CN115078618A - 一种变压器油色谱故障识别方法及相关装置 - Google Patents
一种变压器油色谱故障识别方法及相关装置 Download PDFInfo
- Publication number
- CN115078618A CN115078618A CN202210821365.5A CN202210821365A CN115078618A CN 115078618 A CN115078618 A CN 115078618A CN 202210821365 A CN202210821365 A CN 202210821365A CN 115078618 A CN115078618 A CN 115078618A
- Authority
- CN
- China
- Prior art keywords
- transformer
- fault
- characteristic gas
- recognition result
- transformer oil
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000007789 gas Substances 0.000 claims abstract description 166
- 238000012549 training Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004519 manufacturing process Methods 0.000 claims description 29
- 238000004587 chromatography analysis Methods 0.000 claims description 20
- 230000002159 abnormal effect Effects 0.000 claims description 16
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 239000007787 solid Substances 0.000 claims description 9
- 230000032683 aging Effects 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 239000011810 insulating material Substances 0.000 claims description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 6
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 5
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 5
- 239000001569 carbon dioxide Substances 0.000 claims description 5
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 5
- 239000001257 hydrogen Substances 0.000 claims description 4
- 229910052739 hydrogen Inorganic materials 0.000 claims description 4
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 claims description 3
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 claims description 3
- 239000005977 Ethylene Substances 0.000 claims description 3
- HSFWRNGVRCDJHI-UHFFFAOYSA-N alpha-acetylene Natural products C#C HSFWRNGVRCDJHI-UHFFFAOYSA-N 0.000 claims description 3
- 238000010891 electric arc Methods 0.000 claims description 3
- 125000002534 ethynyl group Chemical group [H]C#C* 0.000 claims description 3
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims 1
- 230000008569 process Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 150000002431 hydrogen Chemical class 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G01N30/86—Signal analysis
