CN115128513A - 一种基于热量的电容器异常检测方法及相关装置 - Google Patents
一种基于热量的电容器异常检测方法及相关装置 Download PDFInfo
- Publication number
- CN115128513A CN115128513A CN202210743498.5A CN202210743498A CN115128513A CN 115128513 A CN115128513 A CN 115128513A CN 202210743498 A CN202210743498 A CN 202210743498A CN 115128513 A CN115128513 A CN 115128513A
- Authority
- CN
- China
- Prior art keywords
- capacitor
- preset
- related data
- analysis
- heat
- 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
- 239000003990 capacitor Substances 0.000 title claims abstract description 205
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000003062 neural network model Methods 0.000 claims abstract description 34
- 238000010438 heat treatment Methods 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 20
- 230000017525 heat dissipation Effects 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims description 18
- 230000005856 abnormality Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 description 9
- 230000007547 defect Effects 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement 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
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- G01R31/64—Testing of capacitors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
- G01R27/26—Measuring inductance or capacitance; Measuring quality factor, e.g. by using the resonance method; Measuring loss factor; Measuring dielectric constants ; Measuring impedance or related variables
- G01R27/2605—Measuring capacitance
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本申请公开了一种基于热量的电容器异常检测方法及相关装置,方法包括:获取电容器运行过程中的运行相关数据,运行相关数据包括电压、电流、表面温度和室内温度;根据基于运行相关数据构建的等效电路计算电容器运行参数,电容器运行参数包括谐波有效值、基波、不平衡度和电容量;采用预置BP神经网络模型根据运行相关数据进行散热分析,得到电容器预测温度;根据电容器预测温度和实测温度进行温差分析,得到电容器发热温差值;若电容器发热温差值超出预设温度范围,则根据电容器运行参数对电容器进行异常分析,得到异常检测结果。本申请能够解决现有技术缺乏高效可靠的检测策略,导致工作量较大,且效率较低的技术问题。
Description
技术领域
本申请涉及设备检测技术领域,尤其涉及一种基于热量的电容器异常检测方法及相关装置。
背景技术
电力电容器是无功补偿装置的核心,而且,电力电容器也是电网中不可或缺的设备,如果存在缺陷,故障率将升高,很有可能发生故障导致停电,进而导致大量的直接或间接经济损失,因此,对电容器进行监测和故障诊断研究相当重要。
从近几年国内外状态监测技术的发展来看,多数监测系统功能较为单一,监测的状态量较少,设备的故障诊断仅局限于超标预警,其故障分析及定位都要由运维人员凭借以往的经验来完成,诊断水平与运维人员的专业水平有直接关系。高压并联电容器在长期运行中缺陷、故障较多,目前国内外电网企业对运行中的高压并联电容器的检测方法普遍存在工作量大、效率低等缺点;这是缺乏高效可靠的检测策略导致的。
发明内容
