CN115085368A - 变压器健康状态监测方法、装置、计算机设备和存储介质 - Google Patents
变压器健康状态监测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115085368A CN115085368A CN202210607618.9A CN202210607618A CN115085368A CN 115085368 A CN115085368 A CN 115085368A CN 202210607618 A CN202210607618 A CN 202210607618A CN 115085368 A CN115085368 A CN 115085368A
- Authority
- CN
- China
- Prior art keywords
- transformer
- health
- sampling data
- data
- longitudinal
- 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
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/62—Testing of transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00001—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本申请涉及一种变压器健康状态监测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。该方法包括:获取变压器的公共参数采样数据和个性参数采样数据;该公共参数采样数据用于表征变压器的整体运行状态;该个性参数采样数据用于表征变压器各相的运行状态;将公共参数采样数据和个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定变压器的纵向健康特征;根据个性参数采样数据,对变压器各相的采样数据进行横向对比分析,确定变压器的横向健康特征;综合纵向健康特征和横向健康特征,得到变压器的健康状态监测结果。使用上述方法可以提高变压器健康状态监测结果的准确性。
Description
技术领域
本申请涉及电力设备性能评估技术领域,特别是涉及一种变压器健康状态监测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
背景技术
近些年,随着国家经济的发展及人民生活水平的提高,电网规模不断扩大,电力行业飞速稳定地发展,电力系统开始向大容量、特高压方向发展。作为电力系统中的核心设备,变压器承担着能量传输和转换的工作,变压器的健康状态关系着整个电网的稳定性。基于此,有必要对变压器进行健康状态监测,以确保变压器的安全稳定运行。
传统的变压器健康状态监测方法,使用检测设备检测变压器的关键运行参数,并将该关键运行参数与对应的阈值进行对比,据此判断变压器是否存在某些特定故障,进而确定变压器的健康状态。由于传统方法仅能针对变压器的特定故障进行诊断和判别,无法全面评估变压器的健康状态,因此,传统的变压器健康状态监测方法,存在监测结果准确性不高的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高监测结果准确性的变压器健康状态监测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种变压器健康状态监测方法。所述方法包括:
获取变压器的公共参数采样数据和个性参数采样数据;所述公共参数采样数据用于表征所述变压器的整体运行状态;所述个性参数采样数据用于表征所述变压器各相的运行状态;
将所述公共参数采样数据和所述个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定所述变压器的纵向健康特征;
根据所述个性参数采样数据,对所述变压器各相的采样数据进行横向对比分析,确定所述变压器的横向健康特征;
综合所述纵向健康特征和所述横向健康特征,得到所述变压器的健康状态监测结果。
在其中一个实施例中,所述生命状态指纹库包括出生指纹库、运行指纹库和峰值指纹库;所述将所述公共参数采样数据和所述个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定所述变压器的纵向健康特征,包括:
提取出生指纹库、运行指纹库和峰值指纹库中与所述公共参数采样数据对应的第一数据,以及所述出生指纹库、所述运行指纹库和所述峰值指纹库中与所述个性参数采样数据对应的第二数据;
将所述公共参数采样数据与所述第一数据进行纵向对比分析,确定所述变压器的公共纵向健康特征;
将所述个性参数采样数据与所述第二数据进行纵向对比分析,确定所述变压器的个性纵向健康特征;
根据所述公共纵向健康特征和所述个性纵向健康特征确定所述变压器的纵向健康特征。
在其中一个实施例中,所述方法还包括:
基于所述公共参数采样数据和所述个性参数采样数据,更新所述峰值指纹库。
在其中一个实施例中,所述将所述公共参数采样数据和所述个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定所述变压器的纵向健康特征,包括以下两项中的至少一项:
分别计算得到所述公共参数采样数据和所述个性参数采样数据与生命状态指纹库中的对应数据的绝对偏差,并基于所述绝对偏差确定所述变压器的纵向健康特征;
分别计算得到所述公共参数采样数据和所述个性参数采样数据与生命状态指纹库中的对应数据的相对偏差,并基于所述相对偏差确定所述变压器的纵向健康特征。
在其中一个实施例中,所述方法还包括:
若所述横向健康特征满足相间异常判断条件,输出警示信息。
在其中一个实施例中,所述综合所述纵向健康特征和所述横向健康特征,得到所述变压器的健康状态监测结果,包括:
将所述纵向健康特征和所述横向健康特征分别乘以各自对应的权重因子,得到所述变压器的纵向健康影响权重和横向健康影响权重;
