CN115640895A - 一种变压器故障预测方法、装置及电子设备 - Google Patents
一种变压器故障预测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115640895A CN115640895A CN202211296613.5A CN202211296613A CN115640895A CN 115640895 A CN115640895 A CN 115640895A CN 202211296613 A CN202211296613 A CN 202211296613A CN 115640895 A CN115640895 A CN 115640895A
- Authority
- CN
- China
- Prior art keywords
- fault
- transformer
- information
- target
- equipment
- 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
-
- 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
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开了一种变压器故障预测方法、装置及电子设备,该方法包括:获取目标变压器的数据信息和多种故障模式;对历史故障信息分析得到设备健康状态和每种故障模式历史故障概率;根据设备信息、环境信息和负荷数据计算目标变压器老化系数;计算不同时间故障模式对应的故障概率;基于故障概率构建各故障模式在不同时间的故障概率分布曲线;通过故障概率分布曲线得到目标变压器在不同时间的故障预测结果。本发明通过综合考虑目标变压器的历史故障信息、运行年限等信息,从多角度对目标变压器的健康状况和老化状况进行分析,可以更精准的诊断变压器故障并预测未来可能发生的故障,以便于及时发现隐患降低事故发生率。
Description
技术领域
本发明涉及故障诊断技术领域,具体涉及一种变压器故障预测方法、装置及电子设备。
背景技术
作为电力系统核心设备的变压器,其运行状态直接影响电力系统的安全稳定。目前,各种在线监测系统、带电测试设备等先进技术的应用,便于及时掌握设备的内在运行状态,结合以往的变压器监测数据、巡检数据、历史维修数据,可以及时发现设备存在的各种隐患,把事故率降到最低。但是,在电力行业发展进程中,预防性检修及定期检修已不能满足当前的需要。且如今的变压器故障诊断大部分基于可靠性的故障诊断,而忽略了变压器的运行年限、变压器的缺陷及维修史、超负荷工作等老化性故障对变压器的影响,故障诊断的准确率较低,更无法准确推断后期可能发生的故障,从而无法进行预防。
发明内容
有鉴于此,本发明实施例提供了一种变压器故障预测方法,以解决现有的变压器故障诊断准确率低、无法准确进行故障预测的问题。
为达到上述目的,本发明提供如下技术方案:
本发明实施例提供了一种变压器故障预测方法,包括:
获取目标变压器的数据信息和多种故障模式,所述数据信息包括:设备信息、历史故障信息、环境信息和负荷数据;
对所述历史故障信息进行分析得到设备健康状态和每种故障模式的历史故障概率;
根据所述设备信息、环境信息和负荷数据计算所述目标变压器的老化系数;
基于所述设备健康状态、老化系数和历史故障概率计算不同时间所述故障模式对应的故障概率;
基于所述故障概率构建各故障模式在不同时间条件下的故障概率分布曲线;
通过对所述故障概率分布曲线进行分析得到所述目标变压器在不同时间的故障预测结果。
可选的,所述对所述历史故障信息进行分析得到设备健康状态和每种故障模式的历史故障概率,包括:
从所述历史故障信息中提取每种故障模式对应的故障特征参量;
基于所述故障特征参量和每个故障特征参量的预设权重系数得到每种故障模式的历史故障概率;
对所述历史故障概率进行均值分析得到设备健康状态。
可选的,所述对所述历史故障概率进行均值分析得到设备健康状态,包括:
将每种故障模式的历史故障概率进行均值处理得到劣化值;
将所述劣化值与多个预设劣化值范围进行比对,得到对应的设备状态,每个预设劣化值范围对应不同的设备健康状态。
可选的,所述根据所述设备信息、环境信息和负荷数据计算所述目标变压器的老化系数,包括:
对所述环境信息进行恶劣等级的分析,得到环境系数;
从所述设备信息中提取所述目标变压器的预期运行年限;
从所述负荷数据中提取额定负荷和运行负荷计算所述目标变压器的负荷率;
基于环境系数、预期运行年限和负荷率计算所述目标变压器在不同的目标时间下的老化系数。
可选的,所述基于环境系数、预期运行年限和负荷率计算所述目标变压器在不同的目标时间下的老化系数,包括:
获取所述目标变压器的初始健康状态和所述目标时间的目标健康状态;
通过所述环境系数和所述负荷率对所述预期运行年限进行修正;
基于初始健康状态、目标健康状态和修正后的预期运行年限计算得到所述目标变压器在目标时间的老化系数。
可选的,所述基于所述设备健康状态、老化系数和历史故障概率计算不同时间所述故障模式对应的故障概率,包括:
基于所述设备健康状态和老化系数计算不同时间不同故障模式对应的故障权重;
根据所述历史故障概率和所述故障权重计算每种故障模式在不同时间对应的故障概率。
可选的,所述方法还包括:
获取各故障模式对应所述目标变压器的功能和部件;
基于所述功能和部件构建以对应的故障模式为根节点的故障分析树;
根据所述故障概率和所述故障分析树中各节点之间的关联,得到各功能和各部件在不同时间的故障概率数据。
本发明实施例还提供了一种变压器故障预测装置,包括:
获取模块,用于获取目标变压器的数据信息和多种故障模式,所述数据信息包括:设备信息、历史故障信息、环境信息和负荷数据;
故障分析模块,用于对所述历史故障信息进行分析得到设备健康状态和每种所述故障模式的历史故障概率;
老化分析模块,用于根据所述设备信息、环境信息和负荷数据计算所述目标变压器的老化系数;
计算模块,用于基于所述设备健康状态、老化系数和历史故障概率计算不同时间所述故障模式对应的故障概率;
构建模块,用于基于所述故障概率构建各故障模式在不同时间条件下的故障概率分布曲线;
预测模块,用于通过对所述故障概率分布曲线进行分析得到所述目标变压器在不同时间的故障预测结果。
本发明实施例还提供了一种电子设备,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行本发明实施例提供的变压器故障预测方法。
本发明实施例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存储计算机指令,所述计算机指令用于使计算机执行本发明实施例提供的变压器故障预测方法。
本发明技术方案,具有如下优点:
本发明提供了一种变压器故障预测方法,通过获取目标变压器的数据信息和多种故障模式;对历史故障信息进行分析得到设备健康状态和每种故障模式的历史故障概率;根据设备信息、环境信息和负荷数据计算目标变压器的老化系数;基于设备健康状态、老化系数和历史故障概率计算不同时间故障模式对应的故障概率;基于故障概率构建各故障模式在不同时间条件下的故障概率分布曲线;通过故障概率分布曲线得到目标变压器在不同时间条件下的故障预测结果。本发明通过综合考虑目标变压器的历史故障信息、负荷数据等,从多角度对目标变压器的健康状况和老化状况进行分析,不仅可以提高故障诊断精度,还通过构建不同故障模式在不同时间条件下的故障概率分布曲线,很直观的了解到过去已经发生的故障以及预测未来可能发生的故障;同时通过对对故障概率分布曲线进行分析得到故障预测结果,便于工作人员基于故障预测结果及时发现设备存在的各种隐患,更好地对变压器的运行状况进行维护,降低事故发生率,降低损失。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中的变压器故障预测方法的流程图;
图2为根据本发明实施例中得到设备健康状态和每种故障模式的历史故障概率的流程图;
图3为根据本发明实施例中对历史故障概率进行均值分析的流程图;
图4为根据本发明实施例中计算目标变压器的老化系数的流程图;
图5为根据本发明实施例中计算目标变压器在不同的目标时间下的老化系数的流程图;
图6为根据本发明实施例中计算不同时间故障模式对应的故障概率的流程图;
图7为根据本发明实施例中得到目标变压器故障点故障概率的流程图;
图8为本发明实施例中的变压器故障预测装置的结构示意图;
图9为本发明实施例中的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域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,都属于本发明保护的范围。
根据本发明实施例,提供了一种变压器故障预测方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种变压器故障预测方法,可用于上述的终端设备,如电脑等,如图1所示,该变压器故障预测方法包括如下步骤:
步骤S1:获取目标变压器的数据信息和多种故障模式,数据信息包括:设备信息、历史故障信息、环境信息和负荷数据。具体的,设备信息包括设备的产品规格数据、运行年限等;历史故障信息包括故障类型、故障时间、运行经理、维修情况等;环境信息包括环境的温湿度和污染水平;负荷数据包括额定负荷和运行负荷。故障模式包括重瓦斯动作、绝缘下降、短路、直流电阻异常等;不同的故障模式对应不同的特征。