- G01N30/8696—Details of Software
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本申请公开了一种变压器油色谱故障识别方法及相关装置，通过条件约束用于对变压器油色谱模型进行训练，来确定特征气体的注意值和警告值的阈值；通过条件约束对变压器油色谱模型进行一次故障识别或二次故障识别训练，得到第一次识别结果和第二识别结果，来确定特征气体的注意值和警告值的一次阈值或二次阈值；当第一识别结果和第二识别结果不相同时，对不同的特征气体进行加权处理后，重新进行训练直至二者识别结果相同，得到最终注意值和警告值的阈值。从而解决了现有技术人为地对特征气体的注意值和警告值的阈值进行设定，存在特征气体的注意值和警告值的阈值过高或偏低，导致影响对变压器故障的识别精度的技术问题。
Description
技术领域
本申请涉及变压器技术领域，尤其涉及一种变压器油色谱故障识别方法及相关装置。
背景技术
变压器作为整个电力系统中连接不同电压的枢纽，其运行状况的良好决定了电网的安全稳定。与此同时对电网的可靠性提出了更高的要求，变压器的安全稳定运行是电力安全和可靠不可缺少的关键因数，必须采取有效措施，防止和减少变压器发生故障。
目前供电企业大多数采用状态检修状态，根据变压器的运行状态，及时进行检修，从而可以预防发生严重故障，但仅仅凭借电气试验，通常很难发现变压器中存在的一些故障，即很难发现变压器中潜在的故障类型。而且周期性检修往往不能发现设备的小故障及潜伏性的故障，容易造成电网停电事故和带来经济损失，不能保障供电的可靠性，而且设备检修的成本也高。而现有通过变压器油色谱对故障的识别方法，需要人为地对特征气体的注意值或警告值的阈值进行设定，存在特征气体的注意值或警告值的阈值过高或偏低，从而影响了变压器故障的识别精确度。
发明内容
本申请提供了一种变压器油色谱故障识别方法及相关装置，用于解决现有技术由于人为设定特征气体警告阈值，导致影响了变压器故障的识别精确度的技术问题。
有鉴于此，本申请第一方面提供了一种变压器油色谱故障识别方法，所述方法包括：
S1、建立变压器油色谱模型，并设定所述变压器油色谱模型的条件约束，所述条件约束包括：变压器固体绝缘材料的正常老化分解情况；
S2、根据变压器正常状态以及异常状态产生的特征气体，分别计算变压器正常状态以及异常状态时的特征气体增加量和产气速率；
S3、基于所述条件约束对所述变压器油色谱模型进行第一次训练，确定特征气体注意值和警告值的第一阈值，根据所述第一阈值和所述特征气体增加量分析变压器是否出现故障及出现故障时的故障类型，得到第一识别结果；
S4、基于所述条件约束对所述变压器油色谱模型进行第二次训练，确定特征气体注意值和警告值的第二阈值，根据所述第二阈值和所述特征气体增加量分析变压器是否出现故障及出现故障时的故障类型，得到第二识别结果；
S5、当所述第一识别结果和所述第二识别结果不相同时，对不同的特征气体进行加权处理，并返回执行步骤S3-S4，直至所述第一识别结果和所述第二识别结果相同，则结束训练得到最终的注意阈值、警告阈值以及故障类型。
可选地，步骤S5，之后还包括：
根据特征气体的产气速率判断变压器出现的故障类型的严重程度。
可选地，所述对不同的特征气体进行加权处理，具体包括：
根据特征气体的产气速率对特征气体进行加权处理，当特征气体的产气速率越快，设定特征气体的加权系数越大。
可选地，变压器的故障状态，具体包括：局部放电、火花放电、电弧放电、低温过热、中温过热、高温过热、放电兼过热。
可选地，特征气体，具体包括：氢气、甲烷、乙烷、乙烯、乙炔、一氧化碳、二氧化碳。
本申请第二方面提供一种变压器油色谱故障识别系统，所述系统包括：
建立单元，用于建立变压器油色谱模型，并设定所述变压器油色谱模型的条件约束，所述条件约束包括：变压器固体绝缘材料的正常老化分解情况；
计算单元，用于根据变压器正常状态以及异常状态产生的特征气体，分别计算变压器正常状态以及异常状态时的特征气体增加量和产气速率；
第一训练单元，用于基于所述条件约束对所述变压器油色谱模型进行第一次训练，确定特征气体注意值和警告值的第一阈值，根据所述第一阈值和所述特征气体增加量分析变压器是否出现故障及出现故障时的故障类型，得到第一识别结果；
第二训练单元，用于基于所述条件约束对所述变压器油色谱模型进行第二次训练，确定特征气体注意值和警告值的第二阈值，根据所述第二阈值和所述特征气体增加量分析变压器是否出现故障及出现故障时的故障类型，得到第二识别结果；
第一分析单元，用于当所述第一识别结果和所述第二识别结果不相同时，对不同的特征气体进行加权处理，并触发所述第一训练单元和所述第二训练单元，直至所述第一识别结果和所述第二识别结果相同，则结束训练得到最终的注意阈值、警告阈值以及故障类型。
可选地，还包括：第二分析单元；
所述第二分析单元，用于根据特征气体的产气速率判断变压器出现的故障类型的严重程度。