计算所述纵向健康影响权重和所述横向健康影响权重的乘积,得到所述变压器的健康状态系数;
根据所述健康状态系数,以及健康状态系数与健康状态监测结果的对应关系,确定所述变压器的健康状态监测结果。
第二方面,本申请还提供了一种变压器健康状态监测装置。装置包括:
获取模块,用于获取变压器的公共参数采样数据和个性参数采样数据;所述公共参数采样数据用于表征所述变压器的整体运行状态;所述个性参数采样数据用于表征所述变压器各相的运行状态;
纵向健康特征确定模块,用于将所述公共参数采样数据和所述个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定所述变压器的纵向健康特征;
横向健康特征确定模块,用于根据所述个性参数采样数据,对所述变压器各相的采样数据进行横向对比分析,确定所述变压器的横向健康特征;
健康状态监测结果确定模块,用于综合所述纵向健康特征和所述横向健康特征,得到所述变压器的健康状态监测结果。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取变压器的公共参数采样数据和个性参数采样数据;所述公共参数采样数据用于表征所述变压器的整体运行状态;所述个性参数采样数据用于表征所述变压器各相的运行状态;
将所述公共参数采样数据和所述个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定所述变压器的纵向健康特征;
根据所述个性参数采样数据,对所述变压器各相的采样数据进行横向对比分析,确定所述变压器的横向健康特征;
综合所述纵向健康特征和所述横向健康特征,得到所述变压器的健康状态监测结果。
第四方面,本申请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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取变压器的公共参数采样数据和个性参数采样数据;所述公共参数采样数据用于表征所述变压器的整体运行状态;所述个性参数采样数据用于表征所述变压器各相的运行状态;
将所述公共参数采样数据和所述个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定所述变压器的纵向健康特征;
根据所述个性参数采样数据,对所述变压器各相的采样数据进行横向对比分析,确定所述变压器的横向健康特征;
综合所述纵向健康特征和所述横向健康特征,得到所述变压器的健康状态监测结果。
第五方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取变压器的公共参数采样数据和个性参数采样数据;所述公共参数采样数据用于表征所述变压器的整体运行状态;所述个性参数采样数据用于表征所述变压器各相的运行状态;
将所述公共参数采样数据和所述个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定所述变压器的纵向健康特征;
根据所述个性参数采样数据,对所述变压器各相的采样数据进行横向对比分析,确定所述变压器的横向健康特征;
综合所述纵向健康特征和所述横向健康特征,得到所述变压器的健康状态监测结果。
上述变压器健康状态监测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,先获取用于表征变压器的整体运行状态的公共参数采样数据、以及用于表征变压器各相的运行状态的个性参数采样数据,再将该公共参数采样数据和个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定该变压器的纵向健康特征,并根据该个性参数采样数据,对变压器各相的采样数据进行横向对比分析,确定该变压器的横向健康特征,最后综合纵向健康特征和横向健康特征,得到变压器的健康状态监测结果,相当于对表征变压器的运行状态的采样数据进行了整体分析,综合考虑采样数据与生命状态指纹库对比得到的纵向健康特征、以及基于变压器各相采样数据确定的横向健康特征,通过对整体采样数据的多角度分析确定变压器的健康状态监测结果,有利于提高监测结果的准确性。
附图说明
图1为一个实施例中变压器健康状态监测方法的应用环境图;
图2为一个实施例中变压器健康状态监测方法的流程示意图;
图3为另一个实施例中变压器健康状态监测方法的流程示意图;
图4为又一个实施例中变压器健康状态监测方法的流程示意图;
图5为一个实施例中变压器生命状态指纹库的建立与应用过程示意图;
图6为一个实施例中健康状态评估算法示意图;
图7为一个实施例中变压器健康状态监测装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅用以解释本申请,并不用于限定本申请。
在一个实施例中,本申请提供的变压器健康状态监测方法,可以应用于如图1所示的应用环境中。其中,采样设备102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上,也可以放在云上或其他服务器上。采样设备102用于采集变压器的运行数据,得到公共参数采样数据和个性参数采样数据,服务器104在进行变压器健康状态监测的过程中:先获取用于表征变压器的整体运行状态的公共参数采样数据、以及用于表征变压器各相的运行状态的个性参数采样数据;再将该公共参数采样数据和个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定该变压器的纵向健康特征,并根据该个性参数采样数据,对变压器各相的采样数据进行横向对比分析,确定该变压器的横向健康特征;最后综合纵向健康特征和横向健康特征,得到变压器的健康状态监测结果。
在一个实施例中,本申请提供的变压器健康状态监测方法,在终端的计算处理能力满足要求的情况下,该应用环境不必涉及服务器,仅包括采样设备和终端。其中,采样设备通过网络与终端进行通信,由终端获取采样设备采集得到的公共参数采样数据和个性参数采样数据,并基于该公共参数采样数据和个性参数采样数据进行变压器健康状态的监测,得到变压器的健康状态监测结果。