步骤S2:对历史故障信息进行分析得到设备健康状态和每种故障模式的历史故障概率。具体的,设备健康状态可以很好地反映出距离设备转变为故障状态的程度,工作人员也可以根据设备健康状态及时对设备进行检修维护。历史故障概率是通过统计分析历史故障信息中每种故障模式发生故障的情况得到的,为后续的概率计算提供初始概率数据;现有技术中通常将此初始概率数据作为的预测概率,没有综合设备的健康状态和老化情况,因此故障概率预测准确度较差。
步骤S3:根据设备信息、环境信息和负荷数据计算目标变压器的老化系数。具体的,由于变压器老化主要表现为纸绝缘的性能,变压器绝缘纸的老化是一个不可逆的过程,其中主要表现为机械强度的降低,当变压器运行环境和运行状态异常时容易发生过热、过电流等故障导致绝缘被击穿,进而造成变压器老化性故障。设备投入运行年限、环境温湿度和实际负荷情况都会对设备的老化程度造成影响。通过计算目标变压器的老化系数可以体现出目标变压器的老化程度以及对设备运行的影响,从而使故障诊断和后续的故障预测更加准确。
步骤S4:基于设备健康状态、老化系数和历史故障概率计算不同时间故障模式对应的故障概率。具体的,设备健康状态越差、老化系数越高,设备出现故障的概率就越大,在综合考虑设备健康状态和老化系数的情况下对历史故障概率进行优化,得到更为准确的故障概率。
步骤S5:基于故障概率构建各故障模式在不同时间条件下的故障概率分布曲线。具体的,通过构建各故障模式在不同时间条件下的故障概率分布曲线,可以清楚的了解到各个故障模式在过去的故障情况和将来发生的概率,直观且清晰,便于观察。
步骤S6:通过对故障概率分布曲线进行分析得到目标变压器在不同时间的故障预测结果。具体的,通过对故障概率分布曲线进行多维度分析,可以得到与时间对应的故障发生概率,例如同一时间可能发生的多重故障模式或某一故障模式可能发生的时间,以便于工作人员及时有效的对设备进行维护,降低因故障造成的损失。
通过上述步骤S1至步骤S6,本发明实施例提供的变压器故障预测方法,通过综合考虑目标变压器的历史故障信息、负荷数据等,从多角度对目标变压器的健康状况和老化状况进行分析,不仅可以提高故障诊断精度,还通过构建不同故障模式在不同时间条件下的故障概率分布曲线,很直观的了解到过去已经发生的故障以及预测未来可能发生的故障;同时通过对对故障概率分布曲线进行分析得到故障预测结果,便于工作人员基于故障预测结果及时发现设备存在的各种隐患,更好地对变压器的运行状况进行维护,降低事故发生率,降低损失。
具体地,在一实施例中,上述的步骤S2,如图2所示,具体包括如下步骤:
步骤S21:从历史故障信息中提取每种故障模式对应的故障特征参量。具体的,不同的故障模式对应不同的故障特征参量,例如表1:
表1
故障特征参量 | 故障模式 |
油色谱分析 | 放电、重瓦斯动作、绝缘下降 |
油老化试验 | 重瓦斯动作、绝缘下降 |
吸收比 | 绝缘下降 |
油中微水含量 | 绝缘下降 |
直流电阻 | 直流电阻异常 |
局部放电 | 放电故障 |
二次回路绝缘电阻 | 二次绝缘异常 |
绝缘电阻 | 绝缘下降 |
耐压试验 | 短路故障 |
绕组泄漏电流 | 绝缘下降 |
变比试验 | 直流电阻异常 |
步骤S22:基于故障特征参量和每个故障特征参量的预设权重系数得到每种故障模式的历史故障概率。具体的,在故障发生时不同的故障模式可能对应多个不同的故障特征参量,因此不同的故障特征参量成为导致该故障发生的权重不同,在计算历史故障概率时,可以通过例如以下方式进行:
设某故障模式x对应的特征参量Y=(Yj)1×n,由Yj得到故障概率为μ(Yj),则故障模式X对应的P(Xt)为
式中,n为故障模式对应的特征参量的数目,ω=(ω1,ω2,……,ωn)为各特征参量的预设权重系数。
预设权重系数可以通过如下方式得到:
①建立判断矩阵W;
②A代表目标,ui和uj代表第I个和第j个评价,WIj代表特征参量的相对重要性的取值,判断矩阵W=(ωIj)n×n,其中n为评价因子的数目。
③建立互反矩阵B=(bIj)n×n,其中,bIj=lgωIj,i,j=1,2,3,……,n。
步骤S23:对历史故障概率进行均值分析得到设备健康状态。
具体的,设备健康状态可以很好地反映出距离设备转变为故障状态的程度,工作人员也可以根据设备健康状态及时对设备进行检修维护。
具体地,在一实施例中,上述的步骤S23,如图3所示,具体包括如下步骤:
步骤S231:将每种故障模式的历史故障概率进行均值处理得到劣化值。具体的,故障发生的概率越大,说明设备状态越差,劣化值越高。
