CN115864310A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN115864310A CN115864310A CN202211466260.9A CN202211466260A CN115864310A CN 115864310 A CN115864310 A CN 115864310A CN 202211466260 A CN202211466260 A CN 202211466260A CN 115864310 A CN115864310 A CN 115864310A
- Authority
- CN
- China
- Prior art keywords
- power transformer
- defect
- discharge
- defects
- layer
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 333
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000004927 fusion Effects 0.000 title claims abstract description 22
- 238000004804 winding Methods 0.000 claims abstract description 56
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 238000012806 monitoring device Methods 0.000 claims abstract description 17
- 230000033228 biological regulation Effects 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims abstract description 7
- 239000010410 layer Substances 0.000 claims description 82
- 230000006870 function Effects 0.000 claims description 43
- 230000007704 transition Effects 0.000 claims description 26
- 239000007789 gas Substances 0.000 claims description 22
- 238000003066 decision tree Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 230000017525 heat dissipation Effects 0.000 claims description 12
- 238000013021 overheating Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000009529 body temperature measurement Methods 0.000 claims description 10
- 230000008030 elimination Effects 0.000 claims description 10
- 238000003379 elimination reaction Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 9
- 230000036961 partial effect Effects 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 8
- 238000005192 partition Methods 0.000 claims description 8
- 230000001629 suppression Effects 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- VGGSQFUCUMXWEO-UHFFFAOYSA-N Ethene Chemical compound C=C VGGSQFUCUMXWEO-UHFFFAOYSA-N 0.000 claims description 4
- 239000005977 Ethylene Substances 0.000 claims description 4
- HSFWRNGVRCDJHI-UHFFFAOYSA-N alpha-acetylene Natural products C#C HSFWRNGVRCDJHI-UHFFFAOYSA-N 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 125000002534 ethynyl group Chemical group [H]C#C* 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 239000002184 metal Substances 0.000 claims description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 4
- 230000001364 causal effect Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 239000013307 optical fiber Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims description 2