本申请提供了一种基于热量的电容器异常检测方法及相关装置,用于解决现有技术缺乏高效可靠的检测策略,导致工作量较大,且效率较低的技术问题。
有鉴于此,本申请第一方面提供了一种基于热量的电容器异常检测方法,包括:
获取电容器运行过程中的运行相关数据,所述运行相关数据包括电压、电流、表面温度和室内温度;
根据基于所述运行相关数据构建的等效电路计算电容器运行参数,所述电容器运行参数包括谐波有效值、基波、不平衡度和电容量;
采用预置BP神经网络模型根据所述运行相关数据进行散热分析,得到电容器预测温度;
根据所述电容器预测温度和实测温度进行温差分析,得到电容器发热温差值;
若所述电容器发热温差值超出预设温度范围,则根据所述电容器运行参数对电容器进行异常分析,得到异常检测结果。
优选地,所述根据基于所述运行相关数据构建的等效电路计算电容器运行参数,所述电容器运行参数包括谐波有效值、基波、不平衡度和电容量,包括:
基于所述运行相关数据构建电容器运行过程的等效电路;
在所述等效电路的基础上,采用快速傅里叶变换算法分解出谐波有效值和基波;
在所述等效电路的基础上,根据所述电压和所述电流分别计算电压不平衡度和电流不平衡度,不平衡度包括所述电压不平衡度和所述电流不平衡度;
基于所述基波计算电容器的电容量。
优选地,所述采用预置BP神经网络模型根据所述运行相关数据进行散热分析,得到电容器预测温度,之前还包括:
基于BP神经网络构建初始BP神经网络模型;
采用拟牛顿法根据电容器训练数据集对所述初始BP神经网络模型进行训练,得到预置BP神经网络模型。
优选地,所述若所述电容器发热温差值超出预设温度范围,则根据所述电容器运行参数对电容器进行异常分析,得到异常检测结果,包括:
若所述电容器发热温差值超出预设温度范围,基于预置异常数据库,根据预设运行阈值和所述电容器运行参数对电容器进行异常分析,得到异常检测结果。
本申请第二方面提供了一种基于热量的电容器异常检测装置,包括:
数据获取模块,用于获取电容器运行过程中的运行相关数据,所述运行相关数据包括电压、电流、表面温度和室内温度;
参数计算模块,用于根据基于所述运行相关数据构建的等效电路计算电容器运行参数,所述电容器运行参数包括谐波有效值、基波、不平衡度和电容量;
热量跟踪模块,用于采用预置BP神经网络模型根据所述运行相关数据进行散热分析,得到电容器预测温度;
温差分析模块,用于根据所述电容器预测温度和实测温度进行温差分析,得到电容器发热温差值;
异常分析模块,用于若所述电容器发热温差值超出预设温度范围,则根据所述电容器运行参数对电容器进行异常分析,得到异常检测结果。
优选地,所述参数计算模块,具体用于:
基于所述运行相关数据构建电容器运行过程的等效电路;
在所述等效电路的基础上,采用快速傅里叶变换算法分解出谐波有效值和基波;
在所述等效电路的基础上,根据所述电压和所述电流分别计算电压不平衡度和电流不平衡度,不平衡度包括所述电压不平衡度和所述电流不平衡度;
基于所述基波计算电容器的电容量。
优选地,还包括:
模型构建模块,用于基于BP神经网络构建初始BP神经网络模型;
模型训练模块,用于采用拟牛顿法根据电容器训练数据集对所述初始BP神经网络模型进行训练,得到预置BP神经网络模型。
优选地,所述异常分析模块,具体用于:
若所述电容器发热温差值超出预设温度范围,基于预置异常数据库,根据预设运行阈值和所述电容器运行参数对电容器进行异常分析,得到异常检测结果。
本申请第三方面提供了一种基于热量的电容器异常检测设备,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第一方面所述的基于热量的电容器异常检测方法。
本申请第四方面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第一方面所述的基于热量的电容器异常检测方法。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请中,提供了一种基于热量的电容器异常检测方法,包括:获取电容器运行过程中的运行相关数据,运行相关数据包括电压、电流、表面温度和室内温度;根据基于运行相关数据构建的等效电路计算电容器运行参数,电容器运行参数包括谐波有效值、基波、不平衡度和电容量;采用预置BP神经网络模型根据运行相关数据进行散热分析,得到电容器预测温度;根据电容器预测温度和实测温度进行温差分析,得到电容器发热温差值;若电容器发热温差值超出预设温度范围,则根据电容器运行参数对电容器进行异常分析,得到异常检测结果。
本申请提供的基于热量的电容器异常检测方法,对于电容器运行过程中产生的多种运行数据和计算参数,先采用BP神经网络模型对电容器的发热进行针对性分析;由电容器散热导致的温差超出预置温度范围时才作进一步的异常分析,根据不同的计算参数判断不同的电容器异常状态,免去了前期的非异常波动造成检测分析操作,减少了工作量,提升了检测效率。因此,本申请能够解决现有技术缺乏高效可靠的检测策略,导致工作量较大,且效率较低的技术问题。
附图说明
图1为本申请实施例提供的一种基于热量的电容器异常检测方法的流程示意图;
图2为本申请实施例提供的一种基于热量的电容器异常检测装置的结构示意图;
图3为本申请实施例提供的等效电路结构示意图;