步骤S232:将劣化值与多个预设劣化值范围进行比对,得到对应的设备状态,每个预设劣化值范围对应不同的设备健康状态。具体的,设备劣化值较低时,说明设备的健康状态较好,短时间内转为故障的概率较低,通过表2进行举例说明。
表2
劣化值范围 | 设备健康状态 |
0~0.2 | 状态较良好 |
0.2~0.4 | 设备轻度劣化 |
0.4~0.7 | 设备中等劣化 |
0.7~1.0 | 已转变为故障状态 |
具体地,在一实施例中,上述的步骤S3,如图4所示,具体包括如下步骤:
步骤S31:对环境信息进行恶劣等级的分析,得到环境系数。具体的,环境的恶劣情况受环境温湿度和污染的影响,环境温湿度与设备适宜温湿度之间的差值越大、污染值越高,恶劣等级越高、环境系数的数值也越大。恶劣的环境会对设备的寿命产生不良影响。恶劣等级的判定可以通过预设阈值范围的方式进行,例如:环境温度与标准环境的温差范围落入某一预设阈值范围内,次预设阈值范围对应的恶劣等级为环境恶劣等级,再通过预先建立的环境恶劣等级与环境系数之间的对应关系,得到对应的环境系数,如表3:
表3
环境恶劣等级 | 环境系数 |
0 | 1 |
1 | 1 |
2 | 1.05 |
3 | 1.15 |
4 | 1.3 |
步骤S32:从设备信息中提取目标变压器的预期运行年限。具体的,预期运行年限与设备的生产厂家和型号规格相关,可通过设备信息得到。
步骤S33:从负荷数据中提取额定负荷和运行负荷计算目标变压器的负荷率。具体的,变压器的负荷情况直接反应出流过该变压器的电流,从而影响变压器的绕组、变压器的绝缘温度,和电磁绕组遭受的电磁应力等;同时变压器负荷关系到设备的使用效率和损耗。变压器的负荷率是运行时的运行负荷与额定负荷之比。
步骤S34:基于环境系数、预期运行年限和负荷率计算目标变压器在不同的目标时间下的老化系数。
具体的,设备投入运行年限、环境温湿度和实际负荷情况都会对设备的老化程度造成影响。通过计算目标变压器的老化系数可以体现出目标变压器的老化程度以及对设备运行的影响,从而使故障诊断和后续的故障预测更加准确。
具体地,在一实施例中,上述的步骤S34,如图5所示,具体包括如下步骤:
步骤S341:获取目标变压器的初始健康状态和目标时间的目标健康状态。
步骤S342:通过环境系数和负荷率对预期运行年限进行修正。具体的,在对运行年限进行修正时,通过预设的变压器负荷率和预设的负荷率-负荷系数对应表,如表4,可以得到负荷系数,基于环境系数和负荷系数对运行年限进行修正。
表4
负荷率(%) | 负荷系数 |
0-40% | 1 |
40%-60% | 1.05 |
60%-70% | 1.1 |
70%-80% | 1.25 |
80%-150% | 1.6 |
步骤S343:基于初始健康状态、目标健康状态和修正后的预期运行年限计算得到目标变压器在目标时间的老化系数。
具体的:
其中,Texp是预期运行年限,T’exp是修正后的预期运行年限,fL是负荷系数,fE是环境系数,HI0是设备初始的健康状态,HI是设备目前的健康状态,B是老化系数。变压器出厂时的健康状态HI0一般情况下取值为0.5。
目标健康状态可以通过上述的计算设备健康状态的方式计算得到,根据环境和功率对设备使用年限的影响,对预期运行年限进行优化,从而使最终计算得到的老化系数更加准确,更符合设备实际情况。
具体地,在一实施例中,上述的步骤S4,如图6所示,具体包括如下步骤:
步骤S41:基于设备健康状态、老化系数和历史故障概率计算不同时间不同故障模式对应的故障权重。
步骤S42:根据历史故障概率和故障权重计算每种故障模式在不同时间对应的故障概率。
具体的,设备健康状态越差、老化系数越高,设备出现故障的概率就越大,在综合考虑设备健康状态和老化系数的情况下对历史故障概率进行优化,得到更为准确的故障概率。
具体地,在一实施例中,上述的变压器故障预测方法,如图7所示,具体还包括如下步骤:
步骤S71:获取各故障模式对应目标变压器的功能和部件。
步骤S72:基于功能和部件构建以对应的故障模式为根节点的故障分析树。
步骤S73:根据故障概率和故障分析树中各节点之间的关联,得到各功能和各部件在不同时间的故障概率数据。
具体的,可以通过故障树分析的方式对变压器运行情况进行分析,将变压器各个功能与位置结合,依据部件模块化的原则,创建铁芯,绕组与别的部件子树,结合为变压器的故障分析的主树,接着再考虑其他因素到最后成为变压器整体的故障树。首先计算出整个变压器故障树的顶部的最小的分支树。根据最小的分支进行分类:设计、制造工艺、材料、环境等方面的原因,还是因为受潮、环境温度的原因,或者是属于外部短路,雷击等影响因素。可以根据各节点之间的影响程度,计算出各功能和各部件故障发生的概率,从而提高变压器故障分析的效率和可信度。
