CN115238865A - 一种电力变压器电热联合寿命评估模型构建方法 - Google Patents
一种电力变压器电热联合寿命评估模型构建方法 Download PDFInfo
- Publication number
- CN115238865A CN115238865A CN202210855148.8A CN202210855148A CN115238865A CN 115238865 A CN115238865 A CN 115238865A CN 202210855148 A CN202210855148 A CN 202210855148A CN 115238865 A CN115238865 A CN 115238865A
- Authority
- CN
- China
- Prior art keywords
- model
- service life
- power transformer
- transformer
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
-
- 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
- G01R31/003—Environmental or reliability tests
-
- 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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
- G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Pure & Applied Mathematics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Environmental & Geological Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种电力变压器电热联合寿命评估模型构建方法,包括构建基于数字孪生的电力变压器电热联合寿命评估模型实现框架;采用反幂公式和指数公式来表示油纸绝缘在外加电场的作用下引起局部放电而导致电老化的过程及对绝缘纸热老化过程进行分析;建立多元线性回归模型,对电力变压器寿命进行评估;采用基于梯度下降的多元线性回归模型的系数确定方法,通过温度、电压和系数相对应的一个数据库根据变压器实际的运行状况,对温度电压数据进行搜索获得模型系数,对变压器的寿命进行评估,实现对电力变压器寿命的映射,得到方差最小的电力变压器寿命评估数字孪生模型;解决了电力变压器电热联合寿命评估存在评估结果和实际寿命误差较大等问题。
Description
技术领域
本发明属于电力变压器电热联合寿命评估技术领域,尤其涉及一种电力变压器电热联合寿命评估模型构建方法。
背景技术
电力变压器是电力系统中的重要设备,具有电能传输、测量等重要作用,如果发生故障会造成非常大的损失。电力变压器中的绝缘材料主要是矿物油和纤维素纸,电力变压器的使用寿命一般取决于绝缘纸的寿命,因此为保证其可靠运行,准确评估其主要绝缘材料油纸绝缘的状态显得尤为重要。对可修复的绝缘缺陷进行处理,以免过早发生绝缘故障。而对于运行时间较长,老化程度较大的油纸绝缘,则要求对其剩余寿命作出合理评估,以期在保障可靠运行的同时最大限度地利用其使用寿命。在传统电力变压器寿命评估中,往往只采用一种电热联合老化模型对寿命进行评估,然而三种经典模型:SIMONI模型、RAMU模型和FALLOU模型分别在不同的运行环境下具有不同的优势,考虑到变压器运行环境是变化的,只选用其中某一个模型进行分析往往存在评估结果和实际寿命误差较大的问题。
发明内容
本发明要解决的技术问题是:提供一种电力变压器电热联合寿命评估模型构建方法,以解决现有技术针对电力变压器电热联合寿命评估存在评估结果和实际寿命误差较大等技术问题。
本发明的技术方案是:
一种电力变压器电热联合寿命评估模型构建方法,所述方法包括:
步骤1、构建基于数字孪生的电力变压器电热联合寿命评估模型实现框架;
步骤2、采用反幂公式和指数公式来表示油纸绝缘在外加电场的作用下引起局部放电而导致电老化的过程;
步骤3、根据阿伦尼乌斯方程对绝缘纸热老化过程进行分析;
步骤4、建立多元线性回归模型,对电力变压器寿命进行评估;
步骤5、采用基于梯度下降的多元线性回归模型的系数确定方法,通过温度、电压和系数相对应的一个数据库根据变压器实际的运行状况,对温度电压数据进行搜索获得模型系数,对变压器的寿命进行评估,实现对电力变压器寿命的映射,得到方差最小的电力变压器寿命评估数字孪生模型。
步骤1所述框架分为基础支撑层、数据互动层和功能层;