其中,终端包括但不限于是台式计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备。该物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等;该便携式可穿戴设备可为智能手表、智能手环、头戴设备等。采样设备102包括但不限于是各类电参数采样设备和非电参数采样设备。该电参数采样设备可以为电流、电压、电容和阻抗等各类型电参数的采样设备;该非电参数采样设备可以为噪声、振动和绕组形变等各类型非电参数的采样设备。服务器104可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。采样设备102以及服务器104可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
在一个实施例中,如图2所示,提供了一种变压器健康状态监测方法,本实施例以该方法应用于服务器进行举例说明,可以理解的是,该方法也可以应用于终端,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤S201,获取变压器的公共参数采样数据和个性参数采样数据。
其中,公共参数采样数据用于表征变压器的整体运行状态;个性参数采样数据用于表征变压器各相的运行状态。该公共参数采样数据具体可以包括变压器的空载损耗、负载损耗、噪声和振动等可以表征变压器的整体运行状态的公共参数的采样数据;该个性参数采样数据具体可以包括各相绕组的短路阻抗、绝缘水平、电容和绕组变形等可以表征变压器各相运行状态的个性参数的采样数据。该个性参数和公共参数可以统称为表征变压器生命状态的特征参数。
具体地,服务器获取变压器的公共参数采样数据和个性参数采样数据的具体方式,可以是主动获取,也可以是被动接收。
步骤S203,将公共参数采样数据和个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定变压器的纵向健康特征。
其中,生命状态指纹库是指基于目标生命状态下的采样数据建成的数据库。由于该数据库中的采样数据可以表征目标生命状态下的变压器的运行特点,因此该数据库为可以表征目标生命状态的生命状态指纹库。该生命状态指纹库中,包含有目标生命状态下的公共参数和个性参数的采样数据。变压器的纵向健康特征是指用于表征变压器的当前生命状态与目标生命状态的差异的信息。该纵向健康特征,可以是一个或多个数值,也可以是由多个数值组成的向量或矩阵。
具体地,服务器基于当前获取的、以及生命状态指纹库中的对应参数的采样数据,将同一参数对应的不同状态下的采样数据进行纵向对比分析,可以得到各参数的纵向对比分析结果,再对各纵向对比分析结果进行运算,可以得到用于表征变压器的当前生命状态与目标生命状态下采样数据的差异的纵向健康特征。进一步地,对各纵向对比分析结果进行的运算的具体类型,可以是加权求和、求平均、求最大值、拼接、以及向量求和、叉乘和点乘等等中的一项或多项的结合。
此外,对采样数据进行纵向对比分析之前,还可以以理论算法、经验系数、仿真计算或试验数据为指导,确定用于进行纵向对比分析的公共参数和个性参数、以及变压器的纵向对比关系函数。该纵向对比关系函数,具体可以包括绝对偏差函数和相对偏差函数中的至少一种。在一个实施例中,步骤S203包括以下两项中的至少一项:分别计算公共参数采样数据和个性参数采样数据与生命状态指纹库中的对应数据的绝对偏差,并基于该绝对偏差确定变压器的纵向健康特征;分别计算公共参数采样数据和个性参数采样数据与生命状态指纹库中的对应数据的相对偏差,并基于该相对偏差确定变压器的纵向健康特征。
其中,绝对偏差是指某参数的当前采样数据与生命状态指纹库中该参数的采样数据的偏差;相对偏差是指某参数的当前采样数据相对于生命状态指纹库中该参数的采样数据的变化率。
具体地,服务器可以通过计算变压器各参数的采样数据与生命状态指纹库中的对应数据的相对偏差,和/或,变压器各参数的采样数据与生命状态指纹库中的对应数据的绝对偏差,再结合得到的偏差数据,通过特征拼接、运算等方式,确定变压器的纵向健康特征。进一步地,若针对某一参数,生命状态指纹库中包含有多个采样数据,服务器可以使用该参数的多个采样数据的中位数、均值、最大值或最小值进行偏差的计算,也可以根据采样数据对应的时间戳,根据时间戳的先后顺序,使用最早时间戳、中位数时间戳或最晚时间戳所对应的采样数据进行偏差的计算。上述实施例中,即是提供了多种纵向健康特征的确定方式,实际应用过程中,可以根据参数的具体类型和特点采用不同的方式计算得到变压器的纵向健康特征,有利于提高变压器健康状态监测方法的灵活性。
步骤S207,根据个性参数采样数据,对变压器各相的采样数据进行横向对比分析,确定变压器的横向健康特征。
其中,变压器的横向健康特征是指用于表征变压器三相之间的差异的信息。该横向健康特征,可以是一个或多个数值,也可以是由多个数值组成的向量或矩阵。具体地,服务器基于当前获取的各相的个性参数采样数据,将同一参数对应的不同相的采样数据进行横向对比分析,可以得到各参数的横向对比分析结果,再对各横向对比分析结果进行运算,可以得到用于表征变压器的当前生命状态下各相采样数据之间的差异的横向健康特征。进一步地,对各横向对比分析结果进行的运算的具体类型,可以是加权求和、求平均、求最大值、拼接、以及向量求和、叉乘和点乘等等中的一项或多项的结合。
同样的,对采样数据进行横向对比分析之前,也可以以理论算法、经验系数、仿真计算或试验数据为指导,确定用于进行横向对比分析的个性参数、以及变压器的横向对比关系函数。例如,用于进行横向对比分析的个性参数可以包括电参数和非电参数。该横向对比关系函数,具体可以包括最大差值函数和平均差值函数中的至少一种。其中,最大差值函数用于求得不同相之间同一参数的最大采样数据和最小采样数据的差值,平均差值函数用于求得不同相之间同一参数的最大采样数据和三相平均采样数据的差值。