在本实施例中还提供了一种变压器故障预测装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种变压器故障预测装置,如图8所示,包括:
获取模块101,用于获取目标变压器的数据信息和多种故障模式,数据信息包括:设备信息、历史故障信息、环境信息和负荷数据,详细内容参见上述方法实施例中步骤S1的相关描述,在此不再进行赘述。
故障分析模块102,用于对历史故障信息进行分析得到设备健康状态和每种故障模式的历史故障概率,详细内容参见上述方法实施例中步骤S2的相关描述,在此不再进行赘述。
老化分析模块103,用于根据设备信息、环境信息和负荷数据计算目标变压器的老化系数,详细内容参见上述方法实施例中步骤S3的相关描述,在此不再进行赘述。
计算模块104,用于基于设备健康状态、老化系数和历史故障概率计算不同时间故障模式对应的故障概率,详细内容参见上述方法实施例中步骤S4的相关描述,在此不再进行赘述。
构建模块105,用于基于故障概率构建各故障模式在不同时间条件下的故障概率分布曲线,详细内容参见上述方法实施例中步骤S5的相关描述,在此不再进行赘述。
预测模块106,用于通过对故障概率分布曲线进行分析得到目标变压器在不同时间的故障预测结果,详细内容参见上述方法实施例中步骤S6的相关描述,在此不再进行赘述。
本实施例中的变压器故障预测装置是以功能单元的形式来呈现,这里的单元是指ASIC电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
上述各个模块的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
根据本发明实施例还提供了一种电子设备,如图9所示,该电子设备可以包括处理器901和存储器902,其中处理器901和存储器902可以通过总线或者其他方式连接,图9中以通过总线连接为例。
处理器901可以为中央处理器(Central Processing Unit,CPU)。处理器901还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器902作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明方法实施例中的方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器901所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器902中,当被处理器901执行时,执行上述方法实施例中的方法。
上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,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,的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(RandomAccess Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-StateDrive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种变压器故障预测方法,其特征在于,包括:
获取目标变压器的数据信息和多种故障模式,所述数据信息包括:设备信息、历史故障信息、环境信息和负荷数据;
对所述历史故障信息进行分析得到设备健康状态和每种故障模式的历史故障概率;
根据所述设备信息、环境信息和负荷数据计算所述目标变压器的老化系数;
基于所述设备健康状态、老化系数和历史故障概率计算不同时间所述故障模式对应的故障概率;
基于所述故障概率构建各故障模式在不同时间条件下的故障概率分布曲线;
通过对所述故障概率分布曲线进行分析得到所述目标变压器在不同时间的故障预测结果。
2.根据权利要求1所述的变压器故障预测方法,其特征在于,所述对所述历史故障信息进行分析得到设备健康状态和每种故障模式的历史故障概率,包括:
从所述历史故障信息中提取每种故障模式对应的故障特征参量;
基于所述故障特征参量和每个故障特征参量的预设权重系数得到每种故障模式的历史故障概率;
对所述历史故障概率进行均值分析得到设备健康状态。
3.根据权利要求2所述的变压器故障预测方法,其特征在于,所述对所述历史故障概率进行均值分析得到设备健康状态,包括:
将每种故障模式的历史故障概率进行均值处理得到劣化值;
将所述劣化值与多个预设劣化值范围进行比对,得到对应的设备状态,每个预设劣化值范围对应不同的设备健康状态。
4.根据权利要求1所述的变压器故障预测方法,其特征在于,所述根据所述设备信息、环境信息和负荷数据计算所述目标变压器的老化系数,包括:
对所述环境信息进行恶劣等级的分析,得到环境系数;
从所述设备信息中提取所述目标变压器的预期运行年限;
从所述负荷数据中提取额定负荷和运行负荷计算所述目标变压器的负荷率;
基于环境系数、预期运行年限和负荷率计算所述目标变压器在不同的目标时间下的老化系数。
5.根据权利要求4所述的变压器故障预测方法,其特征在于,所述基于环境系数、预期运行年限和负荷率计算所述目标变压器在不同的目标时间下的老化系数,包括:
获取所述目标变压器的初始健康状态和所述目标时间的目标健康状态;
通过所述环境系数和所述负荷率对所述预期运行年限进行修正;
基于初始健康状态、目标健康状态和修正后的预期运行年限计算得到所述目标变压器在目标时间的老化系数。
6.根据权利要求1所述的变压器故障预测方法,其特征在于,所述基于所述设备健康状态、老化系数和历史故障概率计算不同时间所述故障模式对应的故障概率,包括:
基于所述设备健康状态和老化系数计算不同时间不同故障模式对应的故障权重;
根据所述历史故障概率和所述故障权重计算每种故障模式在不同时间对应的故障概率。
7.根据权利要求1所述的变压器故障预测方法,其特征在于,所述方法还包括:
获取各故障模式对应所述目标变压器的功能和部件;
基于所述功能和部件构建以对应的故障模式为根节点的故障分析树;
根据所述故障概率和所述故障分析树中各节点之间的关联,得到各功能和各部件在不同时间的故障概率数据。
8.一种变压器故障预测装置,其特征在于,包括:
获取模块,用于获取目标变压器的数据信息和多种故障模式,所述数据信息包括:设备信息、历史故障信息、环境信息和负荷数据;
故障分析模块,用于对所述历史故障信息进行分析得到设备健康状态和每种所述故障模式的历史故障概率;
老化分析模块,用于根据所述设备信息、环境信息和负荷数据计算所述目标变压器的老化系数;
计算模块,用于基于所述设备健康状态、老化系数和历史故障概率计算不同时间所述故障模式对应的故障概率;
构建模块,用于基于所述故障概率构建各故障模式在不同时间条件下的故障概率分布曲线;
预测模块,用于通过对所述故障概率分布曲线进行分析得到所述目标变压器在不同时间的故障预测结果。
9.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1-7中任一项所述的变压器故障预测方法。
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存储有计算机指令,所述计算机指令用于使计算机执行权利要求1-7中任一项所述的变压器故障预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211296613.5A CN115640895A (zh) | 2022-10-21 | 2022-10-21 | 一种变压器故障预测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211296613.5A CN115640895A (zh) | 2022-10-21 | 2022-10-21 | 一种变压器故障预测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115640895A true CN115640895A (zh) | 2023-01-24 |
Family
ID=84943358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211296613.5A Pending CN115640895A (zh) | 2022-10-21 | 2022-10-21 | 一种变压器故障预测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115640895A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116316613A (zh) * | 2023-05-18 | 2023-06-23 | 中国电建集团山东电力建设第一工程有限公司 | 电力设备运行监测方法、系统、电子设备及存储介质 |
CN116611006A (zh) * | 2023-05-22 | 2023-08-18 | 广州吉谷电器有限公司 | 基于用户反馈的电水壶的故障识别方法及装置 |
CN116796651A (zh) * | 2023-08-24 | 2023-09-22 | 国网浙江省电力有限公司宁波供电公司 | 一种电力电缆老化故障分析方法、电子设备及存储介质 |