可选地，所述第一分析单元，具体用于：
当所述第一识别结果和所述第二识别结果不相同时，根据特征气体的产气速率对特征气体进行加权处理，当特征气体的产气速率越快，设定特征气体的加权系数越大，并触发所述第一训练单元和所述第二训练单元，直至所述第一识别结果和所述第二识别结果相同，则结束训练得到最终的注意阈值、警告阈值以及故障类型。
本申请第三方面提供一种变压器油色谱故障识别设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令，执行如上述第一方面所述的变压器油色谱故障识别方法的步骤。
本申请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用于存储程序代码，所述程序代码用于执行上述第一方面所述的变压器油色谱故障识别方法。
从以上技术方案可以看出，本申请具有以下优点：
本申请提供了一种变压器油色谱故障识别方法，包括：S1、建立变压器油色谱模型，并设定变压器油色谱模型的条件约束，条件约束包括：变压器固体绝缘材料的正常老化分解情况；S2、根据变压器正常状态以及异常状态产生的特征气体，分别计算变压器正常状态以及异常状态时的特征气体增加量和产气速率；S3、基于条件约束对变压器油色谱模型进行第一次训练，确定特征气体注意值和警告值的第一阈值，根据第一阈值和特征气体增加量分析变压器是否出现故障及出现故障时的故障类型，得到第一识别结果；S4、基于条件约束对变压器油色谱模型进行第二次训练，确定特征气体注意值和警告值的第二阈值，根据第二阈值和特征气体增加量分析变压器是否出现故障及出现故障时的故障类型，得到第二识别结果；S5、当第一识别结果和第二识别结果不相同时，对不同的特征气体进行加权处理，并返回执行步骤S3-S4，直至第一识别结果和第二识别结果相同，则结束训练得到最终的注意阈值、警告阈值以及故障类型。
与现有技术相比：
1)本申请通过条件约束用于对变压器油色谱模型进行训练，来确定特征气体的注意值和警告值的阈值；通过条件约束对变压器油色谱模型进行一次故障识别或二次故障识别，来确定特征气体的注意值和警告值的一次阈值或二次阈值，大大提高模型故障类型识别的精确度；从而解决了现有技术人为地对特征气体的注意值和警告值的阈值进行设定，存在特征气体的注意值和警告值的阈值过高或偏低，导致影响对变压器故障的识别精度的技术问题；
2)并且通过一次故障识别和二次故障识别，有效避免严重程度对故障类型识别造成干扰，一次故障识别确定了变压器出现的故障类型，二次故障识别确定了变压器所出现的故障类型的严重程度，由于一次故障识别可能存在误差，通过二次故障识别，提高对变压器故障类型识别的精确性，从而提高电力设备的安全稳定运行；
3)同时通过实时监测特征气体的注意值的阈值，可以能尽早发现变压器的潜在的故障，防止故障发展和扩大，即在故障潜伏的初始阶段就能得到有效控制和处理，以此提高电力系统的运行可靠性。
附图说明
图1为本申请实施例中提供的一种变压器油色谱故障识别方法实施例的流程示意图；
图2为本申请实施例中提供的一种变压器油色谱故障识别系统实施例的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参阅图1，本申请实施例中提供的一种变压器油色谱故障识别方法，包括：
步骤101、建立变压器油色谱模型，并设定变压器油色谱模型的条件约束，条件约束包括：变压器固体绝缘材料的正常老化分解情况；
需要说明的是，建立变压器油色谱模型，并进行条件约束；条件约束包括固体绝缘材料的正常老化分解情况；变压器中的有机材料，在热和电的作用下，会逐渐老化和分解，产生一氧化碳和二氧化碳；油中含有水，可以与铁作用生成氢气；不同型号的变压器设备参数，电压等级不同，特征气体的注意值和警告值不同；当氧气含量较高时，变压器容易在电和热的作用下发生化学氧化反应，致使油质发生劣化，同时导致固体绝缘材料加速老化，产生少量的一氧化碳和二氧化碳，长期积累也会成为显著数量。条件约束用于对变压器油色谱模型进行训练，来确定特征气体的注意值和警告值的阈值。
步骤102、根据变压器正常状态以及异常状态产生的特征气体，分别计算变压器正常状态以及异常状态时的特征气体增加量和产气速率；
需要说明的是，首先通过模拟变压器在无故障状态下正常运行产生特征气体，基于时间序列获取无故障状态下的特征气体信号，并计算特征气体增加的量和计算特征气体的产气速率；即在不同的时间，对无故障状态下的特征气体的产气速率和特征气体的增加量进行计算。
特征气体包括：氢气、甲烷、乙烷、乙烯、乙炔、一氧化碳、二氧化碳；
接着通过模拟变压器在各种故障状态下异常运行产生特征气体，基于时间序列获取故障状态下的特征气体信号，并计算故障状态增加的特征气体量和计算特征气体的产气速率；即在不同的时间，对故障状态下的特征气体的产气速率和特征气体的增加量进行计算。
故障状态包括：局部放电、火花放电、电弧放电、低温过热、中温过热、高温过热、放电兼过热；故障状态下指的是上述故障状态中的一种以上或者两种及以上多种故障状态混合同时模拟发生。