图4为本申请实施例提供的BP神经网络模型结构示意图;
图5为本申请实施例提供的BP神经网络模型训练参数示意图。
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。
电压和电流的有效值测量也是诊断电容器缺陷的常用手段之一;有效值可以够反映设备一段时间内的状态。对于电能质量参量,谐波与畸变反映部分电容器与其串联电抗器产生的滤波效果,长期承受谐波电流意味着电容器介质在长期发热;不平衡度在一定程度上也反映了各相电容值的不一致程度,不平衡度有较大变化,也是某相电容器缺陷增大的特征。
电容器发热是一个累积的过程,当发热比较严重时故障一般已经比较严重了,所以对电容器温度的测量是很有必要的。从健康状态发展成故障需要经过一段时间。分析户外的电力电容器运行情况,分析电容器的诊断机理,给出了信息采集的需求。本申请基于以上异常分析数据提出了通过等效电路参数辨识的方法和发热行为分析的神经网络的方法实现异常检测;并综合机理参数辨识与非参数辨识的信息融合诊断方法,给出参数异常类型与缺陷程度及处理措施的对应关系,可以提高缺陷诊断结果的可靠性与决策效率。以及对电容器未来状况的预测,避免因个别电容器故障引发的一系列严重后果。
为了便于理解,请参阅图1,本申请提供的一种基于热量的电容器异常检测方法的实施例,包括:
步骤101、获取电容器运行过程中的运行相关数据,运行相关数据包括电压、电流、表面温度和室内温度。
电压和电流可以通过电压互感器(PT)和电流互感器(CT)检测得到,而且电压分为母线电压和放电电压,电流也分为电容器电流和放电电流;对于涉及到异常分析的电容器相关电力数据均需要获取,在此不作赘述。表面温度是指电容器运行过程中的本体表面温度,一般的采用DS1820贴片式数字温度传感器和DALLAS一线现场总线技术进行温度测量。由于室内温度与电容器的运行发热温度有关,所以需要同时获取室内温度,进行温度差分析。
在异常状态针对性分析过程中可能还会使用到的是电容器的开关位置,即投切情况,根据投切次数进行异常分析,所以也需要获取具体的开关投切情况。若是还存在其他运行数据在异常分析中涉及,也需要一并获取。
步骤102、根据基于运行相关数据构建的等效电路计算电容器运行参数,电容器运行参数包括谐波有效值、基波、不平衡度和电容量。
进一步地,步骤102,包括:
基于运行相关数据构建电容器运行过程的等效电路;
在等效电路的基础上,采用快速傅里叶变换算法分解出谐波有效值和基波;
在等效电路的基础上,根据电压和电流分别计算电压不平衡度和电流不平衡度,不平衡度包括电压不平衡度和电流不平衡度;
基于基波计算电容器的电容量。
请参阅图3,为电容器运行过程中的等效电路,采用电压互感器进行相关电压测量,电流互感器进行相关电流测量;采用快速傅里叶变换算法可以从电容器放电电压中分解出电压谐波分量和对应基波分量,进而提取出电压谐波有效值;可以从电容器运行电流中分解出电流谐波分量和对应的基波分量,进而提取出电流谐波有效值。
同理,从电容器的运行电压和电流中分别可以计算到电压不平衡度和电流不平衡度。但是,电容器的电容量需要在谐波分量和基波分量的基础上计算,具体的计算公式表达为:
其中,C为电容器的电容量,IC、UC、ω分别为电容器两端的基波电流有效值、基波电压有效值和角频率。
步骤103、采用预置BP神经网络模型根据运行相关数据进行散热分析,得到电容器预测温度。
请参阅图4,预置BP神经网络模型包括输入单元、银行和输出单元,输入的运行相关数据包括电容器运行的电压、电流和室内温度T1(t);经过隐藏层处理后,输出电容器温度T2(t),该温度是电容器表面温度的预测值,即电容器预测温度。
进一步地,步骤103,之前还包括:
基于BP神经网络构建初始BP神经网络模型;
采用拟牛顿法根据电容器训练数据集对初始BP神经网络模型进行训练,得到预置BP神经网络模型。
本实施例中的预置BP神经网络模型是预先训练完成的模型,采用拟牛顿法进行训练,拟牛顿法可以用于求解非线性优化问题。电容器训练数据集同样包括电压、电流和室内温度,但是都是历史数据,且存在对应的结果标签,可以用于优化网络模型。
采用拟牛顿法训练网络模型的过程请参阅图5,主要以第一层(First Layer)和第二层(Second Layer)为例进行分析,其中W均为网络权重值,b均为各层对应的偏置;n为激活函数维度数,S×R表示S行和R列的矩阵,a1=f1(w1p+b)表示第一层的输出计算方式,a2=f2(w2p+b)为第二输出计算方式;那么网络的传递函数表达为:
第一层网络参数:
第二层网络参数:
步骤104、根据电容器预测温度和实测温度进行温差分析,得到电容器发热温差值。
具体若Q1为电容器散发的热量,Req(T2(t))为电容器发热的等效电阻,用Q2表示电容器附近流失的热量,K为热量流失系数,测温点附近介质的等效比热容为Ceq,那么电容器发热的热量差可以表达为:
ΔQ=Q1-Q2=Ceq(T2(t1)-T2(t0))其中,ΔQ为电容器发热的热量差,I(t)为t时刻流过电容器电流的有效值,T2(t1)、T2(t0)分别为时刻t1、t0的电容器温度,前者可以是模型预测得到,后者可以是实测得到,二者的差值即为电容器发热温差值。