所述基础支撑层是变压器寿命评估数字孪生模型构建的实体基础,是孪生数据的载体,包括变压器和绝缘纸加速老化试验;变压器是系统的信息源和能量源,绝缘纸加速老化实验数据也是系统的信息源,两者共同为数据互动层提供信息;
数据互动层完成加速老化实验数据和变压器数据的感知、传输和处理;对于数据的感知通过变压器的温度传感器、数据采集与监控系统获取变压器运行数据从而驱动数字孪生体系的正常工作;数据的传输以交换机和以太网为中心,搭建无线传输网络,实现变压器数据和老化试验数据的传输;数据处理是根据变压器实际的运行状况,根据相近的温度电压数据搜索系数,对变压器的寿命进行评估,得到最终的寿命评估数据;
功能层是根据寿命评估数据决定变压器检修时间和更换计划。
步骤2所述采用反幂公式和指数公式来表示油纸绝缘在外加电场的作用下引起局部放电而导致电老化的过程的方法为:
L′=aU-n (1)
L′=c·e-kU (2)
式中:U表示试验时施加的电压值;L′表示在施加的电压下绝缘纸的击穿时间;n、a、k、c为通过试验确定的常数。
步骤3所述根据阿伦尼乌斯方程对绝缘纸热老化过程进行分析的方法为:整个老化过程为一系列化学反应过程的叠加,因此老化速率应遵循阿伦尼乌斯方程:
lnL=lnA+B/T (3)
式中:A、B表示不同老化反应的特定速率常数;L表示绝缘材料寿命;T表示绝对温度。
步骤4所述建立多元线性回归模型,对电力变压器寿命进行评估的方法为:建立一种多元线性回归模型根据不同的运行环境对SIMONI模型、RAMU模型和FALLOU模型赋予不同的权重,使最终模型寿命评估结果与真实值最接近,具体表达式如下:
式中:表示建立多元线性回归模型评估结果;L1表示SIMONI模型寿命评估结果;L2表示RAMU模型寿命评估结果;L3表示FALLOU模型寿命评估结果;θ1、θ2、θ3表示各模型所占的权重,并有θ1+θ2+θ3=1,θT=[θ1,θ2,θ3]T,L=[L1,L2,L3]。
SIMONI模型对电老化和热老化共同作用于绝缘纸材料时,电力变压器的寿命进行了评估,同时还描述了电场强度随时间的变化规律,初步建立了电力变压器寿命评估数字孪生模型,表达式为:
式中:DT表示相对温度倒数与绝对温度倒数的差值;T0表示相对温度;T表示加速老化的试验绝对温度;ES表示在预加电压时间t时刻的介质电场强度;ES0表示绝缘介质的初始电场强度;U表示加速老化试验的电压;U0表示阈值电压;L0表示当U=U0和T=T0时绝缘材料的寿命;n、b、B为常数;
当ES=0、t=L,此时L1就是绝缘寿命,式(4)简化为:
RAMU模型以经典单应力热老化的反幂函数定律为背景,用反幂函数定律的常数和温度关系解释其中的协同效应,具体表达式为:
式中:DT表示相对温度倒数与绝对温度倒数的差值;T0表示相对温度;T表示加速老化的试验绝对温度;K(T)、n(T)表示RAMU寿命预测模型中间变量;U表示加速老化试验的电压;B、K1、K2、n1、n2为常数,其值由试验决定;L2为RAMU模型绝缘预测寿命。
FALLOU模型由指数函数模型推导得到,该模型体现了电老化、热老化和电热老化三者之间的相互关系,具体表达式为:
式中:T表示加速老化的试验绝对温度;U表示加速老化试验的电压;A1、A2、B1、B2为常数。
步骤5所述得到方差最小的电力变压器寿命评估数字孪生模型的实现方法为:在不同的温度下不同的电压下对实验绝缘纸进行加速老化试验,得到实际寿命数据;同一实验条件下做一组以上实验,最终采用平均值作为最终实际寿命;同时分别在各个试验环境下采用SIMONI模型、RAMU模型和FALLOU模型对寿命进行评估,得到实际寿命和评估寿命两个数据集合;在这两个数据集合下采用梯度下降算法对建立的多元线性回归模型系数进行寻优,寻找到最优的系数结果使实际寿命与评估寿命之间的平方差最小,从而得到方差最小的电力变压器寿命评估数字孪生模型。
步骤5的具体实现方法包括:
步骤5.1、建立多元线性回归模型,针对m组不同电压和温度实验,评估寿命和平均寿命表示为(L(1),y(1))(L(2),y(2)),…,(L(i),y(i)),…训练多元线性回归模型就是求解θ直至模型对训练数据的拟合程度达到最好,每一次训练都会有评估值和实际值之间的方差用来评估拟合程度,值越小表示拟合程度越好;
步骤5.2、将平方差作为损失函数:
式中:i表示模型训练次数编号;θ(i)表示SIMONI模型、RAMU模型和FALLOU模型评估寿命的权重矩阵,其中θ(i)=[θ1 (i),θ2 (i),θ3 (i)];MSE(θ(i))表示各模型所占的权重为θ(i)时的损失函数;θT(i)表示第i次模型训练各模型所占权重的转置矩阵;L(i)表示第i次模型训练评估寿命矩阵;y(i)表示第i次模型训练平均寿命。
求取最小化损失函数,计算损失函数关于变量的偏导数:
式中:θj (i)表示第i次模型训练第j个模型所占权重;Lj (i)表示第i次模型训练第j个模型评估寿命;其中j=1表示SIMONI模型,j=2表示RAMU模型,j=3表示FALLOU模型。
若上式结果大于0,则在迭代过程中不断减小θ,反之应该增大,通过符号的正负,θ减小的方向为上式的相反方向;利用确定下来的方向结合步长更新每一步迭代的系数,找到损失函数的最小点即评估寿命和实际寿命的方差最小点:
式中:Δθ(i)表示第i次模型训练的模型所占权重与变化步长差值;α(i)为步长,也称作学习率;通过该式求得每一次迭代的模型参数,并将结果代入模型求得下一次的预测值;
步骤5.3、确定容许误差ε,利用上述过程设置一个循环对第1,2,…i,…组数据分别求解,最终得到为使评估寿命和实际寿命方差最小的一组系数θ,从而得到温度电压和系数相对应的一个数据库;
步骤5.4、由变压器的运行状况,根据温度电压数据搜索系数,对变压器的寿命进行评估,从而得到方差最小的电力变压器寿命评估数字孪生模型。
本发明的有益效果:
本发明提出基于数字孪生的电力变压器电热联合寿命评估模型构建方法实现框架,搭建多元线性回归模型,减小了传统寿命评估中只采用一个经典模型对寿命评估估计带来的误差,更准确地反映电力变压器的实际寿命。
同时基于数字孪生建模思想,利用梯度下降算法,得到方差最小的的电力变压器寿命评估数字孪生模型,实现对电力变压器实体的精确映射。
解决了现有技术针对电力变压器电热联合寿命评估存在评估结果和实际寿命误差较大等技术问题。
附图说明
图1是本发明实现框架示意图;
图2是本发明梯度下降算法的实现流程示意图。
具体实施方式
本发明提出一种基于数字孪生的电力变压器电热联合寿命评估模型构建方法,建立考虑电老化和热老化的电力变压器寿命评估数字孪生模型,仿真结果能更准确地对变压器寿命进行评估。电力变压器是一种静止的电气设备,是用来将某一数值的交流电压(电流)变成频率相同的另一种或几种数值不同的电压(电流)的设备。主要功能有电压变换、阻抗变换等,是电力系统中的重要设备,一旦发生故障会造成巨大的经济损失。多数研究认为电气设备失效的主要原因是其绝缘性能的老化,电力变压器中的绝缘材料主要是矿物油和纤维素纸,电力变压器的使用寿命一般取决于绝缘纸的寿命。由于受到电场、温度、水分等作用,绝缘纸会逐渐老化,进而决定变压器的寿命。在本发明中只考虑绝缘纸老化作用机理中的电老化和热老化。
本发明包括以下步骤:
步骤1:提出一种基于数字孪生的电力变压器电热联合寿命评估模型构建方法实现框架;
步骤2:电力变压器的使用寿命一般取决于其主要绝缘材料绝缘纸的寿命,因此采用绝缘纸的老化过程来评估其寿命,首先采用反幂公式和指数公式来表示油纸绝缘在外加电场的作用下引起局部放电而导致电老化的过程;
步骤3:根据阿伦尼乌斯方程对绝缘纸热老化过程进行分析;
步骤4:建立一种多元线性回归模型,对电力变压器寿命进行评估;
步骤5:提出基于梯度下降的多元线性回归模型的系数确定方法,由温度电压和系数相对应的一个数据库,根据变压器实际的运行状况,对相近的温度电压数据进行搜索获得模型系数,对变压器的寿命进行评估,实现对电力变压器寿命的精确映射,得到方差最小的电力变压器寿命评估数字孪生模型。
1)框架提出
提出基于数字孪生的电力变压器电热联合寿命评估模型构建方法实现框架,数字孪生的框架体系需要能够支撑物理实体、虚拟体和两者之间的互动等要素。考虑到变压器寿命评估需要大量的加速老化实验作为基础,且其实现功能为寿命评估,本发明提出一种基于数字孪生的电力变压器电热联合寿命评估框架体系,如附图1所示,该框架主要分为三层,主要有:基础支撑层、数据互动层和功能层。
基础支撑层是变压器寿命评估数字孪生模型构建的实体基础,是孪生数据的重要载体,主要包括变压器和绝缘纸加速老化试验。变压器是该系统的重要信息源和能量源,绝缘纸加速老化实验数据是系统的另一重要信息源,两者共同为数据互动层提供信息。
数据互动层主要完成加速老化实验数据和变压器数据的感知、传输和处理。对于数据的感知主要通过变压器的温度传感器、数据采集与监控系统获取变压器运行数据,从而驱动数字孪生体系的正常工作。数据的传输以交换机和以太网为中心,搭建无线传输网络,实现变压器数据和老化试验数据的高效传输。数据处理是该框架中的核心内容,根据变压器实际的运行状况,根据相近的温度电压数据搜索系数,对变压器的寿命进行评估,得到最终的寿命评估数据。
对于功能层主要作用是根据寿命评估数据决定变压器检修时间、更换计划等。
2)电老化分析
电老化是在电场的长期作用下,因电应力作用而导致的材料整体性能的劣化。由于制造工艺,油纸绝缘材料内部无法做到完全浸油,因此存在一些微观尺度甚至宏观尺度的气隙缺陷。当外加电压超过气隙的起始放电电压后,气隙会发生局部放电甚至击穿,对绝缘产生破坏性作用。本发明采用反幂公式和指数公式来表示聚合物材料在外加电场的作用下引起局部放电而导致老化的过程。