步骤103、基于条件约束对变压器油色谱模型进行第一次训练，确定特征气体注意值和警告值的第一阈值，根据第一阈值和特征气体增加量分析变压器是否出现故障及出现故障时的故障类型，得到第一识别结果；
根据无故障状态下和故障状态下的特征气体的增加量、条件约束，对变压器油色谱模型进行一次故障识别；一次故障识别包括：基于条件约束变压器油色谱模型进行训练来决定特征气体的注意值和警告值的一次阈值；根据特征气体的增加量判断变压器是否出现故障及故障类型。
需要说明的是，根据特征气体的增加量是否超过特征气体的注意值或警告值的一次阈值，来判断变压器是否出现故障及故障类型。
步骤104、基于条件约束对变压器油色谱模型进行第二次训练，确定特征气体注意值和警告值的第二阈值，根据第二阈值和特征气体增加量分析变压器是否出现故障及出现故障时的故障类型，得到第二识别结果；
根据无故障状态下和故障状态下的特征气体的增加量、产气速率和条件约束，对变压器油色谱模型进行二次故障识别；二次故障识别包括：基于条件约束变压器油色谱模型进行训练来决定特征气体的注意值和警告值的二次阈值；根据特征气体的增加量判断变压器出现的故障及故障类型；根据特征气体的产气速率来判断变压器出现的故障类型的严重程度；
需要说明的是，根据特征气体的增加量是否超过特征气体的注意值或警告值的二次阈值，来判断变压器是否出现故障及故障类型，再根据特征气体的产气速率来判断变压器出现的故障类型的严重程度。
步骤105、当第一识别结果和第二识别结果不相同时，对不同的特征气体进行加权处理，并返回执行步骤103-104，直至第一识别结果和第二识别结果相同，则结束训练得到最终的注意阈值、警告阈值以及故障类型。
若一次故障识别的结果与二次的结果不相同，则对所不同项的特征气体进行加权处理；加权处理包括：特征气体的产气速率越快，设定其特征气体的加权系数越大。重新训练直至一次与二次故障识别相同，即特征气体的注意值和警告值的一次阈值与特征气体的注意值和警告值的二次阈值相同(在允许的范围内则认为相同)，一次故障识别特征气体出现的变压器故障类型与二次故障识别出现的变压器故障类型相同。
若一次故障识别的结果与二次故障识别的结果相同，则判断完成训练；即特征气体的注意值和警告值的一次阈值与特征气体的注意值和警告值的二次阈值相同(在允许的范围内则认为相同)；若一次故障识别特征气体出现的变压器故障类型与二次故障识别出现的变压器故障类型相同，再根据特征气体的产气速率来判断变压器出现的故障类型的严重程度；通过一次故障识别和二次故障识别，有效避免严重程度对故障类型识别造成干扰，一次故障识别确定了变压器出现的故障类型，二次故障识别确定了变压器所出现的故障类型的严重程度。
本申请实施例提供的一种变压器油色谱故障识别方法及相关装置，首先建立变压器油色谱模型，并进行条件约束；接着模拟变压器在无故障状态下正常运行产生特征气体，并获取无故障状态下的特征气体信号，在不同的时间计算特征气体的产气速率；模拟变压器在各种故障状态下异常运行产生特征气体，并获取故障状态下特征气体信号，计算该故障状态增加的特征气体量；然后根据无故障状态下的特征气体信号和故障状态下特征气体信号，以及条件约束对变压器油色谱模型进行一次故障识别；根据条件约束、无故障状态下的特征气体信号、产气速率、增加的特征气体量和故障状态下特征气体信号对变压器油色谱模型进行二次故障识别；最后若一次故障识别的结果与二次故障识别的结果相同，则判断完成训练；若一次故障识别的结果与二次的结果不相同，则对不同项的特征气体进行加权处理，并重新训练直至一次与二次故障识别相同；从而解决了由于人为设定特征气体警告阈值，导致影响了变压器故障的识别精确度的技术问题。
以上为本申请实施例中提供的一种变压器油色谱故障识别方法，以下为本申请实施例中提供的一种变压器油色谱故障识别系统。
请参阅图2，本申请实施例中提供的一种变压器油色谱故障识别方法，包括：
建立单元201，用于建立变压器油色谱模型，并设定变压器油色谱模型的条件约束，条件约束包括：变压器固体绝缘材料的正常老化分解情况；
计算单元202，用于根据变压器正常状态以及异常状态产生的特征气体，分别计算变压器正常状态以及异常状态时的特征气体增加量和产气速率；
第一训练单元203，用于基于条件约束对变压器油色谱模型进行第一次训练，确定特征气体注意值和警告值的第一阈值，根据第一阈值和特征气体增加量分析变压器是否出现故障及出现故障时的故障类型，得到第一识别结果；
第二训练单元204，用于基于条件约束对变压器油色谱模型进行第二次训练，确定特征气体注意值和警告值的第二阈值，根据第二阈值和特征气体增加量分析变压器是否出现故障及出现故障时的故障类型，得到第二识别结果；
第一分析单元205，用于当第一识别结果和第二识别结果不相同时，对不同的特征气体进行加权处理，并触发第一训练单元和第二训练单元，直至第一识别结果和第二识别结果相同，则结束训练得到最终的注意阈值、警告阈值以及故障类型。
进一步地，本申请实施例中还提供了一种变压器油色谱故障识别设备，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行上述方法实施例所述的变压器油色谱故障识别方法。
