泵体将变压器油样输入至油气分离模块，经过油气分离模块将油体与气体进行分离，分离出的各指标气体进入到气相色谱模块进行检测，其中气相色谱模块所采用的载气为氮气，其纯度不低于99％，从而得出各指标气体的成分和含量，每次监测气相色谱分为三组进行，三组所得数据值取平均值作为后续执行标准值；
S2、S1过程所得的信息送往中央处理模块，经过其进行模数转换后得到数字信息存于数据存储模块，同时数字信息导入显示模块进行显示，便于工作人员的调用；
S3、循环S1与S2的检测过程，且指标气体监测的时间间隔保持为一天至两天，其检测单位是指标气体产生速率和含量，且对指标气体产生速率和含量进行准确划分，即：正常指标、注意指标、报警指标，而各指标气体的生产速率可以通过如下计算公式进行表达：
Figure BDA0003556831890000051
其中，
Figure BDA0003556831890000052
与
Figure BDA0003556831890000053
分别为两次测量所得监测指标气体的浓度，T间为两次测量之间的间隔时间，m为变压器的测量总油量，ρ为变压器油的密度。
S4、根据隶属度的函数数学计算公式确定变压器故障的各个因素对应三个指标的隶属度向量；
S5、确定变压器故障的各个因素的因素权重，可采用主观赋权法或者客观赋权法的其中一种方式进行评判，其中主观赋权法包括：专家咨询法、最小平方和法以及AHP法，客观赋权法包括：熵值法、逼近理想点法；
S6、综合诊断，通过上述数据进行综合评价，即利用模糊综合评判软件Fuzzy直接输入判断矩阵与隶属度矩阵，选择加权平均型模糊合成算子，运用模糊变换原理，根据最大隶属度原则，分析变压器的故障状态，最终，变压器的故障状态分为：任一指标气体的含量或者生产速率达到报警指标范围时，则变压器发生故障；任一指标气体的含量或者生产速率达到注意指标范围时，变压器状态需要引起工作人员预警；任一指标气体的含量或者生产速率均在正常指标范围，则变压器状态正常。
本发明通过运用模糊变换原理，根据最大隶属度原则，可定量得出变压器故障的评价结果，从而及时的发现变压器内部的早起故障的发生和演变，及时发现变压器的潜伏性故障，精度更高、稳定性好，具有很强的使用价值，还能提供实时的监测数据，为采取应对措施提供了决策依据，为保证变压器安全经济的运行发挥了积极作用。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (5)

1.一种基于变压器油溶解气体监测的变压器故障预测方法，其特征在于，应用于一种变压器油溶解气体监测系统中，该系统包括：油气分离模块、气相色谱模块、中央处理模块、显示模块以及数据存储模块，具体包括以下步骤：
S1、首先通过泵体将变压器油样输入至所述油气分离模块，经过油气分离模块将油体与气体进行分离，分离出的各指标气体进入到所述气相色谱模块进行检测，从而得出各指标气体的成分和含量；
S2、所述S1过程所得的信息送往所述中央处理模块，经过其进行模数转换后得到数字信息存于数据存储模块，同时数字信息导入显示模块进行显示，便于工作人员的调用；
S3、循环所述S1与S2的检测过程，且指标气体监测的时间间隔保持为一天至两天，其检测单位是指标气体产生速率和含量，且对指标气体产生速率和含量进行准确划分；所述S3过程中各指标气体的生产速率可以通过如下计算公式进行表达：
Figure FDA0003556831880000011
其中，
Figure FDA0003556831880000012
与
Figure FDA0003556831880000013
分别为两次测量所得监测指标气体的浓度，T间为两次测量之间的间隔时间，m为变压器的测量总油量，ρ为变压器油的密度。
S4、根据隶属度的函数数学计算公式确定变压器故障的各个因素对应三个指标的隶属度向量；
S5、确定变压器故障的各个因素的因素权重，可采用主观赋权法或者客观赋权法的其中一种方式进行评判；
S6、综合诊断，通过上述数据进行综合评价，即利用模糊综合评判软件Fuzzy直接输入判断矩阵与隶属度矩阵，选择加权平均型模糊合成算子，运用模糊变换原理，根据最大隶属度原则，分析变压器的故障状态。
2.根据权利要求1所述的一种基于变压器油溶解气体监测的变压器故障预测方法，其特征在于，所述S3过程中，其具体对指标气体的生产速率及含量划分为三个参考指标，即：正常指标、注意指标、报警指标，所述S6过程中变压器的故障状态分为：任一指标气体的含量或者生产速率达到报警指标范围时，则变压器发生故障；任一指标气体的含量或者生产速率达到注意指标范围时，变压器状态需要引起工作人员预警；任一指标气体的含量或者生产速率均在正常指标范围，则变压器状态正常，所述S5过程中主观赋权法可具体采用专家咨询法、最小平方和法以及AHP法中的其中一种。
3.根据权利要求2所述的一种基于变压器油溶解气体监测的变压器故障预测方法，其特征在于，所述S5过程中客观赋权法可具体采用：熵值法、逼近理想点法中的其中一种。
4.根据权利要求1所述的一种基于变压器油溶解气体监测的变压器故障预测方法，其特征在于，所述S1过程中每次监测气相色谱分为三组进行，三组所得数据值取平均值作为后续执行标准值。
5.根据权利要求1所述的一种基于变压器油溶解气体监测的变压器故障预测方法，其特征在于，所述S1过程中气相色谱模块所采用的载气为氮气，其纯度不低于99％。
CN202210278381.4A 2022-03-21 2022-03-21 一种基于变压器油溶解气体监测的变压器故障预测方法 Pending CN114636776A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210278381.4A CN114636776A (zh) 2022-03-21 2022-03-21 一种基于变压器油溶解气体监测的变压器故障预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210278381.4A CN114636776A (zh) 2022-03-21 2022-03-21 一种基于变压器油溶解气体监测的变压器故障预测方法