步骤S209,综合纵向健康特征和横向健康特征,得到变压器的健康状态监测结果。
其中,变压器的健康状态监测结果用于表征变压器的当前健康状态。该健康状态监测结果可以是包含数值、符合和文字中的至少一类的健康状态信息。具体地,服务器可以对纵向健康特征和横向健康特征进行求平均,根据二者的均值得到变压器的健康状态监测结果;服务器也可以通过对纵向健康特征和横向健康特征赋予不同的权重,并对二者进行加权求和,得到变压器的健康状态监测结果;服务器还可以将根据健康特征与健康状态的映射关系,分别确定纵向健康特征和横向健康特征所对应的健康状态,并根据两个健康状态中相对较差的健康状态,得到变压器的健康状态监测结果。
在一个实施例中,步骤S209包括:将纵向健康特征和横向健康特征分别乘以各自对应的权重因子,得到变压器的纵向健康影响权重和横向健康影响权重;计算纵向健康影响权重和横向健康影响权重的乘积,得到变压器的健康状态系数;根据该健康状态系数,以及健康状态系数与健康状态监测结果的对应关系,确定变压器的健康状态监测结果。
具体地,服务器可以建立健康状态系数与健康状态监测结果的对应关系,并根据纵向健康特征以及横向健康特征对变压器健康状态的影响程度,确定纵向健康特征和横向健康特征各自对应的权重因子,并将纵向健康特征和横向健康特征分别乘以各自对应的权重因子,得到变压器的纵向健康影响权重和横向健康影响权重。然后,服务器再计算纵向健康影响权重和横向健康影响权重的乘积,得到变压器的健康状态系数,最后在根据该健康状态系数,以及健康状态系数与健康状态监测结果的对应关系,确定变压器的健康状态监测结果。进一步地,确定权重因子的具体方法包括但不限于是仿真计算方法、故障状态反馈方法、试验研究数据统计方法或基于神经网络模型的训练方法等等,并且在变压器的不同生命阶段可以使用不同的权重因子,以提高健康状态监测结果的准确性。
需要说明的是,在得到变压器健康状态监测结果后,服务器还可以以图片、文字和语音等多种形式中的至少一种,或者结合上述至少两种形式,输出变压器健康状态监测结果,并且该变压器健康状态监测结果的输出对象,可以是存储装置、显示装置或通信装置。此外,服务器还可以通过通信装置将变压器健康状态监测结果输出至终端。此外,服务器还可以针对影响变压器安全运行的关键参数,设置各关键参数的安全阈值,在某一关键参数的采样数据超出该参数的安全阈值的情况下,输出警示信息。
上述变压器健康状态监测方法,先获取用于表征变压器的整体运行状态的公共参数采样数据、以及用于表征变压器各相的运行状态的个性参数采样数据,再将该公共参数采样数据和个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定该变压器的纵向健康特征,并根据该个性参数采样数据,对变压器各相的采样数据进行横向对比分析,确定该变压器的横向健康特征,最后综合纵向健康特征和横向健康特征,得到变压器的健康状态监测结果,相当于对表征变压器的运行状态的采样数据进行了整体分析,综合考虑采样数据与生命状态指纹库对比得到的纵向健康特征、以及基于变压器各相采样数据确定的横向健康特征,通过对整体采样数据的多角度分析确定变压器的健康状态监测结果,有利于提高监测结果的准确性。
在一个实施例中,如图3所示,变压器健康状态监测方法还包括步骤S308:在横向健康特征满足相间异常判断条件的情况下,输出警示信息。
其中,相间异常判断条件可以是目标参数的相间数据差异大于阈值,或者相间数据差异大于或等于阈值。该目标参数具体可以包括变压器阻抗、绕组变形、直流电阻等便于检测且有标准规定阀值的物理量。
具体地,如上文所述,横向健康特征用于表征变压器不同相之间的数据差异。变压器经受非对称强力冲击(如单相过电压冲击或单相短路故障冲击等)的情况下,可能会引起变压器的非对称故障或缺陷。基于此,服务器可以根据横向健康特征确定目标参数的相间数据差异,并在相间数据差异满足相间异常判断条件的情况下,输出警示信息,提醒工作人员及时进行故障排查,以避免非对称故障或缺陷引起更严重的变压器故障。
在一个实施例中,生命状态指纹库包括出生指纹库、运行指纹库和峰值指纹库。在该实施例的情形下,如图4所示,步骤S203,包括:
步骤S402,提取出生指纹库、运行指纹库和峰值指纹库中与公共参数采样数据对应的第一数据,以及出生指纹库、运行指纹库和峰值指纹库中与个性参数采样数据对应的第二数据;
步骤S403,将公共参数采样数据与第一数据进行纵向对比分析,确定变压器的公共纵向健康特征;
步骤S404,将个性参数采样数据与第二数据进行纵向对比分析,确定变压器的个性纵向健康特征;
步骤S405,根据公共纵向健康特征和个性纵向健康特征确定变压器的纵向健康特征。
其中,出生指纹库为基于变压器的出厂实验和现场验收实验的实验结果建立的指纹数据库,用于表征变压器在初始生命状态下的运行特点;运行指纹库是基于设定采样周期的采样数据建立的指纹数据库,用于表征变压器在采样周期内的运行特点;峰值指纹库由变压器运行过程中的峰值数据所构成的指纹库,用于表征变压器在极端条件下的运行特点。该运行指纹库的采样周期可以是月、季或年。该峰值数据可以包括运行工况下的峰值数据,如变压器损耗和变压器振动等数据,还可以包括变压器承受特殊异常冲击后的测量数据,如变压器的短路阻抗和绕组变形等数据。需要说明的是,特殊异常冲击时的暂态振动和损耗等不作为峰值数据。可以理解,运行指纹库中所包含的是常态数据,峰值指纹库中所包含的是特殊幅值数据,峰值指纹库中某一参数的对应数据的轮廓线可以作为运行指纹库中该参数的对应数据的包络域。
进一步地,公共纵向健康特征是指用于表征变压器的当前生命状态与目标生命状态下的整体健康差异的信息;个性纵向健康特征是指用于表征变压器的当前生命状态与目标生命状态下对应相的健康差异的信息。