步骤105、若电容器发热温差值超出预设温度范围,则根据电容器运行参数对电容器进行异常分析,得到异常检测结果。
进一步地,步骤105,包括:
若电容器发热温差值超出预设温度范围,基于预置异常数据库,根据预设运行阈值和电容器运行参数对电容器进行异常分析,得到异常检测结果。
训练好的网络输出电容器预测温度T2(t)与实测的比较,即作差就可以得到预测的电容器发热温差值,若电容器发热温差值超出预设温度范围,则认为电容器运行发热异常,其原因有可能是电容器参数变化,也有可能是电容器的散热条件异常,需要根据具体的电容器运行参数进行针对性的异常分析。预置温度范围可以根据实际情况设置,一般不做限定,本实施例定义预置温度范围是±10%。
表1电容器运行参数与异常类型对应关系数据库
请参阅表1,其中有些参数并非是计算得到的,可能是直接通过数据采集单元获取到,或者统计数据得到,或者查找经验值得到,具体的参数来源除了是计算得到的电容器运行参数之外,还可以根据实际需要在预置异常数据库中添加必要的分析参数,在此不作限定。此外,每种参数指标的运行阈值都不同,同样是根据实际的参数类型进行配置的,具体的不作赘述。
本申请实施例提供的基于热量的电容器异常检测方法,对于电容器运行过程中产生的多种运行数据和计算参数,先采用BP神经网络模型对电容器的发热进行针对性分析;由电容器散热导致的温差超出预置温度范围时才作进一步的异常分析,根据不同的计算参数判断不同的电容器异常状态,免去了前期的非异常波动造成检测分析操作,减少了工作量,提升了检测效率。因此,本申请实施例能够解决现有技术缺乏高效可靠的检测策略,导致工作量较大,且效率较低的技术问题。
为了便于理解,请参阅图2,本申请提供了一种基于热量的电容器异常检测装置的实施例,包括:
数据获取模块201,用于获取电容器运行过程中的运行相关数据,运行相关数据包括电压、电流、表面温度和室内温度;
参数计算模块202,用于根据基于运行相关数据构建的等效电路计算电容器运行参数,电容器运行参数包括谐波有效值、基波、不平衡度和电容量;
热量跟踪模块203,用于采用预置BP神经网络模型根据运行相关数据进行散热分析,得到电容器预测温度;
温差分析模块204,用于根据电容器预测温度和实测温度进行温差分析,得到电容器发热温差值;
异常分析模块205,用于若电容器发热温差值超出预设温度范围,则根据电容器运行参数对电容器进行异常分析,得到异常检测结果。
进一步地,参数计算模块202,具体用于:
基于运行相关数据构建电容器运行过程的等效电路;
在等效电路的基础上,采用快速傅里叶变换算法分解出谐波有效值和基波;
在等效电路的基础上,根据电压和电流分别计算电压不平衡度和电流不平衡度,不平衡度包括电压不平衡度和电流不平衡度;
基于基波计算电容器的电容量。
进一步地,还包括:
模型构建模块206,用于基于BP神经网络构建初始BP神经网络模型;
模型训练模块207,用于采用拟牛顿法根据电容器训练数据集对初始BP神经网络模型进行训练,得到预置BP神经网络模型。
进一步地,异常分析模块205,具体用于:
若电容器发热温差值超出预设温度范围,基于预置异常数据库,根据预设运行阈值和电容器运行参数对电容器进行异常分析,得到异常检测结果。
本申请还提供了一种基于热量的电容器异常检测设备,设备包括处理器以及存储器;
存储器用于存储程序代码,并将程序代码传输给处理器;
处理器用于根据程序代码中的指令执行上述方法实施例中的基于热量的电容器异常检测方法。
本申请还提供了一种计算机可读存储介质,计算机可读存储介质用于存储程序代码,程序代码用于执行上述方法实施例中的基于热量的电容器异常检测方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,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,包括若干指令用以通过一台计算机设备(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)
1.一种基于热量的电容器异常检测方法,其特征在于,包括:
获取电容器运行过程中的运行相关数据,所述运行相关数据包括电压、电流、表面温度和室内温度;
根据基于所述运行相关数据构建的等效电路计算电容器运行参数,所述电容器运行参数包括谐波有效值、基波、不平衡度和电容量;
采用预置BP神经网络模型根据所述运行相关数据进行散热分析,得到电容器预测温度;
根据所述电容器预测温度和实测温度进行温差分析,得到电容器发热温差值;
若所述电容器发热温差值超出预设温度范围,则根据所述电容器运行参数对电容器进行异常分析,得到异常检测结果。
2.根据权利要求1所述的基于热量的电容器异常检测方法,其特征在于,所述根据基于所述运行相关数据构建的等效电路计算电容器运行参数,所述电容器运行参数包括谐波有效值、基波、不平衡度和电容量,包括:
基于所述运行相关数据构建电容器运行过程的等效电路;
在所述等效电路的基础上,采用快速傅里叶变换算法分解出谐波有效值和基波;
在所述等效电路的基础上,根据所述电压和所述电流分别计算电压不平衡度和电流不平衡度,不平衡度包括所述电压不平衡度和所述电流不平衡度;
基于所述基波计算电容器的电容量。