- 230000005284 excitation Effects 0.000 claims description 2
- 239000000835 fiber Substances 0.000 claims description 2
- 238000007667 floating Methods 0.000 claims description 2
- 238000009434 installation Methods 0.000 claims description 2
- 239000012774 insulation material Substances 0.000 claims description 2
- 230000000670 limiting effect Effects 0.000 claims description 2
- 230000007935 neutral effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 239000011241 protective layer Substances 0.000 claims description 2
- 238000005507 spraying Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- YZCKVEUIGOORGS-IGMARMGPSA-N Protium Chemical compound [1H] YZCKVEUIGOORGS-IGMARMGPSA-N 0.000 claims 1
- 230000002542 deteriorative effect Effects 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 11
- 238000007418 data mining Methods 0.000 description 5
- 230000002950 deficient Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011810 insulating material Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Protection Of Transformers (AREA)
Abstract
本发明属于电力变压器状态监测评估及安全控制技术领域,具体涉及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,包括:通过安装智能传感器和监测装置获取电力变压器运行环境条件、运行参数、热缺陷状态参量、放电缺陷状态参量和绕组变形缺陷状态参量;电力变压器多源数据融合及价值信息提取;电力变压器缺陷在线辨识及缺陷原因溯源;电力变压器状态分级、安全裕度与安全耐受能力评估;基于电力变压器安全裕度的主动安全调控与保护。本发明能有效提升电力变压器缺陷辨识的效果,提高电力变压器安全评估的客观性和全面性,改进提升电力变压器安全调控及保护措施的主动性和针对性,从而有利于保障电网及电力变压器的安全稳定运行。
Description
技术领域
本发明属于电力变压器状态监测评估及安全控制技术领域,具体涉及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。
背景技术
电力变压器是电能传输变换的最基本电气设备,其运行安全直接影响整个电力系统的运行安全。应用各种技术手段及早发现电力变压器存在的缺陷,并及时采取缺陷抑制或消除措施,可有效避免重大事故发生。电力变压器的运行状态由多种特征指标共同决定,现有国家标准以及行业标准中对电力变压器的多种电气特征参量进行了详细规范,然而现有标准与规范通常仅在单一性能指标下进行评判,无法有效辨识电力变压器缺陷类型,同时也无法全面、客观反映电力变压器的安全状态及耐受能力,不能为电网调控及设备安全保护整定提供参考。当电力变压器内部存在热缺陷、放电缺陷或绕组变形等缺陷时,电力变压器的各监测量会与设备正常运行时各参量的量测值不同,缺陷严重程度也与各监测量的量值或变化速率关联。因此,在电力变压器上配置智能传感或多物理量监测装置,对获取到的监测信息进行分析处理,并用于指导电网运行调控,对保证电力变压器及电网的安全稳定运行有着重要作用。
针对传统电力变压器缺陷辨识方法不能快速获取高价值信息并探测缺陷信息属性间的潜在关联关系的问题,公开号为CN105843210A的中国专利公开了《电力变压器缺陷信息数据挖掘方法》,采用Apriori算法进行电力变压器的缺陷相关因素间的关联规则挖掘,其中考虑的电力变压器的缺陷相关因素包括生产厂家、运行年限和缺陷类型。针对现有电力变压器故障诊断方法通过单一的手段来判断电力变压器的缺陷或故障程度,不能全面反映电力变压器的缺陷或故障,容易造成误判的问题,公开号为CN114111886A的中国专利公开了《一种利用运行信息的电力变压器缺陷在线诊断方法》,其根据电力变压器的实测温度与热累积模型输出的温度的偏差以及结合电力变压器的等效电路参数识别结果,判断电力变压器的缺陷与故障的类型和程度。上述方法在辨识电力变压器缺陷时引入的特征参量有限,在辨识模型训练时缺乏必要的监督,同时也未综合考虑专家经验及电力变压器运行规程的要求。此外,上述方法虽能辨识电力变压器是否存在部分缺陷,但不能辨识导致缺陷的原因,也不能实现对缺陷电力变压器安全裕度及耐受能力的评估,不能为电力变压器运行调控及保护的整定提供指导。公开号为CN113078615A的中国专利公开了《大型电力变压器主动保护方法和装置》,该发明主要针对电力变压器严重缺陷和内部故障构建保护动作判据,该方法不能在电力变压器轻微缺陷演变为严重缺陷前感知缺陷的存在,也不能在电力变压器存在轻微缺陷时辨识缺陷诱因,不利于尽早将电力变压器缺陷遏制在萌芽阶段,同时也未提供缺陷电力变压器安全裕度及安全耐受能力的评估方法。