CN116976849A (zh) * | 2023-05-25 | 2023-10-31 | 中国船舶集团有限公司第七一九研究所 | 一种基于大数据的船舶作业设备的故障预测方法及系统 |
-
2022
- 2022-10-21 CN CN202211296613.5A patent/CN115640895A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116316613A (zh) * | 2023-05-18 | 2023-06-23 | 中国电建集团山东电力建设第一工程有限公司 | 电力设备运行监测方法、系统、电子设备及存储介质 |
CN116316613B (zh) * | 2023-05-18 | 2023-10-20 | 中国电建集团山东电力建设第一工程有限公司 | 电力设备运行监测方法、系统、电子设备及存储介质 |
CN116611006A (zh) * | 2023-05-22 | 2023-08-18 | 广州吉谷电器有限公司 | 基于用户反馈的电水壶的故障识别方法及装置 |
CN116611006B (zh) * | 2023-05-22 | 2024-02-20 | 广州吉谷电器有限公司 | 基于用户反馈的电水壶的故障识别方法及装置 |
CN116976849A (zh) * | 2023-05-25 | 2023-10-31 | 中国船舶集团有限公司第七一九研究所 | 一种基于大数据的船舶作业设备的故障预测方法及系统 |
CN116796651A (zh) * | 2023-08-24 | 2023-09-22 | 国网浙江省电力有限公司宁波供电公司 | 一种电力电缆老化故障分析方法、电子设备及存储介质 |
CN116796651B (zh) * | 2023-08-24 | 2023-12-26 | 国网浙江省电力有限公司宁波供电公司 | 一种电力电缆老化故障分析方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115640895A (zh) | 一种变压器故障预测方法、装置及电子设备 | |
CN108491305B (zh) | 一种服务器故障的检测方法及系统 | |
CN110596486A (zh) | 一种充电桩智能预警运维的方法和系统 | |
CN114723082B (zh) | 一种智能低压成套设备的异常预警方法及系统 | |
CN115469176A (zh) | 一种基于数据模型的数字孪生电网用风险评估系统 | |
CN112304446A (zh) | 电力设备报警处理方法和装置 | |
CN111929579B (zh) | 发电机在线故障诊断方法、设备及计算机设备 | |
CN111915192A (zh) | 电力设备故障管理系统的建立方法和系统、计算机设备 | |
CN111608899A (zh) | 一种基于效能分析的水泵运行状态异常判别的方法 | |
CN110264055B (zh) | 部件危害性评估方法、装置、设备及计算机可读存储介质 | |
CN113313371B (zh) | 配电网风险评估方法、装置、计算机设备及存储介质 | |
CN108471114B (zh) | 输电线路状态评价方法、装置、计算机设备及存储介质 | |
CN117031182B (zh) | 配电站所终端遥测值异常检测方法及系统 | |
CN117196251A (zh) | 一种园区配电设施监控方法、系统、设备及介质 | |
CN111413564B (zh) | 一种超级电容器失效预警方法、系统以及设备 | |
CN115114124A (zh) | 主机风险的评估方法及评估装置 | |
CN116151799A (zh) | 一种基于bp神经网络的配电线路多工况故障率快速评估方法 | |
CN115600879A (zh) | 一种断路器异常预警方法、系统及相关装置 | |
CN115248292A (zh) | 一种变压器故障分析诊断方法及系统 | |
CN112307652B (zh) | 基于平均剩余寿命重要度的复杂装备系统快速维修方法 | |
CN116071036A (zh) | 一种变压器温度状态评价方法、设备和介质 | |
CN115718270A (zh) | 一种电力变压器的监测方法、装置和电子设备 | |
CN113988700A (zh) | 能源电力产业链风险预警方法、装置、终端设备及介质 | |
CN112162164A (zh) | 一种基于神经网络的电缆寿命预测系统 | |
CN110674951A (zh) | 一种配电自动化终端的状态检修方法 |
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 |