CN115855149A - 一种油浸式并联电抗器运行状态评估方法及系统 - Google Patents
一种油浸式并联电抗器运行状态评估方法及系统 Download PDFInfo
- Publication number
- CN115855149A CN115855149A CN202211482235.XA CN202211482235A CN115855149A CN 115855149 A CN115855149 A CN 115855149A CN 202211482235 A CN202211482235 A CN 202211482235A CN 115855149 A CN115855149 A CN 115855149A
- Authority
- CN
- China
- Prior art keywords
- oil
- shunt reactor
- immersed
- running state
- association
- 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
Landscapes
- Production Of Liquid Hydrocarbon Mixture For Refining Petroleum (AREA)
Abstract
本公开涉及设备运行状态评估技术领域,提出了一种油浸式并联电抗器运行状态评估方法及系统,包括:获取油浸式并联电抗器的运行状态指标数据,包括运行监测信号以及振动信号;针对获得信号分别提取特征参量并进行裂化处理;将提取特征参量作为评价指标,针对裂化处理后的数据,采用高斯云模型的关联函数计算评价指标与运行状态标准等级高斯云间的关联度;根据计算得到的关联度,选取关联度最高对应的运行状态等级为油浸式并联电抗器运行状态等级。对特高压并联电抗器采用多参量分析的运行状态评估,提高潜伏性缺陷与故障诊断的准确性和及时性,可以大幅提高电抗器运行状态评估准确性,实现并联电抗器典型缺陷的诊断和预警,保证电网安全稳定运行。
Description
技术领域
本公开涉及设备运行状态评估相关技术领域,具体的说,是涉及一种油浸式并联电抗器运行状态评估方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,并不必然构成在先技术。
特高压远距离输电已成为促进经济发展、防治大气污染的重要手段,油浸式并联电抗器是特高压远距离输变电系统中最重要的无功功率补偿设备之一,其可以解决大功率、远距离输电使得输电线路的电容效应十分明显的问题。因此,油浸式并联电抗器的安全稳定运行直接关系到特高压电网是否能高可靠性输送电能。
发明人在研究中发现,目前,针对特高压油浸式并联电抗器常用的状态评估方法大多基于某一因素或某几个因素做出判断,并未综合考虑并联电抗器的全面运行工况信息,对并联电抗器的故障诊断和状态评估过程中存在各种不确定性,其诊断结果的精确性和时效性较差。此外,现有基于油色谱的油浸式电力设备故障诊断中通常不区分电力变压器与并联电抗器,这样的处理方式在低电压等级时,不会影响判断的准确性。但是,特高压并联电抗器的振动强度远大于同电压等级的特高压电力变压器,剧烈的振动会对放电过程和气泡运动均产生较大的影响,现有采用单一的油色谱分析方式显然并未考虑这一影响,导致并联电抗器运行状态评估准确性差。
发明内容
本公开为了解决上述问题,提出了一种油浸式并联电抗器运行状态评估方法及系统,对特高压并联电抗器采用多参量分析的运行状态评估,提高潜伏性缺陷与故障诊断的准确性和及时性,可以大幅提高电抗器运行状态评估准确性,实现并联电抗器典型缺陷的诊断和预警,根据评估结果制定针对性的运维策略,避免突发事故的发生,保证电网安全稳定运行。
为了实现上述目的,本公开采用如下技术方案:
一个或多个实施例提供了一种油浸式并联电抗器运行状态评估方法,包括如下步骤:
获取油浸式并联电抗器的运行状态指标数据,包括运行监测信号以及振动信号;
针对获得信号分别提取特征参量并进行裂化处理;
将提取特征参量作为评价指标,针对裂化处理后的数据,采用高斯云模型的关联函数计算评价指标与运行状态标准等级高斯云间的关联度;
根据计算得到的关联度,选取关联度最高对应的运行状态等级为油浸式并联电抗器运行状态等级。
一个或多个实施例提供了一种油浸式并联电抗器运行状态评估系统,包括:
运行状态指标数据模块:被配置为用于获取油浸式并联电抗器的运行状态指标数据,包括运行监测信号以及振动信号;
裂化处理模块:被配置为用于针对获得信号分别提取特征参量并进行裂化处理;
关联度计算模块:被配置为用于将提取特征参量作为评价指标,针对裂化处理后的数据,采用高斯云模型的关联函数计算评价指标与运行状态标准等级高斯云间的关联度;
状态等级划分模块:被配置为用于根据计算得到的关联度,选取关联度最高对应的运行状态等级为油浸式并联电抗器运行状态等级。