当电力变压器内部存在轻微缺陷时,电力变压器的功率传输变换能力并不会急剧降低,此时可以配合采取针对性的缺陷抑制或缺陷消除措施,即可抑制电力变压器缺陷发展速度,甚至消除缺陷,从而避免电力变压器缺陷演变为故障。然而,现有电力变压器安全保护方法通常为保守的定值保护,未考虑电力变压器实际运行状态、未考虑电力变压器的缺陷耐受能力、也未考虑缺陷电力变压器的可修复性,通常在电力变压器轻微缺陷时就使其停运,对于保证客户供电的可靠性和连续性也是不利的。
发明内容
为解决上述技术问题,本发明提出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,包括:
S1:通过安装智能传感器和监测装置获取电力变压器运行环境条件、运行参数、热缺陷状态参量、放电缺陷状态参量和绕组变形缺陷状态参量;
S2:利用传感器和监测装置获取的多源数据和缺陷状态信息,通过数据格式转换、数据清理、数据噪声及重复数据消除、数据归一化完成数据预处理,通过将预处理后的数据和信息关联、组合、集成实现多源数据融合,结合规则推理、因果映射关系匹配,提取多源数据中隐含的价值信息,通过对价值信息进行加工、合并、关系及属性链接,得到结构化、网络化的知识图谱;
S3:根据结构化、网络化的知识图谱构建电力变压器缺陷在线辨识及缺陷原因溯源决策树模型,依据电力变压器缺陷在线辨识及缺陷原因溯源决策树模型开展电力变压器缺陷在线辨识及缺陷原因溯源;
S4:通过考虑电力变压器内外部参量的动态叠加作用,结合电力变压器安全性能变化规律,同时考虑电力变压器负载率、绕组热点温度、顶层油温、放电剧烈程度、绕组形变量的耐受极限,基于多参量特征融合表征电力变压器安全域,建立包括保守层、过渡层及危险层的电力变压器超平面空间安全域模型,结合该安全域模型,依据电力变压器运行参数及状态参量监测值对电力变压器的状态分级,同时评估电力变压器的安全裕度及安全耐受能力;
S5:在电力变压器具备安全裕度且安全耐受时间充足时,允许电力变压器带缺陷继续运行,同时通过采取针对性的缺陷抑制或缺陷消除措施;在电力变压器安全裕度或安全耐受时间不足时,电力变压器停运并安排检修。
本发明的有益效果:本发明通过在电力变压器内外部安装智能传感及多物理量在线监测装置,采集电力变压器的实时运行参数和环境条件,感知电力变压器内部的温度及磁场分布,获取电力变压器运行产生的热、电、声信息,然后利用多源监测信息和历史缺陷数据,通过多源数据挖掘、融合和关键信息提取形成知识图谱,并指导构建电力变压器缺陷辨识及缺陷原因溯源方法,进一步评估电力变压器的缺陷等级、安全裕度及耐受能力,最终基于缺陷辨识及安全评估结果采取针对性的以电力变压器缺陷抑制和消除为目标,同时确保客户供电连续性及可靠性的电力变压器主动安全调控及保护方法;本发明能够有效提升电力变压器的状态感知能力,提升电力变压器缺陷辨识的效果及其智能化水平,提高电力变压器安全评估的客观性和全面性,改进提升电力变压器安全调控及保护措施主动性、针对性,有利于保障电网及电力变压器的安全稳定运行。
附图说明
图1为本发明的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的实现框图;
图2为本发明的多参量融合电力变压器缺陷在线辨识及缺陷原因溯源决策树模型;
图3为本发明的基于数据挖掘的电力变压器缺陷原因辨识流程图;
图4为本发明的电力变压器安全域及状态分级示意图。
具体实施方式
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,所描述的实施例仅仅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,都属于本发明保护的范围。
本实施例中公开了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;
如图1所示,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,包括:
S1:通过安装智能传感器和监测装置获取电力变压器运行环境条件、运行参数、热缺陷状态参量、放电缺陷状态参量和绕组变形缺陷状态参量;
S2:利用传感器和监测装置获取的多源数据和缺陷状态信息,通过数据格式转换、数据清理、数据噪声及重复数据消除、数据归一化完成数据预处理,通过将预处理后的数据和信息加以关联、组合、集成实现多源数据融合,结合规则推理、因果映射关系匹配,发现并提取多源数据中隐含的价值信息,通过对价值信息进行加工、合并、关系及属性链接最终形成结构化、网络化的知识图谱;
S3:根据结构化、网络化的知识图谱构建电力变压器缺陷在线辨识及缺陷原因溯源决策树模型,依据电力变压器缺陷在线辨识及缺陷原因溯源决策树模型开展电力变压器缺陷在线辨识及缺陷原因溯源;
S4:通过考虑电力变压器内外部参量的动态叠加作用,结合电力变压器安全性能变化规律,同时考虑电力变压器负载率、绕组热点温度、顶层油温、放电剧烈程度、绕组形变量的耐受极限,基于多参量特征融合表征电力变压器安全域,建立包括保守层、过渡层及危险层的电力变压器超平面空间安全域模型,结合该安全域模型,依据电力变压器运行参数及状态参量监测值实现对电力变压器的状态分级,同时评估电力变压器的安全裕度及安全耐受能力;
S5:在电力变压器具备安全裕度且安全耐受时间充足时,允许电力变压器带缺陷继续运行,同时通过采取针对性的缺陷抑制或缺陷消除措施;在电力变压器安全裕度或安全耐受时间不足时,使电力变压器停运并安排检修。