进一步地，本申请实施例中还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述方法实施例所述的变压器油色谱故障识别方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于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：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指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)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文全称：Read-OnlyMemory，英文缩写：ROM)、随机存取存储器(英文全称：Random Access Memory，英文缩写：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种变压器油色谱故障识别方法，其特征在于，包括：
S1、建立变压器油色谱模型，并设定所述变压器油色谱模型的条件约束，所述条件约束包括：变压器固体绝缘材料的正常老化分解情况；
S2、根据变压器正常状态以及异常状态产生的特征气体，分别计算变压器正常状态以及异常状态时的特征气体增加量和产气速率；
S3、基于所述条件约束对所述变压器油色谱模型进行第一次训练，确定特征气体注意值和警告值的第一阈值，根据所述第一阈值和所述特征气体增加量分析变压器是否出现故障及出现故障时的故障类型，得到第一识别结果；
S4、基于所述条件约束对所述变压器油色谱模型进行第二次训练，确定特征气体注意值和警告值的第二阈值，根据所述第二阈值和所述特征气体增加量分析变压器是否出现故障及出现故障时的故障类型，得到第二识别结果；
S5、当所述第一识别结果和所述第二识别结果不相同时，对不同的特征气体进行加权处理，并返回执行步骤S3-S4，直至所述第一识别结果和所述第二识别结果相同，则结束训练得到最终的注意阈值、警告阈值以及故障类型。
2.根据权利要求1所述的变压器油色谱故障的识别方法，其特征在于，步骤S5，之后还包括：
根据特征气体的产气速率判断变压器出现的故障类型的严重程度。
3.根据权利要求1所述的变压器油色谱故障的识别方法，其特征在于，所述对不同的特征气体进行加权处理，具体包括：
根据特征气体的产气速率对特征气体进行加权处理，当特征气体的产气速率越快，设定特征气体的加权系数越大。
4.根据权利要求1所述的变压器油色谱故障的识别方法，其特征在于，变压器的故障状态，具体包括：局部放电、火花放电、电弧放电、低温过热、中温过热、高温过热、放电兼过热。
5.根据权利要求1所述的变压器油色谱故障的识别方法，其特征在于，特征气体，具体包括：氢气、甲烷、乙烷、乙烯、乙炔、一氧化碳、二氧化碳。
6.一种变压器油色谱故障识别系统，其特征在于，包括：
建立单元，用于建立变压器油色谱模型，并设定所述变压器油色谱模型的条件约束，所述条件约束包括：变压器固体绝缘材料的正常老化分解情况；
计算单元，用于根据变压器正常状态以及异常状态产生的特征气体，分别计算变压器正常状态以及异常状态时的特征气体增加量和产气速率；
第一训练单元，用于基于所述条件约束对所述变压器油色谱模型进行第一次训练，确定特征气体注意值和警告值的第一阈值，根据所述第一阈值和所述特征气体增加量分析变压器是否出现故障及出现故障时的故障类型，得到第一识别结果；
第二训练单元，用于基于所述条件约束对所述变压器油色谱模型进行第二次训练，确定特征气体注意值和警告值的第二阈值，根据所述第二阈值和所述特征气体增加量分析变压器是否出现故障及出现故障时的故障类型，得到第二识别结果；
第一分析单元，用于当所述第一识别结果和所述第二识别结果不相同时，对不同的特征气体进行加权处理，并触发所述第一训练单元和所述第二训练单元，直至所述第一识别结果和所述第二识别结果相同，则结束训练得到最终的注意阈值、警告阈值以及故障类型。
7.根据权利要求6所述的变压器油色谱故障识别系统，其特征在于，还包括：第二分析单元；
所述第二分析单元，用于根据特征气体的产气速率判断变压器出现的故障类型的严重程度。
8.根据权利要求6所述的变压器油色谱故障识别系统，其特征在于，所述第一分析单元，具体用于：
当所述第一识别结果和所述第二识别结果不相同时，根据特征气体的产气速率对特征气体进行加权处理，当特征气体的产气速率越快，设定特征气体的加权系数越大，并触发所述第一训练单元和所述第二训练单元，直至所述第一识别结果和所述第二识别结果相同，则结束训练得到最终的注意阈值、警告阈值以及故障类型。
9.一种变压器油色谱故障识别设备，其特征在于，所述设备包括处理器以及存储器：