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成上述方法所述的步骤。
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成上述方法所述的步骤。
与现有技术相比,本公开的有益效果为:
本公开中,通过多参量分析,并采用高斯云模型的关联函数计算评价指标与运行状态标准等级高斯云间的关联度,提高了多参量分析识别的效率和准确度,从而提升了油浸式并联电抗器运行状态评估准确性。
本公开的优点以及附加方面的优点将在下面的具体实施例中进行详细说明。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的限定。
图1是本公开实施例1的状态评估方法流程图;
图2是本公开实施例1的示例的高斯云间示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是,在不冲突的情况下,本公开中的各个实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
实施例1
在一个或多个实施方式公开的技术方案中,如图1-图2所示,一种油浸式并联电抗器运行状态评估方法,包括如下步骤:
步骤1、获取油浸式并联电抗器的运行状态指标数据,包括运行监测信号以及振动信号;
步骤2、针对获得信号分别提取特征参量并进行裂化处理;
步骤3、将提取特征参量作为评价指标,针对裂化处理后的数据,采用高斯云模型的关联函数计算评价指标与运行状态标准等级高斯云间的关联度;
步骤4、根据计算得到的关联度,选取关联度最高对应的运行状态等级为油浸式并联电抗器运行状态等级。
本实施例中,通过多参量分析,并采用高斯云模型的关联函数计算评价指标与运行状态标准等级高斯云间的关联度,提高了多参量分析识别的效率和准确度,从而了油浸式并联电抗器运行状态评估准确性。
步骤2中,针对获得信号分别提取特征参量;
步骤21、针对运行监测信号提取电、热、气、声的特征参量;
具体的,运行监测信号包括噪声信号、红外信号、局部放电信号、油色谱信号以及油温信号。其中,对噪声信号进行频域分解,提取高频声段信号作为特征参量;对红外信号,采用阈值设定法,提取高于阈值的温度点数量和最高值作为特征参量;对局部放电信号,应用小波包分析法对有效放电波形进行时频域分解,提取有效放电波形信号;对油色谱数据中的甲烷、乙烷、乙炔、乙烯、氢气、一氧化碳、二氧化碳等含量数值进行直接提取;对油温信号,附加位置信息后,直接提取数值作为特征参量。
步骤22、针对振动信号,采用频域分析融合时域分析提取振动特征参量;包括如下过程:
1)针对振动信号进行频域分析,得到显示信号瞬时频率和幅值的希尔伯特谱;
结合小波分析与经验模5态分解(EMD)构建自适应特征的经验小波变换(EWT)方法对振动信号进行频域分析,信号经过EWT处理后得到若干个模态函数,进而对每个模态函数进行希尔伯特变换得到显示信号瞬时频率和幅值的希尔伯特谱。
2)对获得的希尔伯特谱进行时域分析,提取特征参量;
采用时域分析法对获得的希尔伯特谱进行特征提取,得到均值、方差、裕度指标、峰值指标、波形指标、脉冲指标等周期信号的振动特征参量。
3)建立振动特征参量与电抗器运行状态表征关系。
根据标准时频特性,判断时频特性是否改变,确定电抗器内部的电磁场分布及内部电磁力的变化,进而确定电抗器的运行状态的是否发生变化,如绕组松动、铁芯及夹件松动、铁芯变形等。
步骤2中,裂化处理为归一化处理得到每个评价指标的相对劣化度值。
在一些实施例中,步骤3中,针对裂化处理后的数据,应用高斯云模型中关联函数的计算类型,对评价指标的相对劣化度值与标准等级高斯云间的关联度进行计算,关联度r的计算过程如式(1)所示。
式中,x为某状态指标的相对劣化度;Ex、En、He为对应标准等级高斯云的数学特征值;Enn为1个期望值为En、标准差为He的正态随机数。
本实施例中,并联电抗器运行状态等级包括正常运行状态、异常状态、严重状态、危机状态等。
步骤4中,等级确定方法,可以根据每个指标计算得到的关联度,进行综合权重计算,并采用DSmT算法进行隶属度融合最终对电抗器综合运行状态进行评估。
DSmT组合规则:针对辨识框架Θ下不附加其他约束条件的自由DSmT模型,将两个高度冲突证据源的基本信度分配分别记作m1(·)与m2(·),DSmT组合规则如式(7)所示。
针对电抗器状态评估的具体问题,其辨识框架中的元素分别对应不同的状态等级,即Θ={θ1,θ2,θ3,θ4,θ5},其中θj表示第j个状态等级。同时,在超幂集定义的基础上,选用完全排他性约束条件下的DSmT模型,且仅针对辨识框架中的单子焦元(即状态等级)θj进行信度分配。因此,在评估过程中,将能够反映部件某方面关键性能退化情况的缺陷类型作为独立证据源,并将该部件所对应的所有缺陷类型作为证据源集合,基本信度分配则以指标评估的等级隶属度分布结果作为依据进行计算。