L′=aU-n (1)
L′=c·e-kU (2)
式中:U表示试验时施加的电压值;L′表示在施加的电压下绝缘纸的击穿时间;n、a、k、c为通过试验确定的常数,与具体的试验环境有关。上述数学表达式是对电力变压器绝缘材料实体电老化的一种特征表达。
3)热老化分析
绝缘材料的各种性能尤其是电气性能、机械强度等,受温度影响后会发生很大的改变。电力变压器绕组中流过的电流产生的热量会导致绝缘纸材料的温度升高,逐渐老化。绝缘纸的主要成分是α-D-葡萄吡喃糖聚合而成的纤维素,是一种聚合物材料。由于聚合物的键能比较低,在高温下聚合物会发生断链等反应,造成聚合度的降低,因此在高温下绝缘纸会不断的老化,进而影响电力变压器整体的寿命。
整个老化过程为一系列化学反应过程的叠加,因此其老化速率应遵循阿伦尼乌斯方程:
lnL=lnA+B/T (3)
式中:A、B表示不同老化反应的特定速率常数;L表示绝缘材料寿命;T表示绝对温度。上述数学表达式是对电力变压器绝缘材料实体热老化的一种特征表达。
4)电热联合老化模型
油纸绝缘材料在同时受到温度和电场共同作用下,其老化时间比单独电老化、热老化时间短得多,不是电老化和热老化单独作用的叠加,而是在多种应力作用下产生了新的老化机理。本发明建立一种新的电热联合老化模型,对温度和电场两种应力作用下的电力变压器寿命进行评估。目前经典的SIMONI模型、RAMU模型和FALLOU模型三种寿命评估模型,在不同的运行环境下表现出不同的优势。因此建立一种多元线性回归模型根据不同的运行环境对SIMONI模型、RAMU模型和FALLOU模型赋予不同的权重,使最终模型寿命评估结果与真实值更加接近。其具体表达式如下:
式中:表示建立多元线性回归模型评估结果;L1表示SIMONI模型寿命评估结果;L2表示RAMU模型寿命评估结果;L3表示FALLOU模型寿命评估结果;θ1、θ2、θ3表示各模型所占的权重,并有θ1+θ2+θ3=1,θT=[θ1,θ2,θ3]T,L=[L1,L2,L3]。
SIMONI模型对电老化和热老化共同作用于绝缘纸材料时,电力变压器的寿命进行了评估,同时还描述了电场强度随时间的变化规律,初步建立了电力变压器寿命评估数字孪生模型,具体表达式为:
式中:DT表示相对温度倒数与绝对温度倒数的差值;T0表示相对温度;T表示加速老化的试验绝对温度;N表示在热应力作用下对n的修正值;ES表示在预加电压时间t时刻的介质电场强度;ES0表示绝缘介质的初始电场强度;U表示加速老化试验的电压;U0表示阈值电压;L0表示当U=U0和T=T0时绝缘材料的寿命;n、b、B为常数,其值由试验决定。
当ES=0、t=L,此时L1就是绝缘寿命,式(4)简化为:
RAMU模型以经典单应力热老化的反幂函数定律为背景,用反幂函数定律的常数和温度关系解释其中的协同效应,具体表达式为:
式中:DT表示相对温度倒数与绝对温度倒数的差值;T0表示相对温度;T表示加速老化的试验绝对温度;K(T)、n(T)表示RAMU寿命预测模型中间变量;U表示加速老化试验的电压;B、K1、K2、n1、n2为常数,其值由试验决定;L2为RAMU模型绝缘预测寿命。
FALLOU模型由指数函数模型推导得到,该模型体现了电老化、热老化和电热老化三者之间的相互关系,具体表达式为:
式中:T表示加速老化的试验绝对温度;U表示加速老化试验的电压;A1、A2、B1、B2为常数,其值由试验决定。
5)基于梯度下降的多元线性回归模型系数确定方法
实现思路:在不同的温度下不同的电压下对实验绝缘纸进行加速老化试验,得到多组实际寿命数据。为避免实验的偶然性,同一实验条件下做多组实验,最终采用平均值作为最终实际寿命。同时分别在各个试验环境下采用SIMONI模型、RAMU模型、FALLOU模型对寿命进行评估,因此得到实际寿命和评估寿命两个数据集合。在这两个数据集合下,采用梯度下降算法对建立的多元线性回归模型系数进行寻优,寻找到最优的系数结果使实际寿命与评估寿命之间的平方差最小,从而得到方差最小的电力变压器寿命评估数字孪生模型。
梯度下降算法的具体实现过程:首先建立多元线性回归模型,针对m组不同电压和温度实验,评估寿命和平均寿命可以表示为(L(1),y(1))(L(2),y(2)),…,(L(i),y(i)),…训练多元线性回归模型就是求解θ直至模型对训练数据的拟合程度达到最好,每一次训练都会有评估值和实际值之间的方差用来评估拟合程度,值越小表示拟合程度越好。
在这里将平方差作为损失函数:
式中:i表示模型训练次数编号;θ(i)表示SIMONI模型、RAMU模型和FALLOU模型评估寿命的权重矩阵,其中θ(i)=[θ1 (i),θ2 (i),θ3 (i)];MSE(θ(i))表示各模型所占的权重为θ(i)时的损失函数;θT(i)表示第i次模型训练各模型所占权重的转置矩阵;L(i)表示第i次模型训练评估寿命矩阵;y(i)表示第i次模型训练平均寿命。