具体地,服务器分别提取出生指纹库中、运行指纹库和峰值指纹库中与公共参数采样数据对应的第一数据,以及出生指纹库、运行指纹库和峰值指纹库中与个性参数采样数据对应的第二数据。然后,服务器对公共参数采样数据与出生指纹库中的对应第一数据进行纵向对比分析,得到的第一子公共纵向健康特征;对公共参数采样数据与运行指纹库中的对应第一数据进行纵向对比分析,得到的第二子公共纵向健康特征;对公共参数采样数据与峰值指纹库中的对应第一数据进行纵向对比分析,得到的第三子公共纵向健康特征,再基于该第一子公共纵向健康特征、第二子公共纵向健康特征和第三子公共纵向健康特征确定变压器的公共纵向健康特征。同样的,服务器对个性参数采样数据与出生指纹库中的对应第二数据进行纵向对比分析,得到的第一子个性纵向健康特征;对个性参数采样数据与运行指纹库中的对应第二数据进行纵向对比分析,得到的第二子个性纵向健康特征;对个性参数采样数据与峰值指纹库中的对应第二数据进行纵向对比分析,得到的第三子个性纵向健康特征,再基于该第一子个性纵向健康特征、第二子个性纵向健康特征和第三子个性纵向健康特征确定变压器的个性纵向健康特征。最后,服务器再根据公共纵向健康特征和个性纵向健康特征确定变压器的纵向健康特征。
进一步地,服务器确定公共纵向健康特征和个性纵向健康特征的过程中,可以基于出生指纹库、运行指纹库和峰值指纹库对健康状态的影响程度,对各指纹库对应的子公共纵向健康特征和子个性纵向健康特征赋予不同的影响权重,并通过加权求和的方式得到变压器的公共纵向健康特征和个性纵向健康特征,以提高健康特征的准确性。
此外,服务器根据公共纵向健康特征和个性纵向健康特征确定变压器的纵向健康特征的具体方式并不唯一。例如,服务器可以对公共纵向健康特征和个性纵向健康特征进行求平均,根据二者的均值得到变压器的纵向健康特征;服务器也可以通过对公共纵向健康特征和个性纵向健康特征赋予不同的权重,并对二者进行加权求和,得到变压器的纵向健康特征。
上述实施例中,配置不同的生命状态指纹库进行纵向对比分析,确定变压器的纵向健康特征,有利于提高纵向健康特征的准确性,进而提升变压器健康状态监测结果的准确性。
在一个实施例中,请继续参考图4,变压器健康状态监测方法还包括步骤S406:基于公共参数采样数据和个性参数采样数据,更新峰值指纹库。
如上文所述,峰值指纹库由变压器运行过程中的峰值数据所构成的指纹库,用于表征变压器在极端条件下的运行特点。而步骤S201中获取的公共参数采样数据和个性参数采样数据可能为峰值数据,基于此,服务器将公共参数采样数据和个性参数采样数据与峰值指纹库中对应参数的采样数据进行比对,若该公共参数采样数据或个性参数采样数据为大于峰值指纹库中对应参数的采样数据的峰值数据,则服务器将该峰值数据替换峰值指纹库中对应参数的采样数据,完成峰值指纹库的更新,以提高指纹库中数据的准确性,进而提升变压器健康状态监测结果的准确性。
为便于理解,下面结合图5和图6对变压器健康状态监测方法进行详细说明。受行业现状条件所限,变压器的健康状态评估难以实现经济性与准确性的平衡,并且具有准确性不高的缺点。申请人研究发现,发生故障前,变压器生命状态的特征参数均发生了一定程度的变化,通过捕捉局部状态变化,可以实现变压器生命状态的判断与预警。基于此,本申请针对性地提出了一种变压器健康状态监测方法,通过确定表征变压器生命状态的特征参数,并基于该特征参数在不同生命状态下的采样数据建立不同的生命状态指纹库,在此基础上,再通过将实时获取的变压器的当前采样数据与生命状态指纹库中的对应数据进行纵向对比分析,以及将实时获取的变压器的各相采样数据进行横向对比分析,确定变压器的健康状态监测结果,以提高变压器健康状态监测结果的准确性,为变压器的检查、维护与更换提供准确的数据支撑,提升电力系统的可靠性。
在一个实施例中,如图5所示,变压器健康状态监测方法包括以下步骤:
步骤(1):收集与提取表征变压器生命状态的特征参数。
具体地,根据变压器的运行参数是否为三相独立数据进行分类,提取公共参数(common data,CD)和个性参数(independent data,ID),将提取得到的参数以数组的形式分类存储,得到CD指纹库与ID指纹库。其中,CD指纹库中存储变压器的公共参数,用以表征变压器的整体运行状态,例如变压器的空载损耗、负载损耗、噪声和振动等。ID指纹库中存储变压器的个性参数,具体来说指三相变压器各相的具体参数。例如,各相绕组的短路阻抗、绝缘水平、电容和绕组变形等。ID指纹库用于表征三相变压器各相的运行状态。
需要说明的是,由于材料性能和仪器精度的提升,在满足生产制造要求的前提下,变压器制造过程中可能会在确保变压器性能不降低的前提下,增减或优化工序过程。例如,被优化的工序可以包括绕组干燥时间和次数、绕组压紧次数与每次的作用力、垫块是否密化处理等。在某一工序增减或优化的情况下,变压器的性能评价体系可能会发生变化,因此需要结合变压器的具体制备工序和性能特点确定特征参数。
具体地,各关系函数可以基于理论算法、经验系数、仿真计算或试验数据确定。影响因子可以根据理论与工程经验进行调整,不同类型与用途的变压器,影响因子权重可存在差异。相间异常判断条件可以是相间差异大于阈值,也可以是某一物理量的采样数据达到安全运行判断阈值SV(safety value),进一步地,针对各特征参数,均可以设置对应的安全运行判断阈值。该安全运行判断阀值可定义为绝对值、相对值和变化率等,具体可以根据技术理论、相关标准及工程经验等确定。
步骤(3):收集与建立生命状态指纹库,包括出厂试验时的出生(birth data,BD)指纹库、运行(operation data,OD)指纹库、(peak data,PD)峰值指纹库。
其中,BD指纹库为基于变压器的出厂实验和现场验收实验的实验结果建立的指纹数据库,用于表征变压器在初始生命状态下的运行特点,该BD指纹库将作为此变压器运行过程中重要评判基准。OD指纹库是基于设定采样周期的采样数据建立的指纹数据库,用于表征变压器在采样周期内的运行特点。该OD指纹库是一个动态的数据库,需要按照一定采样周期,采样数据定义为TD(test data),需要基于采样数据对OD指纹库进行迭代更新和完善。该OD指纹库的采样周期可以是月、季或年。PD指纹库由变压器运行过程中的峰值数据所构成的指纹库,用于表征变压器在极端条件下的运行特点。该峰值数据可以包括运行工况下的峰值数据,如变压器损耗和变压器振动等数据,还可以包括变压器承受特殊异常冲击后的测量数据,如变压器的短路阻抗和绕组变形等数据。需要说明的是,特殊异常冲击时的暂态振动和损耗等不作为峰值数据。可以理解,OD指纹库中所包含的是常态数据,PD指纹库中所包含的是特殊幅值数据,PD指纹库中某一参数的对应数据的轮廓线可以作为OD指纹库中该参数的对应数据的包络域。