进一步的,采用贝叶斯理论实现关键参量的融合,建立电抗器运行状态评价体系,明确缺陷的类型、位置和发展程度等。
电抗器运行状态评价体系可以针对不同缺陷的类型、位置和程度等设置不同的评分阈值,表征其对于特高压并联电抗器运行的影响程度,并制定对应的评分模型。
本实施例方法打分制采用100分,其中0-25分为危急状态,需停运;26-50分为严重状态,需尽快安排停电检修;51-75分为异常状态,可结合日常停电检修进行消缺处理;76-100分为正常运行状态。
进一步的技术方案,并联电抗器运行数据类型很多,包括声光电等各种类型的数据,还包括采用不同检测手段获得的各种数据,因此需要对评估指标数据进行筛选,还包括状态评估指标确定的过程:
构建特高压并联电抗器运行状态评估指标体系及数据存储库,对各类数据结果进行分类存储分析;
针对不同类型油浸式并联电抗器的结构和运行特点,统计分析确定评估指标。可选的,可以采用主成分分析方法对数据存储库的数据进行分析,确定反应各并联电抗器运行状态的指标作为状态评估指标。确定的状态评价指标包括噪声信号、红外信号、局部放电信号、油色谱信号以及油温信号。运行监测信号为红外信号、局部放电信号、油色谱信号以及油温信号。
构建数据存储库,获取的油浸式并联电抗器的运行数据可以包括:油浸式并联电抗器不同位置油温、油压、频域介电谱检测数据、在线局部放电监测数据、带电局部放电检测数据、油中水分分析数据、介质损耗检测数据、绝缘电阻检测数据、在线油色谱分析数据、离线油色谱分析数据、油中含气量分析数据、电压、电流、以及红外测温数据等。
在一下实施例中,运行状态标准等级高斯云间确定方法,包括如下步骤:
步骤S1,指标关联分析:根据指标数据与对应的运行状态,建立不同缺陷和故障之间、不同关键参数之间的关联规则;
结合并联电抗器振动条件下局部过热和放电故障的机理、发生损坏的关键因素、发展规律、故障征兆、故障后果及预防对策,对并联电抗器的检测参数进行深入的关联分析,映射不同缺陷和故障之间、不同关键参数之间的关联规则。
步骤S2:构建指标劣化程度评估模型,即为构建运行状态标准等级高斯云间。
S21)根据已知运行状态等级以及提取的评价指标数据,构建正向云发生器;
如生成Ex=1,En=0.1,He=0.01的云滴样例图,其中云滴数设置为500,如图2所示。图中,云滴的包络线分别为高斯云的内、外关联度曲线l1、l2,位于中间位置的曲线为高斯云的期望曲线l,三者的表达式分别如式(2)-式(4)所示。
S22)设定超熵He的大小,确定对应每个运行状态等级的关联度r的波动范围高斯云间;
对于某固定云滴x而言,与三条曲线的交点分别代表通过该高斯云模型计算得到的最小关联度rmin、最大关联度rmax以及期望关联度rexp。由此可知,超熵He的大小表征云滴分布与高斯分布的偏离程度。
4)设定分级界限视为双约束空间[cmin,cmax],在计及约束空间边界值不确定性的基础上,对每个分级的界限进行拓展成为高斯云。
根据云期望的定义,约束区间的中心值最能代表该等级概念,等级云期望Ex的计算过程如式(5)所示。
作为状态等级概念模糊度的量度,等级云熵En的取值最为关键,其大小反映状态等级概念所能接受的数值范围,将直接影响指标劣化判定结果的准确性,其计算过程如式(6)所示。
等级云超熵He一般取固定常数,可结合实际情况对其取值进行优化调整。依据指标相对劣化度与状态等级间的对应关系,构建关于各状态等级的高斯云模型。
本实施例中,采用高斯云模型进行建模,识别评价指标与运行状态标准等级高斯云间的关联度,提高了多参量分析识别的效率和准确度,从而了油浸式并联电抗器运行状态评估准确性。
实施例2
基于实施例1,本实施例中提供一种油浸式并联电抗器运行状态评估系统,包括:
运行状态指标数据模块:被配置为用于获取油浸式并联电抗器的运行状态指标数据,包括运行监测信号以及振动信号;
裂化处理模块:被配置为用于针对获得信号分别提取特征参量并进行裂化处理;
关联度计算模块:被配置为用于将提取特征参量作为评价指标,针对裂化处理后的数据,采用高斯云模型的关联函数计算评价指标与运行状态标准等级高斯云间的关联度;
状态等级划分模块:被配置为用于根据计算得到的关联度,选取关联度最高对应的运行状态等级为油浸式并联电抗器运行状态等级。
此处需要说明的是,本实施例中的各个模块与实施例1中的各个步骤一一对应,其具体实施过程相同,此处不再累述。
实施例3
本实施例提供一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例1的方法所述的步骤。
实施例4
本实施例提供一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例1的方法所述的步骤。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种油浸式并联电抗器运行状态评估方法,其特征在于,包括如下步骤:
获取油浸式并联电抗器的运行状态指标数据,包括运行监测信号以及振动信号;
针对获得信号分别提取特征参量并进行裂化处理;
将提取特征参量作为评价指标,针对裂化处理后的数据,采用高斯云模型的关联函数计算评价指标与运行状态标准等级高斯云间的关联度;
根据计算得到的关联度,选取关联度最高对应的运行状态等级为油浸式并联电抗器运行状态等级。
2.如权利要求1所述的一种油浸式并联电抗器运行状态评估方法,其特征在于:运行监测信号包括噪声信号、红外信号、局部放电信号、油色谱信号以及油温信号。
3.如权利要求1所述的一种油浸式并联电抗器运行状态评估方法,其特征在于:针对振动信号,采用频域分析融合时域分析提取振动特征参量。
4.如权利要求3所述的一种油浸式并联电抗器运行状态评估方法,其特征在于,采用频域分析融合时域分析提取振动特征参量的方法,包括如下步骤:
针对振动信号进行频域分析,得到显示信号瞬时频率和幅值的希尔伯特谱;
对获得的希尔伯特谱进行时域分析,提取特征参量;
建立振动特征参量与电抗器运行状态表征关系。
5.如权利要求1所述的一种油浸式并联电抗器运行状态评估方法,其特征在于:裂化处理为归一化处理得到每个评价指标的相对劣化度值。
6.如权利要求1所述的一种油浸式并联电抗器运行状态评估方法,其特征在于:等级确定方法,根据每个指标计算得到的关联度,进行综合权重计算,并采用DSmT算法进行隶属度融合最终对电抗器综合运行状态进行评估。
7.如权利要求1所述的一种油浸式并联电抗器运行状态评估方法,其特征在于:采用贝叶斯理论对关键参量进行融合,建立电抗器运行状态评价体系,明确缺陷的类型、位置和发展程度;
或者,运行状态标准等级高斯云间的确定方法,包括如下步骤:
根据指标数据与对应的运行状态,进行指标关联分析,建立不同缺陷和故障之间、不同关键参数之间的关联规则;
根据已知运行状态等级以及提取的评价指标数据,构建正向云发生器;
设定正向云发生器的超熵的大小,确定对应每个运行状态等级的关联度r的波动范围高斯云间。
8.一种油浸式并联电抗器运行状态评估系统,其特征在于,包括:
运行状态指标数据模块:被配置为用于获取油浸式并联电抗器的运行状态指标数据,包括运行监测信号以及振动信号;
裂化处理模块:被配置为用于针对获得信号分别提取特征参量并进行裂化处理;
关联度计算模块:被配置为用于将提取特征参量作为评价指标,针对裂化处理后的数据,采用高斯云模型的关联函数计算评价指标与运行状态标准等级高斯云间的关联度;
状态等级划分模块:被配置为用于根据计算得到的关联度,选取关联度最高对应的运行状态等级为油浸式并联电抗器运行状态等级。
9.一种电子设备,其特征在于,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-7任一项方法所述的步骤。
10.一种计算机可读存储介质,其特征在于,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-7任一项方法所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211482235.XA CN115855149A (zh) | 2022-11-24 | 2022-11-24 | 一种油浸式并联电抗器运行状态评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211482235.XA CN115855149A (zh) | 2022-11-24 | 2022-11-24 | 一种油浸式并联电抗器运行状态评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115855149A true CN115855149A (zh) | 2023-03-28 |
Family
ID=85665879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211482235.XA Pending CN115855149A (zh) | 2022-11-24 | 2022-11-24 | 一种油浸式并联电抗器运行状态评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115855149A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113901999A (zh) * | 2021-09-29 | 2022-01-07 | 国网四川省电力公司电力科学研究院 | 一种高压并联电抗器故障诊断方法和系统 |
-
2022