3.根据权利要求1所述的基于热量的电容器异常检测方法,其特征在于,所述采用预置BP神经网络模型根据所述运行相关数据进行散热分析,得到电容器预测温度,之前还包括:
基于BP神经网络构建初始BP神经网络模型;
采用拟牛顿法根据电容器训练数据集对所述初始BP神经网络模型进行训练,得到预置BP神经网络模型。
4.根据权利要求1所述的基于热量的电容器异常检测方法,其特征在于,所述若所述电容器发热温差值超出预设温度范围,则根据所述电容器运行参数对电容器进行异常分析,得到异常检测结果,包括:
若所述电容器发热温差值超出预设温度范围,基于预置异常数据库,根据预设运行阈值和所述电容器运行参数对电容器进行异常分析,得到异常检测结果。
5.一种基于热量的电容器异常检测装置,其特征在于,包括:
数据获取模块,用于获取电容器运行过程中的运行相关数据,所述运行相关数据包括电压、电流、表面温度和室内温度;
参数计算模块,用于根据基于所述运行相关数据构建的等效电路计算电容器运行参数,所述电容器运行参数包括谐波有效值、基波、不平衡度和电容量;
热量跟踪模块,用于采用预置BP神经网络模型根据所述运行相关数据进行散热分析,得到电容器预测温度;
温差分析模块,用于根据所述电容器预测温度和实测温度进行温差分析,得到电容器发热温差值;
异常分析模块,用于若所述电容器发热温差值超出预设温度范围,则根据所述电容器运行参数对电容器进行异常分析,得到异常检测结果。
6.根据权利要求5所述的基于热量的电容器异常检测装置,其特征在于,所述参数计算模块,具体用于:
基于所述运行相关数据构建电容器运行过程的等效电路;
在所述等效电路的基础上,采用快速傅里叶变换算法分解出谐波有效值和基波;
在所述等效电路的基础上,根据所述电压和所述电流分别计算电压不平衡度和电流不平衡度,不平衡度包括所述电压不平衡度和所述电流不平衡度;
基于所述基波计算电容器的电容量。
7.根据权利要求5所述的基于热量的电容器异常检测装置,其特征在于,还包括:
模型构建模块,用于基于BP神经网络构建初始BP神经网络模型;
模型训练模块,用于采用拟牛顿法根据电容器训练数据集对所述初始BP神经网络模型进行训练,得到预置BP神经网络模型。
8.根据权利要求5所述的基于热量的电容器异常检测装置,其特征在于,所述异常分析模块,具体用于:
若所述电容器发热温差值超出预设温度范围,基于预置异常数据库,根据预设运行阈值和所述电容器运行参数对电容器进行异常分析,得到异常检测结果。
9.一种基于热量的电容器异常检测设备,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1-4任一项所述的基于热量的电容器异常检测方法。
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1-4任一项所述的基于热量的电容器异常检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210743498.5A CN115128513A (zh) | 2022-06-28 | 2022-06-28 | 一种基于热量的电容器异常检测方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210743498.5A CN115128513A (zh) | 2022-06-28 | 2022-06-28 | 一种基于热量的电容器异常检测方法及相关装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115128513A true CN115128513A (zh) | 2022-09-30 |
Family
ID=83379158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210743498.5A Pending CN115128513A (zh) | 2022-06-28 | 2022-06-28 | 一种基于热量的电容器异常检测方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115128513A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116183058A (zh) * | 2023-04-21 | 2023-05-30 | 实德电气集团有限公司 | 一种智能电容器的监测方法 |
CN116298538A (zh) * | 2023-05-17 | 2023-06-23 | 新乡市万新电气有限公司 | 一种智能电容补偿装置的在线监测方法 |
CN117235653A (zh) * | 2023-11-15 | 2023-12-15 | 深圳市盛格纳电子有限公司 | 一种电源连接器故障实时监测方法及系统 |
CN117517792A (zh) * | 2023-10-31 | 2024-02-06 | 盐城工学院 | 一种用于新能源电容器的容量自动检测装置及检测方法 |
-
2022