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-5任一项所述的变压器油色谱故障识别方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-5任一项所述的变压器油色谱故障识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210821365.5A CN115078618B (zh) | 2022-07-13 | 2022-07-13 | 一种变压器油色谱故障识别方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210821365.5A CN115078618B (zh) | 2022-07-13 | 2022-07-13 | 一种变压器油色谱故障识别方法及相关装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115078618A true CN115078618A (zh) | 2022-09-20 |
| CN115078618B CN115078618B (zh) | 2023-11-07 |
Family
ID=83259717
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210821365.5A Active CN115078618B (zh) | 2022-07-13 | 2022-07-13 | 一种变压器油色谱故障识别方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115078618B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116165318A (zh) * | 2023-04-26 | 2023-05-26 | 广东电网有限责任公司佛山供电局 | 一种变压器故障类型识别方法、装置及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108663582A (zh) * | 2017-11-30 | 2018-10-16 | 全球能源互联网研究院有限公司 | 一种变压器的故障诊断方法及系统 |
| US20210278478A1 (en) * | 2020-03-02 | 2021-09-09 | Wuhan University | Deep parallel fault diagnosis method and system for dissolved gas in transformer oil |
| CN114152685A (zh) * | 2021-10-27 | 2022-03-08 | 国网内蒙古东部电力有限公司电力科学研究院 | 基于多元线性回归的变压器油色谱的故障诊断方法及系统 |
| CN114509620A (zh) * | 2021-11-24 | 2022-05-17 | 国网青海省电力公司海南供电公司 | 一种基于监测数据的变压器故障诊断方法 |
-
2022
- 2022-07-13 CN CN202210821365.5A patent/CN115078618B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108663582A (zh) * | 2017-11-30 | 2018-10-16 | 全球能源互联网研究院有限公司 | 一种变压器的故障诊断方法及系统 |
| US20210278478A1 (en) * | 2020-03-02 | 2021-09-09 | Wuhan University | Deep parallel fault diagnosis method and system for dissolved gas in transformer oil |
| CN114152685A (zh) * | 2021-10-27 | 2022-03-08 | 国网内蒙古东部电力有限公司电力科学研究院 | 基于多元线性回归的变压器油色谱的故障诊断方法及系统 |
| CN114509620A (zh) * | 2021-11-24 | 2022-05-17 | 国网青海省电力公司海南供电公司 | 一种基于监测数据的变压器故障诊断方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116165318A (zh) * | 2023-04-26 | 2023-05-26 | 广东电网有限责任公司佛山供电局 | 一种变压器故障类型识别方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115078618B (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abu-Siada et al. | A new approach to identify power transformer criticality and asset management decision based on dissolved gas-in-oil analysis | |