求取最小化损失函数,计算损失函数关于变量的偏导数:
式中:θj (i)表示第i次模型训练第j个模型所占权重;Lj (i)表示第i次模型训练第j个模型评估寿命;其中j=1表示SIMONI模型,j=2表示RAMU模型,j=3表示FALLOU模型。
若上式结果大于0,则在迭代过程中应不断减小θ,反之应该增大。通过符号的正负,θ减小的方向应为上式的相反方向。利用确定下来的方向结合步长更新每一步迭代的系数,找到损失函数的最小点即评估寿命和实际寿命的方差最小点:
式中:Δθ(i)表示第i次模型训练的模型所占权重与变化步长差值;α(i)为步长,也称作学习率。通过该式求得每一次迭代的模型参数,并将结果代入式(4)求得下一次的预测值。
确定容许误差ε,利用上述过程设置一个循环对第1,2,…i,…组数据分别求解,最终得到为使评估寿命和实际寿命方差最小的一组系数θ,从而得到温度电压和系数相对应的一个数据库.在实际生产中,由变压器的运行状况,根据相近的温度电压数据搜索系数,对变压器的寿命进行评估,从而得到方差最小的电力变压器寿命评估数字孪生模型。
具体实现案例:
选用直径25mm高50mm的圆柱体高压电极,直径75mm高20mm的圆柱体低压电极,试品为变压器常用绝缘纸板(在60℃下浸油48h),直径80mm厚度0.3mm。
由于温度较低时,老化时间太长,故只保留了温度较高时的寿命数据。分别在电压为6kV、9.5kV、10.5kV、11kV、11.5kV、12kV、12.5kV和13kV,温度为333K,363K和393K情况下对试品做多次的试验,得到试验试品寿命。
U0取为10kV,T0取为293K,此时试验试品的寿命为y=161870s。
对于SIMONI模型得到的置信区间为95%的模型中各个参数估计值如表1所示:
表1
对于RAMU模型得到置信区间为95%的模型中各个参数估计值如表2所示:
表2
参数 | 估计值(95%置信区间) |
K<sub>1</sub> | 44.4(43.5,45.3) |
K<sub>2</sub>+B | 31882.0(30592.0,33171.0) |
n<sub>1</sub> | 14.1(13.7,14.5) |
n<sub>2</sub> | 10730.0(10129.0,11332.0) |
对于SIMONI模型得到的置信区间为95%的模型中各个参数估计值如表3所示:
表3
采用基于梯度下降的多元线性回归模型系数确定方法进行计算。初始化参数θ=[0.3,0.3,0.4],步长α=0.02,根据附图2中的算法流程进行计算,得到系数矩阵为θ=[0.03,0.05,0.95],最终得到的方差平方和为0.13。
Claims (10)
1.一种电力变压器电热联合寿命评估模型构建方法,其特征在于:所述方法包括:
步骤1、构建基于数字孪生的电力变压器电热联合寿命评估模型实现框架;
步骤2、采用反幂公式和指数公式来表示油纸绝缘在外加电场的作用下引起局部放电而导致电老化的过程;
步骤3、根据阿伦尼乌斯方程对绝缘纸热老化过程进行分析;
步骤4、建立多元线性回归模型,对电力变压器寿命进行评估;
步骤5、采用基于梯度下降的多元线性回归模型的系数确定方法,通过温度、电压和系数相对应的一个数据库根据变压器实际的运行状况,对温度电压数据进行搜索获得模型系数,对变压器的寿命进行评估,实现对电力变压器寿命的映射,得到方差最小的电力变压器寿命评估数字孪生模型。
2.根据权利要求1所述的一种电力变压器电热联合寿命评估模型构建方法,其特征在于:步骤1所述框架分为基础支撑层、数据互动层和功能层;
所述基础支撑层是变压器寿命评估数字孪生模型构建的实体基础,是孪生数据的载体,包括变压器和绝缘纸加速老化试验;变压器是系统的信息源和能量源,绝缘纸加速老化实验数据也是系统的信息源,两者共同为数据互动层提供信息;
数据互动层完成加速老化实验数据和变压器数据的感知、传输和处理;对于数据的感知通过变压器的温度传感器、数据采集与监控系统获取变压器运行数据从而驱动数字孪生体系的正常工作;数据的传输以交换机和以太网为中心,搭建无线传输网络,实现变压器数据和老化试验数据的传输;数据处理是根据变压器实际的运行状况,根据相近的温度电压数据搜索系数,对变压器的寿命进行评估,得到最终的寿命评估数据;
功能层是根据寿命评估数据决定变压器检修时间和更换计划。
3.根据权利要求1所述的一种电力变压器电热联合寿命评估模型构建方法,其特征在于:步骤2所述采用反幂公式和指数公式来表示油纸绝缘在外加电场的作用下引起局部放电而导致电老化的过程的方法为:
L′=aU-n (1)
L′=c·e-kU (2)
式中:U表示试验时施加的电压值;L′表示在施加的电压下绝缘纸的击穿时间;n、a、k、c为通过试验确定的常数。