- 2022-11-24 CN CN202211482235.XA patent/CN115855149A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113901999A (zh) * | 2021-09-29 | 2022-01-07 | 国网四川省电力公司电力科学研究院 | 一种高压并联电抗器故障诊断方法和系统 |
CN113901999B (zh) * | 2021-09-29 | 2023-09-29 | 国网四川省电力公司电力科学研究院 | 一种高压并联电抗器故障诊断方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110689234B (zh) | 一种基于多源数据融合的电力变压器状态评估方法 | |
Li et al. | An integrated method of set pair analysis and association rule for fault diagnosis of power transformers | |
CN103197177B (zh) | 一种基于贝叶斯网络的变压器故障诊断分析方法 | |
CN112201260B (zh) | 一种基于声纹识别的变压器运行状态在线检测方法 | |
CN110940374A (zh) | 基于大数据融合的变压器健康等级评价系统及方法 | |
Li et al. | Condition assessment of power transformers using a synthetic analysis method based on association rule and variable weight coefficients | |
CN110503305B (zh) | 一种变压器性能评估方法 | |
CN115855149A (zh) | 一种油浸式并联电抗器运行状态评估方法及系统 | |
CN106570644B (zh) | 一种基于统计工具的输变电设备量化评估方法 | |
Jian et al. | The new developed health index for power transformer condition assessment | |
CN112183610A (zh) | 变压器故障预测方法及变压器故障预测装置 | |
Gautam et al. | Identifying transformer oil criticality using fuzzy logic approach | |
CN105468911A (zh) | 基于层次分析法和粗糙集的变压器状态评估方法 | |
CN109635430A (zh) | 电网输电线路暂态信号监测方法和系统 | |
CN116070140B (zh) | 一种配电变电站安全运行状态监测系统及方法 | |
CN115864310A (zh) | 一种多参量融合电力变压器缺陷辨识、状态分级与主动安全保护方法 | |
CN115455684A (zh) | 一种基于噪声分析的油浸式变压器非接触式状态评估方法和系统 | |
Gong et al. | A severity assessment method for multiple voltage sag | |
Wang et al. | A fault diagnosis method for transformer integrating rough set with fuzzy rules | |
Li et al. | Nonparametric kernel density estimation model of transformer health based on dissolved gases in oil | |
Liu et al. | Power quality disturbance detection based on improved lifting Wavelet | |
Qian et al. | Fault Diagnosis of On-Load Tap-Changer Based on the Parameter-adaptive VMD and SA-ELM | |
CN113743801B (zh) | 一种电力变压器状态评估方法 | |
da Silva et al. | Intelligent systems for the detection of internal faults in power transmission transformers | |
CN113177293B (zh) | 一种考虑雷击影响的变压器评价方法 |
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 |