需要说明的是,对于个性参数,需要分别针对A、B、C三相,进行独立建库。即需要分别建立A相的BD指纹库、OD指纹库和PD指纹库,B相的BD指纹库、OD指纹库和PD指纹库,以及C相的BD指纹库、OD指纹库和PD指纹库。
步骤(4):根据变压器的重要程度及可靠性要求,设立生命评价体系的采样周期,按照时间节点采集与指纹库对应的特征参数的采样数据。
其中,采样周期由变压器在网运行的重要程度决定,理论是频率越高越好,但考虑评估成本与资源消耗的问题,可以选择以季为周期进行数据采样。进一步地,变压器承受了影响生命状态的异常冲击后,状态数据变化剧烈,为及时反映变压器的状态并更新PD指纹库,需要第一时间进行数据采样、更新和对比。
步骤(5):将采样数据与指纹库数据进行纵向对比,完成纵向生命状态的评价。
在进行纵向对比时,将采样数据与BD指纹库、OD指纹库、PD指纹库三个指纹库分别进行对比分析。纵向生命状态的评价包括公共参数和个性参数的评价,其中,公共参数可以表征变压器整体的状态,而个性参数可以表征三相各自的生命状态。
具体地,如图6所示,将采样数据与BD指纹库进行对比,得到绝对变化特征C1和C2:和式中,为关系函数,B代表BD指纹库,C代表公共参数,I代表个性参数,TDi为第i次的采样数据,CD0为公共参数所对应的BD指纹库中的源数据,ID0为个性参数所对应的BD指纹库中的源数据。
进一步地,当某一特征参数的采样数据超出了该参数的判断阀值SV,可以判断变压器的生命健康状态存在缺陷,输出警示信息。
步骤(6):使用同一时间采样的A、B、C三相的采样数据进行相间的数据分析与比较,完成横向生命状态的评价。
具体地,可以采用非电量参数和电量参数进行横向生命状态的评价,得到横向健康特征C7:C7=ψI(TDA,TDB,TDC)。式中,TDA、TDB和TDC分别代表某一个性参数的A相、B相和C相的采样数据。
进一步地,横向评价可以使用如变压器阻抗、绕组变形、直流电阻等便于检测且有标准规定阀值的个性参数。进一步地,该横向对比关系函数,具体可以包括最大差值函数和平均差值函数中的至少一种。其中,最大差值函数用于求得不同相之间同一参数的最大采样数据和最小采样数据的差值,平均差值函数用于求得不同相之间同一参数的最大采样数据和三相平均采样数据的差值。
需要说明的是,横向生命状态的评价主要考虑三相变压器三相之间的数据差异。特别是变压器经受非对称强力冲击后,进行横向生命状态评价价值会更高,能够有效地分析不平衡问题,如单相过电压冲击或单相短路故障冲击等。而纵向生命状态的评价更偏重变压器整体性能的评估,针对绝缘老化、压紧系统等问题以及对称故障问题作用明显,两者相互补充,可扩大评价范围,有效提高评价准确性,实现变压器生命状态指纹库的应用价值。
步骤(7):综合分析纵向与横向健康特征,评估变压器的生命健康状态。
其中,生命状态的评估原则应来源于技术理论、相关标准及工程经验,数据包括公共参数与个性参数的采样数据,评估内容包括变压器整体状态与三相独立状态的评估。具体地,如图6所示,健康状态系数H的计算公式为:H=C7×∑Ci×λi。式中:i取值为步骤(5)得到的6个特征,λ表示权重因子。
进一步地,确定权重因子的具体方法包括但不限于是仿真计算方法、故障状态反馈方法、试验研究数据统计方法或基于神经网络模型的训练方法等等,并且在变压器的不同生命阶段可以使用不同的权重因子,以提高健康状态监测结果的准确性。
如下表所示,本实施例中根据H值将变压器生命健康状态评定为四级,A级为优质,B级为良好,C级为关注,D级为警示处理。并且不同的健康状态等级对应有不同的处理方式。为保障评估系统的正确性,应采用多组数据相互佐证的判断方法以排除算法或数据采集的误差。当判断结果为C或D级时,应重新采集关键参数进行二次确认。特别是判断为D级时,应第一时间通知运维单位与生产制造单位,提出变压器检修、维护及更换的相关建议。
表1变压器生命健康状态等级及不同等级下的操作方案
评定等级 | 健康状态系数 | 状态说明 | 操作方案 |
A级 | H<105% | 优质 | 无操作 |
B级 | 105%≤H<110% | 良好 | 无操作 |
C级 | 110%≤H<120% | 关注 | 二次确认 |
D级 | H≥120% | 警示 | 二次确认后运维处理 |
上述变压器健康状态监测方法,基于不同生命状态下建立的三种生命状态指纹库,能即时进行变压器当前生命健康状态的评估,并根据评估结果对变压器的检修、维护及更换提出有效的建议,有利于提高变压器的运行稳定性,进而提升电力系统的稳定性。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的变压器健康状态监测方法的变压器健康状态监测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个变压器健康状态监测装置实施例中的具体限定可以参见上文中对于变压器健康状态监测方法的限定,在此不再赘述。
在一个实施例中,如图7所示,提供了一种变压器健康状态监测装置700,包括:获取模块701、纵向健康特征确定模块702、横向健康特征确定模块703和健康状态监测结果确定模块704,其中:
获取模块701,用于获取变压器的公共参数采样数据和个性参数采样数据;该公共参数采样数据用于表征变压器的整体运行状态;个性参数采样数据用于表征变压器各相的运行状态;
纵向健康特征确定模块702,用于将公共参数采样数据和个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定变压器的纵向健康特征;
横向健康特征确定模块703,用于根据个性参数采样数据,对变压器各相的采样数据进行横向对比分析,确定变压器的横向健康特征;
健康状态监测结果确定模块704,用于综合纵向健康特征和横向健康特征,得到变压器的健康状态监测结果。