| Gouda et al. | Condition assessment of power transformers based on dissolved gas analysis | |
| US8781756B2 (en) | Method and system for estimating transformer remaining life | |
| Morais et al. | A hybrid tool for detection of incipient faults in transformers based on the dissolved gas analysis of insulating oil | |
| US10001518B2 (en) | System and method for power transmission and distribution asset condition prediction and diagnosis | |
| Abu-Siada et al. | Fuzzy logic approach to identify transformer criticality using dissolved gas analysis | |
| US8898525B2 (en) | Method and system for use in condition monitoring | |
| CN108663582A (zh) | 一种变压器的故障诊断方法及系统 | |
| CN115078618B (zh) | 一种变压器油色谱故障识别方法及相关装置 | |
| CA2981036A1 (en) | Method and system for assessment of fault severity, risk exposure, and gassing status for liquid-filled high-voltage apparatus | |
| CN113643521A (zh) | 一种电力设备的设备状态预警方法、装置和电子设备 | |
| CN110807172A (zh) | 一种电力系统继电保护的风险预测方法和装置 | |
| CN104360194A (zh) | 一种智能电网故障诊断方法 | |
| Paul et al. | A probabilistic approach of fault detection through dissolved gas analysis in transformer and reactor | |
| JP5110946B2 (ja) | 故障点標定装置、故障点標定方法および故障点標定プログラム | |
| CN114240014A (zh) | 一种变压器状态的评估方法、装置、电子设备及存储介质 | |
| Rao et al. | Fuzzy logic based system to diagnose internal faults of power transformer | |
| Alawode et al. | Fuzzy logic and decision tree models for dissolved gas analysis in power transformer fault diagnosis | |
| Lybeck et al. | Online monitoring technical basis and analysis framework for large power transformers; Interim report for FY 2012 | |
| Albakry | Modified fault diagnosis method for power transformers using fuzzy logic technique | |
| Ciulavu | Techniques for incipient fault diagnosis | |
| US20220019937A1 (en) | Apparatus and method for predicting transformer state in consideration of whether oil filtering is performed | |
| CN113935179A (zh) | 变电主设备状态评价方法、装置、电子设备和存储介质 | |
| CN115856182A (zh) | 一种换流站中充油电气设备运行异常检测方法和装置 | |
| Rao et al. | A Novel technique to precise the diagnosis of power transformer internal faults |
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 |