4.根据权利要求1所述的一种电力变压器电热联合寿命评估模型构建方法,其特征在于:步骤3所述根据阿伦尼乌斯方程对绝缘纸热老化过程进行分析的方法为:整个老化过程为一系列化学反应过程的叠加,因此老化速率应遵循阿伦尼乌斯方程:
ln L=ln A+B/T (3)
式中:A、B表示不同老化反应的特定速率常数;L表示绝缘材料寿命;T表示绝对温度。
9.根据权利要求1所述的一种电力变压器电热联合寿命评估模型构建方法,其特征在于:步骤5所述得到方差最小的电力变压器寿命评估数字孪生模型的实现方法为:在不同的温度下不同的电压下对实验绝缘纸进行加速老化试验,得到实际寿命数据;同一实验条件下做一组以上实验,最终采用平均值作为最终实际寿命;同时分别在各个试验环境下采用SIMONI模型、RAMU模型和FALLOU模型对寿命进行评估,得到实际寿命和评估寿命两个数据集合;在这两个数据集合下采用梯度下降算法对建立的多元线性回归模型系数进行寻优,寻找到最优的系数结果使实际寿命与评估寿命之间的平方差最小,从而得到方差最小的电力变压器寿命评估数字孪生模型。
10.根据权利要求1所述的一种电力变压器电热联合寿命评估模型构建方法,其特征在于:步骤5的具体实现方法包括:
步骤5.1、建立多元线性回归模型,针对m组不同电压和温度实验,评估寿命和平均寿命表示为(L(1),y(1))(L(2),y(2)),…,(L(i),y(i)),…训练多元线性回归模型就是求解θ直至模型对训练数据的拟合程度达到最好,每一次训练都会有评估值和实际值之间的方差用来评估拟合程度,值越小表示拟合程度越好;
步骤5.2、将平方差作为损失函数:
式中:i表示模型训练次数编号;θ(i)表示SIMONI模型、RAMU模型和FALLOU模型评估寿命的权重矩阵,其中θ(i)=[θ1 (i),θ2 (i),θ3 (i)];MSE(θ(i))表示各模型所占的权重为θ(i)时的损失函数;θT(i)表示第i次模型训练各模型所占权重的转置矩阵;L(i)表示第i次模型训练评估寿命矩阵;y(i)表示第i次模型训练平均寿命;
求取最小化损失函数,计算损失函数关于变量的偏导数:
式中:θj (i)表示第i次模型训练第j个模型所占权重;Lj (i)表示第i次模型训练第j个模型评估寿命;其中j=1表示SIMONI模型,j=2表示RAMU模型,j=3表示FALLOU模型;
若上式结果大于0,则在迭代过程中不断减小θ,反之应该增大,通过符号的正负,θ减小的方向为上式的相反方向;利用确定下来的方向结合步长更新每一步迭代的系数,找到损失函数的最小点即评估寿命和实际寿命的方差最小点:
式中:Δθ(i)表示第i次模型训练的模型所占权重与变化步长差值;α(i)为步长,也称作学习率;通过该式求得每一次迭代的模型参数,并将结果代入模型求得下一次的预测值;
步骤5.3、确定容许误差ε,利用上述过程设置一个循环对第1,2,…i,…组数据分别求解,最终得到为使评估寿命和实际寿命方差最小的一组系数θ,从而得到温度电压和系数相对应的一个数据库;
步骤5.4、由变压器的运行状况,根据温度电压数据搜索系数,对变压器的寿命进行评估,从而得到方差最小的电力变压器寿命评估数字孪生模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210855148.8A CN115238865B (zh) | 2022-07-19 | 2022-07-19 | 一种电力变压器电热联合寿命评估模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210855148.8A CN115238865B (zh) | 2022-07-19 | 2022-07-19 | 一种电力变压器电热联合寿命评估模型构建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115238865A true CN115238865A (zh) | 2022-10-25 |
CN115238865B CN115238865B (zh) | 2023-07-07 |
Family
ID=83673408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210855148.8A Active CN115238865B (zh) | 2022-07-19 | 2022-07-19 | 一种电力变压器电热联合寿命评估模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115238865B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116227171A (zh) * | 2023-02-08 | 2023-06-06 | 广东电网有限责任公司佛山供电局 | 一种油浸式变压器剩余寿命评估方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245519A (zh) * | 2013-04-17 | 2013-08-14 | 华北电力大学 | 变压器油纸绝缘老化评估与寿命预测的装置及其预测方法 |