- 2022-06-28 CN CN202210743498.5A patent/CN115128513A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116183058A (zh) * | 2023-04-21 | 2023-05-30 | 实德电气集团有限公司 | 一种智能电容器的监测方法 |
CN116183058B (zh) * | 2023-04-21 | 2023-07-07 | 实德电气集团有限公司 | 一种智能电容器的监测方法 |
CN116298538A (zh) * | 2023-05-17 | 2023-06-23 | 新乡市万新电气有限公司 | 一种智能电容补偿装置的在线监测方法 |
CN116298538B (zh) * | 2023-05-17 | 2023-08-22 | 新乡市万新电气有限公司 | 一种智能电容补偿装置的在线监测方法 |
CN117517792A (zh) * | 2023-10-31 | 2024-02-06 | 盐城工学院 | 一种用于新能源电容器的容量自动检测装置及检测方法 |
CN117517792B (zh) * | 2023-10-31 | 2024-06-07 | 盐城工学院 | 一种用于新能源电容器的容量自动检测装置及检测方法 |
CN117235653A (zh) * | 2023-11-15 | 2023-12-15 | 深圳市盛格纳电子有限公司 | 一种电源连接器故障实时监测方法及系统 |
CN117235653B (zh) * | 2023-11-15 | 2024-03-12 | 深圳市盛格纳电子有限公司 | 一种电源连接器故障实时监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115128513A (zh) | 一种基于热量的电容器异常检测方法及相关装置 | |
JP7185808B1 (ja) | 故障を検出するための方法および装置、モデルをトレーニングするための方法および装置、並びにそれらのデバイスおよび記憶媒体 | |
JP6301791B2 (ja) | 配電網の故障予兆診断システムおよびその方法 | |
CN109886475B (zh) | 基于ai的计量自动化系统的信息安全态势感知系统 | |
BRPI1100290A2 (pt) | mÉtodo para detectar comportamento em equipamento de subestaÇço elÉtrica | |
CN111273196A (zh) | 一种应用于核电大型电力变压器的健康管理系统及方法 | |
US20190324070A1 (en) | State estimation apparatus, state estimation method, and non-transitory medium | |
CN110068758B (zh) | 柔性直流换流阀监测诊断系统 | |
JP2018169161A (ja) | 電池の劣化診断装置、劣化診断方法、及び劣化診断システム | |
EP3584657B1 (en) | Risk assessment device, risk assessment method, and risk assessment program | |
GB2476246A (en) | Diagnosing an operation mode of a machine | |
CN111929579B (zh) | 发电机在线故障诊断方法、设备及计算机设备 | |
CN117407679B (zh) | 智能末屏传感器的数据采集方法及系统 | |
CN117060409B (zh) | 电力线路运行状态自动化检测分析方法及系统 | |
EP3972084A2 (en) | Systems and methods for monitoring energy-related data in an electrical system | |
CN117078017A (zh) | 一种用于电力电网设备监控智能化决策分析系统 | |
CN111008485A (zh) | 基于神经网络的三相交流异步电机多参数寿命预测方法 | |
CN116345700A (zh) | 一种用于储能电站的能耗监测方法及监测系统 | |
CN106771801B (zh) | 一种电容器组在线监测装置及其应用方法 | |
CN117808456B (zh) | 一种基于智慧运营管理的设备故障预警方法及装置 | |
CN111413564B (zh) | 一种超级电容器失效预警方法、系统以及设备 | |
JP2016161302A (ja) | 事故点標定装置及び方法、電力系統監視システム、設備計画支援システム | |
CN112345972A (zh) | 基于停电事件的配电网线变关系异常诊断方法、装置及系统 | |
CN117193240A (zh) | 一种电化铝生产电气控制柜故障预警系统 | |
CN116192038A (zh) | 光伏系统故障诊断方法、装置及计算机设备 |
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 |