在一个实施例中,纵向健康特征确定模块702具体用于执行以下两项中的至少一项:分别计算公共参数采样数据和个性参数采样数据与生命状态指纹库中的对应数据的绝对偏差,并基于该绝对偏差确定变压器的纵向健康特征;分别计算公共参数采样数据和个性参数采样数据与生命状态指纹库中的对应数据的相对偏差,并基于该相对偏差确定变压器的纵向健康特征。
在一个实施例中,健康状态监测结果确定模块704具体用于:将纵向健康特征和横向健康特征分别乘以各自对应的权重因子,得到变压器的纵向健康影响权重和横向健康影响权重;计算纵向健康影响权重和横向健康影响权重的乘积,得到变压器的健康状态系数;根据该健康状态系数,以及健康状态系数与健康状态监测结果的对应关系,确定变压器的健康状态监测结果。
在一个实施例中,变压器健康状态监测装置还包括示警模块,用于在横向健康特征满足相间异常判断条件的情况下,输出警示信息。
在一个实施例中,生命状态指纹库包括出生指纹库、运行指纹库和峰值指纹库。在该实施例的情形下,纵向健康特征确定模块702具体用于:提取出生指纹库、运行指纹库和峰值指纹库中与公共参数采样数据对应的第一数据,以及出生指纹库、运行指纹库和峰值指纹库中与个性参数采样数据对应的第二数据;将公共参数采样数据与第一数据进行纵向对比分析,确定变压器的公共纵向健康特征;将个性参数采样数据与第二数据进行纵向对比分析,确定变压器的个性纵向健康特征;根据公共纵向健康特征和个性纵向健康特征确定变压器的纵向健康特征。
在一个实施例中,变压器健康状态监测装置还包括指纹库更新模块,用于基于公共参数采样数据和个性参数采样数据,更新峰值指纹库。
上述变压器健康状态监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储各类指纹库。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种变压器健康状态监测方法。本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体地计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在其中一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述变压器健康状态监测方法中的步骤。
在其中一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述变压器健康状态监测方法中的步骤。
在其中一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述变压器健康状态监测方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种变压器健康状态监测方法,其特征在于,所述方法包括:
获取变压器的公共参数采样数据和个性参数采样数据;所述公共参数采样数据用于表征所述变压器的整体运行状态;所述个性参数采样数据用于表征所述变压器各相的运行状态;
将所述公共参数采样数据和所述个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定所述变压器的纵向健康特征;
根据所述个性参数采样数据,对所述变压器各相的采样数据进行横向对比分析,确定所述变压器的横向健康特征;
综合所述纵向健康特征和所述横向健康特征,得到所述变压器的健康状态监测结果。
2.根据权利要求1所述的方法,其特征在于,所述生命状态指纹库包括出生指纹库、运行指纹库和峰值指纹库;所述将所述公共参数采样数据和所述个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定所述变压器的纵向健康特征,包括:
提取出生指纹库、运行指纹库和峰值指纹库中与所述公共参数采样数据对应的第一数据,以及所述出生指纹库、所述运行指纹库和所述峰值指纹库中与所述个性参数采样数据对应的第二数据;
将所述公共参数采样数据与所述第一数据进行纵向对比分析,确定所述变压器的公共纵向健康特征;
将所述个性参数采样数据与所述第二数据进行纵向对比分析,确定所述变压器的个性纵向健康特征;
根据所述公共纵向健康特征和所述个性纵向健康特征确定所述变压器的纵向健康特征。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
基于所述公共参数采样数据和所述个性参数采样数据,更新所述峰值指纹库。
4.根据权利要求1所述的方法,其特征在于,所述将所述公共参数采样数据和所述个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定所述变压器的纵向健康特征,包括以下两项中的至少一项:
分别计算得到所述公共参数采样数据和所述个性参数采样数据与生命状态指纹库中的对应数据的绝对偏差,并基于所述绝对偏差确定所述变压器的纵向健康特征;
分别计算得到所述公共参数采样数据和所述个性参数采样数据与生命状态指纹库中的对应数据的相对偏差,并基于所述相对偏差确定所述变压器的纵向健康特征。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述横向健康特征满足相间异常判断条件,输出警示信息。
6.根据权利要求1至5中任意一项所述的方法,其特征在于,所述综合所述纵向健康特征和所述横向健康特征,得到所述变压器的健康状态监测结果,包括:
将所述纵向健康特征和所述横向健康特征分别乘以各自对应的权重因子,得到所述变压器的纵向健康影响权重和横向健康影响权重;
计算所述纵向健康影响权重和所述横向健康影响权重的乘积,得到所述变压器的健康状态系数;
根据所述健康状态系数,以及健康状态系数与健康状态监测结果的对应关系,确定所述变压器的健康状态监测结果。
7.一种变压器健康状态监测装置,其特征在于,所述装置包括:
获取模块,用于获取变压器的公共参数采样数据和个性参数采样数据;所述公共参数采样数据用于表征所述变压器的整体运行状态;所述个性参数采样数据用于表征所述变压器各相的运行状态;