CN109239546A (zh) * | 2018-08-28 | 2019-01-18 | 西南交通大学 | 一种变压器绝缘寿命预测与可靠性评估方法 |
CN109870635A (zh) * | 2019-03-04 | 2019-06-11 | 国网陕西省电力公司电力科学研究院 | 基于活化能迭代修正的油纸绝缘老化状态评估方法及系统 |
CN110889234A (zh) * | 2019-12-04 | 2020-03-17 | 国网吉林省电力有限公司电力科学研究院 | 一种油浸式变压器内部绝缘油纸老化寿命评估方法 |
CN112257232A (zh) * | 2020-09-25 | 2021-01-22 | 广西大学 | 基于油中乙醇和变压器纸聚合度的寿命模型建立方法 |
CN113485156A (zh) * | 2021-06-17 | 2021-10-08 | 国家电网有限公司 | 一种变压器数字孪生云平台及其实现方法 |
US20210318391A1 (en) * | 2020-04-08 | 2021-10-14 | Abb Schweiz Ag | Probabilistic determination of transformer end of life |
CN114460445A (zh) * | 2022-02-17 | 2022-05-10 | 重庆大学 | 考虑老化阈值与寿命的变压器老化不可用率评估方法 |
-
2022
- 2022-07-19 CN CN202210855148.8A patent/CN115238865B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245519A (zh) * | 2013-04-17 | 2013-08-14 | 华北电力大学 | 变压器油纸绝缘老化评估与寿命预测的装置及其预测方法 |
CN109239546A (zh) * | 2018-08-28 | 2019-01-18 | 西南交通大学 | 一种变压器绝缘寿命预测与可靠性评估方法 |
CN109870635A (zh) * | 2019-03-04 | 2019-06-11 | 国网陕西省电力公司电力科学研究院 | 基于活化能迭代修正的油纸绝缘老化状态评估方法及系统 |
CN110889234A (zh) * | 2019-12-04 | 2020-03-17 | 国网吉林省电力有限公司电力科学研究院 | 一种油浸式变压器内部绝缘油纸老化寿命评估方法 |
US20210318391A1 (en) * | 2020-04-08 | 2021-10-14 | Abb Schweiz Ag | Probabilistic determination of transformer end of life |
CN112257232A (zh) * | 2020-09-25 | 2021-01-22 | 广西大学 | 基于油中乙醇和变压器纸聚合度的寿命模型建立方法 |
CN113485156A (zh) * | 2021-06-17 | 2021-10-08 | 国家电网有限公司 | 一种变压器数字孪生云平台及其实现方法 |
CN114460445A (zh) * | 2022-02-17 | 2022-05-10 | 重庆大学 | 考虑老化阈值与寿命的变压器老化不可用率评估方法 |
Non-Patent Citations (5)
Title |
---|
刘智谦 等: "交流500kV XLPE海缆绝缘材料在电-热联合应力下的工频击穿特性与寿命模型", 绝缘材料, vol. 54, no. 02, pages 92 - 100 * |
廖瑞金 等: "油纸绝缘电-热联合老化寿命模型的比较与分析", 电工技术学报, no. 02, pages 17 * |
张施令 等: "基于三维构型与电热传感的特高压换流变压器出线装置区域数字孪生模型研究", 高压电器, vol. 58, no. 07, pages 128 - 140 * |
杨帆 等: "数字孪生在电力装备领域中的应用与实现方法", 高电压技术, vol. 47, no. 05, pages 1505 - 1521 * |