Publications (1)

Publication Number Publication Date
CN114636776A true CN114636776A (zh) 2022-06-17

Family

ID=81950558

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210278381.4A Pending CN114636776A (zh) 2022-03-21 2022-03-21 一种基于变压器油溶解气体监测的变压器故障预测方法

Country Status (1)

Country Link
CN (1) CN114636776A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116519858A (zh) * 2023-07-03 2023-08-01 福州德寰流体技术有限公司 一种带实时监测的变压器油护理装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5659126A (en) * 1996-04-19 1997-08-19 Farber; Milton Gas chromatograph techniques for on-line testing of transformer faults
CN106645531A (zh) * 2016-12-21 2017-05-10 国网河北省电力公司电力科学研究院 一种变压器油中溶解气体检测数据的修正方法
CN106843100A (zh) * 2016-12-13 2017-06-13 国网北京市电力公司 变电站二次设备运行状态等级判断方法和装置
CN107228913A (zh) * 2017-06-09 2017-10-03 广西电网有限责任公司电力科学研究院 一种变压器故障类型的状态诊断系统
CN112966990A (zh) * 2021-05-18 2021-06-15 国网江西省电力有限公司电力科学研究院 一种变电设备综合状态评价方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5659126A (en) * 1996-04-19 1997-08-19 Farber; Milton Gas chromatograph techniques for on-line testing of transformer faults
CN106843100A (zh) * 2016-12-13 2017-06-13 国网北京市电力公司 变电站二次设备运行状态等级判断方法和装置
CN106645531A (zh) * 2016-12-21 2017-05-10 国网河北省电力公司电力科学研究院 一种变压器油中溶解气体检测数据的修正方法
CN107228913A (zh) * 2017-06-09 2017-10-03 广西电网有限责任公司电力科学研究院 一种变压器故障类型的状态诊断系统
CN112966990A (zh) * 2021-05-18 2021-06-15 国网江西省电力有限公司电力科学研究院 一种变电设备综合状态评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘惠明等: "《燃气轮机及其联合循环发电技术的实践与探索》", 30 June 2018, 华南理工大学出版社 *
王金龙等: "电力变压器综合状态的模糊评价方法研究", 《变压器》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116519858A (zh) * 2023-07-03 2023-08-01 福州德寰流体技术有限公司 一种带实时监测的变压器油护理装置
CN116519858B (zh) * 2023-07-03 2023-09-05 福州德寰流体技术有限公司 一种带实时监测的变压器油护理装置

Similar Documents

Publication Publication Date Title
CN110188309B (zh) 基于隐马尔科夫模型的油浸式电力变压器缺陷预警方法
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
CN111080072A (zh) 配电变压器健康指数评估方法、装置及系统
CN105912857B (zh) 一种配电设备状态监测传感器的选配方法
CN109165242B (zh) 一种基于熵排序与时空分析的故障诊断及预警方法
CN114636776A (zh) 一种基于变压器油溶解气体监测的变压器故障预测方法
CN108830006B (zh) 基于线性评价因子的线性-非线性工业过程故障检测方法
CN112861350B (zh) 一种水冷式汽轮发电机定子绕组温度过热缺陷预警方法
CN112255511A (zh) 基于多元溶解化学特征参量的变压器纸绝缘老化评估方法
CN109490685B (zh) 基于油中溶解气体在线监测的变压器早期缺陷预警方法
CN111060221A (zh) 基于循环神经网络的变压器过热故障预警方法
CN111680712B (zh) 基于日内相似时刻的变压器油温预测方法、装置及系统
CN114595883A (zh) 基于元学习的油浸式变压器剩余寿命个性化动态预测方法
CN106770477A (zh) 一种优化传感数据及模式识别对蜜源鉴别及掺假快检方法
CN111178383A (zh) 一种基于多核支持向量机的电池单体品质分类方法
CN111832731B (zh) 一种多指标监测的油液不确定状态表征及故障诊断的方法
CN114417977A (zh) 一种基于变压器数据样本扩充的故障诊断方法及系统
CN115345392A (zh) 一种配电网异常态势研判与关键指标筛选方法
CN113029993A (zh) 一种基于注意力机制的紫外光谱快速总氮在线检测方法
CN113723732A (zh) 用于离心泵的状态判定方法及系统
CN117074833A (zh) 一种变压器故障预测方法及故障预测系统
CN114781762B (zh) 一种基于寿命消耗的装备故障预测方法
CN114418600B (zh) 一种食品输入风险监测预警方法
Chao et al. CNN-LSTM-based Prediction of the Anode Effect in Aluminum Electrolytic Cell
CN116881826A (zh) 基于全寿命周期数据的设备状态评价方法、系统及产品

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