纵向健康特征确定模块,用于将所述公共参数采样数据和所述个性参数采样数据分别与生命状态指纹库中的对应数据进行纵向对比分析,确定所述变压器的纵向健康特征;
横向健康特征确定模块,用于根据所述个性参数采样数据,对所述变压器各相的采样数据进行横向对比分析,确定所述变压器的横向健康特征;
健康状态监测结果确定模块,用于综合所述纵向健康特征和所述横向健康特征,得到所述变压器的健康状态监测结果。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210607618.9A CN115085368A (zh) | 2022-05-31 | 2022-05-31 | 变压器健康状态监测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210607618.9A CN115085368A (zh) | 2022-05-31 | 2022-05-31 | 变压器健康状态监测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115085368A true CN115085368A (zh) | 2022-09-20 |
Family
ID=83248474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210607618.9A Pending CN115085368A (zh) | 2022-05-31 | 2022-05-31 | 变压器健康状态监测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115085368A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116186017A (zh) * | 2023-04-25 | 2023-05-30 | 蓝色火焰科技成都有限公司 | 一种大数据协同监管方法及平台 |
-
2022
- 2022-05-31 CN CN202210607618.9A patent/CN115085368A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116186017A (zh) * | 2023-04-25 | 2023-05-30 | 蓝色火焰科技成都有限公司 | 一种大数据协同监管方法及平台 |
CN116186017B (zh) * | 2023-04-25 | 2023-07-28 | 蓝色火焰科技成都有限公司 | 一种大数据协同监管方法及平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104573906B (zh) | 用于分析电力传输系统中的振荡稳定性的系统和方法 | |
US10367410B2 (en) | Method and system for identifying power system element parameters and power correction factor | |
CN109270482B (zh) | 电压互感器计量准确度在线评价方法及终端设备 | |
Cheng et al. | Enhanced state estimation and bad data identification in active power distribution networks using photovoltaic power forecasting | |
CN112307677A (zh) | 基于深度学习的电网振荡模态评估与安全主动预警方法 | |
CN111612326A (zh) | 一种配变供电可靠性的综合评估方法 | |
CN110634082A (zh) | 一种基于深度学习的低频减载系统运行阶段预测方法 | |
CN108009063B (zh) | 一种电子设备故障阈值检测的方法 | |
CN115085368A (zh) | 变压器健康状态监测方法、装置、计算机设备和存储介质 | |
CN115796708A (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
CN114997566A (zh) | 考虑节点连通度损失的电网阻塞风险评估方法及系统 | |
CN117674119A (zh) | 电网运行风险评估方法、装置、计算机设备和存储介质 | |
CN117170915A (zh) | 数据中心设备故障预测方法、装置和计算机设备 | |
CN109447512B (zh) | 基于均匀设计的大电网可靠性评估方法 | |
CN116400266A (zh) | 基于数字孪生模型的变压器故障检测方法、装置及介质 | |
CN113887676B (zh) | 设备故障预警方法、装置、设备和存储介质 | |
CN115392715A (zh) | 一种用电数据风险评估方法、装置、设备及存储介质 | |
CN115481767A (zh) | 面向配电网检修的运行数据处理方法、装置和计算机设备 | |
CN115392056A (zh) | 一种高压架空输电线路运行状态监测及预警方法及装置 | |
CN114862229A (zh) | 电能质量评估方法、装置、计算机设备和存储介质 | |
CN112163331A (zh) | 一种配网线路易损性计算方法及相关装置 | |
CN113702780B (zh) | 基于bp神经网络的高压电容在线监测方法和装置 | |
CN113406537A (zh) | 一种电力设备故障程度的定量评估方法 | |
CN116415510B (zh) | 基于相空间重构和神经网络的断路器温升预测方法及系统 | |
CN113743460A (zh) | 输电线路的故障原因确定方法、装置、计算机设备 |
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 |