欧小波;周丹;林春耀;祝令瑜;: "油浸式电力变压器老化及寿命评估研究综述", 南方电网技术, no. 09, pages 70 - 82 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116227171A (zh) * | 2023-02-08 | 2023-06-06 | 广东电网有限责任公司佛山供电局 | 一种油浸式变压器剩余寿命评估方法及装置 |
CN116227171B (zh) * | 2023-02-08 | 2024-02-06 | 广东电网有限责任公司佛山供电局 | 一种油浸式变压器剩余寿命评估方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115238865B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109696605B (zh) | 一种发电机定子线棒环氧云母绝缘的寿命评估方法 | |
CN104914327B (zh) | 基于实时监测信息的变压器故障检修预测方法 | |
CN110186513B (zh) | 一种海缆用交联聚乙烯绝缘材料老化的表征方法 | |
CN112255484B (zh) | 一种避雷器运行状态在线监测及评估方法和系统 | |
CN115238865B (zh) | 一种电力变压器电热联合寿命评估模型构建方法 | |
CN112179852B (zh) | 一种复合绝缘子的剩余寿命预测方法和装置 | |
CN112557842A (zh) | 一种基于介电常数评估因子的xlpe电缆老化状态评估方法 | |
CN113065522A (zh) | 基于深度神经网络的变压器局部放电类型识别方法 | |
Shutenko et al. | Analysis of distribution laws of transformer oil indicators in 110-330 kV transformers | |
CN112288147A (zh) | 一种BP-Adaboost强预测器预测发电机定子绝缘状态的方法 | |
CN113203918B (zh) | 一种基于老化因子和非等间距gm(1,1)模型的电力电缆剩余寿命预测方法 | |
Liao et al. | A method for discriminating the moisture status of OIP bushing based on Dissado-hill and GWO-HMM model | |
CN112084709B (zh) | 基于遗传算法和径向基神经网络的大型发电机绝缘状态评估方法 | |
CN112949099A (zh) | 一种交联聚乙烯电缆电热联合老化寿命预测的数学模型 | |
CN115327254A (zh) | 基于温度检测的金属化膜电容器状态在线评估方法及系统 | |
CN111047210B (zh) | 一种牵引变压器绝缘油老化状态评估方法 | |
CN114519300A (zh) | 基于支持向量机的极寒地区电力橡胶密封圈失效预测方法 | |
CN112257227A (zh) | 基于介电模量指纹数据库套管绝缘状态的评估方法 | |
CN112162182A (zh) | 一种基于神经网络的气体介电强度预测方法 | |
CN113219311B (zh) | 一种快速评估漆包线耐电晕时间的测试方法 | |
CN114676602B (zh) | 一种改进的电机绝缘多应力可靠性评估方法及系统 | |
Wang et al. | Estimation Method for Non-uniform State of MOIP in Traction Transformer via Curve Reconstruction of Frequency Domain Spectrum | |
Tang et al. | Study on Thermal Aging Characteristics of Aviation Motor Winding | |
Liao et al. | Study on thermal aging condition assessment of oil-paper insulation based on statistical features of partial discharge | |
Vatsa et al. | Ageing condition assessment of transformer insulation in visual domain using DCNN |
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 |