具体实施过程中,需要安装的智能传感器和监测装置包括:电压互感器、电流互感器、高频电流互感器、特高频传感器、声纹传感器、红外测温装置、光纤测温装置、顶层油温计、油中气体监测装置、游离气体监测装置和漏磁监测装置;获取的运行环境条件包括:电力变压器运行环境温度、电力变压器的散热方式及散热条件;获取的运行参数包括:电压、电流(负载率);获取的热缺陷状态参量包括:绕组热点温度、顶层油温、与纤维绝缘材料接触的金属部件温度、金属部件热点温度;获取的放电缺陷状态参量包括:放电高频及特高频信号、放电声纹信号、放电产气类型及量值;获取的绕组变形缺陷状态参量为:电力变压器内部的磁场分布。
具体实施过程中,电力变压器缺陷在线辨识及缺陷原因溯源决策树模型如图2所示,包括:输入层、决策层和结果层;
输入层中的在线监测数据及历史运行数据,主要包含电力变压器的负载率、谐波频率及含量、偏磁程度、散热条件、多点测温数据、超高频信号、油中溶解气体及游离气体含量、多点漏磁实测数据、结构信息及历史停运检修数据;
决策层利用输入层的数据及信息,结合基于特征参量阈值范围的电力变压器缺陷类型预划分方法,以及电力变压器热缺陷辨识模型、放电缺陷辨识模型和绕组变形缺陷辨识模型,诊断得到电力变压器的缺陷类型及缺陷的引发原因;
具体实施时,选取电力变压器内部产气类型及气体含量占比作为电力变压器缺陷类型预划分的特征参量;
结果层依据决策层的辨识及评估结果输出电力变压器缺陷类型、原因及严重程度,得到电力变压器的安全裕度及安全耐受能力。
具体实施过程中,决策树模型的决策层中,基于特征参量阈值范围的电力变压器缺陷类型预划分方法,通过利用电力变压器内部产气的类型及气体含量占比,初步判定电力变压器存在的缺陷是热缺陷、放电缺陷,或是两类缺陷同时存在,再分别针对单一类型缺陷开展缺陷原因溯源;
缺陷类型预划分使用判据,包括:
其中,l(C2H2)、l(C2H4)、l(CH4)、l(H2)分别表示乙炔、乙烯、甲烷和氢气的单位体积含量,ζ1、ζ2分别表示第一、第二划分阈值。
优选地,根据电力变压器油和固体绝缘材料在不同的温度、不同的放电形式下的产气试验结果,取ζ1=0.1、ζ2=1。
具体实施过程中,电力变压器热缺陷辨识模型,包括:异常工况下的电力变压器热缺陷动态辨识层、基于分层分区的电力变压器绕组缺陷诊断层和基于分层分区的电力变压器结构件缺陷诊断层;
异常工况下的电力变压器热缺陷动态辨识层依据电力变压器运行参数及散热条件,通过温度场仿真得到电力变压器内部各点的温度预测值;将电力变压器多点测温值与对应点位的温度预测值作比较,若温度近似一致,则电力变压器过热是由谐波、偏磁、过载、散热的异常工况导致的;若温度不一致,通过基于分层分区的电力变压器绕组缺陷诊断层和基于分层分区的电力变压器结构件缺陷诊断层判定引发电力变压器过热问题的原因是绕组过热,还是结构件过热;对于上述方法无法确定的过热问题,将其归类为测点区域外的未知局部过热;诊断层中涉及的电力变压器绕组及结构件缺陷诊断模型可由电力变压器历史热缺陷数据训练得到;
温度一致性判定法则,包括:
其中,i表示测温布点编号;Θ表示所有测温布点编号的集合;θest,i表示温度场仿真得到的布点i处的温度预测值;θmea,i表示布点i处的温度实际量测值;ET表示允许的误差容限。
优选地,考虑目前光纤测温系统的测量精度能控制在±1℃,同时计及其他干扰因素对温度测量的影响,取误差容限ET=2℃。
具体实施过程中,决策树模型决策层中的电力变压器放电缺陷辨识模型,包括:结合电力变压器内部产气类型及气体含量占比区分放电剧烈程度,判定放电缺陷属于局部放电还是击穿或电弧性故障;对于局部放电缺陷,利用超高频信号模式识别判定局部放电类型,局部放电类型包括:气隙放电、沿面放电、悬浮电极放电、电晕放电;
放电剧烈程度的划分判据,包括:
其中,l(C2H2)、l(C2H4)分别表示乙炔、乙烯的单位体积含量;ζ1、ζ3分别表示第一、第三划分阈值。
优选地,根据电力变压器油和固体绝缘材料在不同的放电形式下的产气试验结果,取ζ1=0.1、ζ3=3。
具体实施过程中,决策树模型决策层中的电力变压器绕组变形缺陷辨识模型,包括:依据电力变压器运行参数判定电力变压器是否处于励磁涌流、过励磁、直流偏磁这些导致电力变压器内部磁场畸变的异常工况;考虑异常工况引发的电力变压器内部磁场畸变,用历史绕组变形缺陷时采集到的电力变压器漏磁数据训练得到的基于漏磁特征的绕组变形缺陷评估及定位模型,判定绕组形变属于辐向形变还是轴向形变,同时评估当前状态下电力变压器的最大短路电流耐受能力。
具体实施过程中,决策树模型中涉及的基于历史缺陷数据挖掘的电力变压器热缺陷辨识模型、放电缺陷辨识模型和绕组变形缺陷辨识模型,如图3所示,并应用于电力变压器的缺陷原因溯源;该方法利用电力变压器在线监测系统获取的数据及存储的历史数据训练得到缺陷原因辨识模型,模型建立了监测数据与缺陷原因间的非线性映射关系,将实时监测数据输入模型即可诊断得到电力变压器缺陷原因,可为针对性缺陷抑制措施制定提供指导。
具体实施过程中,电力变压器超平面空间安全域模型以雷达图形式表征,如图4所示;然后结合该安全域模型,依据电力变压器运行参数及状态参量监测值实现电力变压器的状态分级,同时评估电力变压器的安全裕度及安全耐受能力。
结合电力变压器超平面空间安全域模型,依据电力变压器运行参数及状态参量监测值实现对电力变压器的状态分级,包括:
建立多参量融合的电力变压器热缺陷、放电缺陷、绕组变形缺陷的严重度评估函数,通过设定各评估函数的阈值范围,将安全域超平面空间划分为保守层、过渡层与危险层三层;依据电力变压器实时运行参数及各状态参量监测数据,计算得到各缺陷严重程度评估函数的值,进而确定电力变压器所处安全层;当电力变压器各类缺陷的评估函数的值均在保守层内时,电力变压器内部不存在缺陷,处于正常运行状态;当电力变压器存在某一缺陷,与其对应缺陷的严重度评估函数的值将位于过渡层内;当电力变压器内部缺陷短时间后将转变或已经发展为故障时,与其对应缺陷的严重度评估函数的值将位于危险层内;
其中:
其中,T、A、W分别表示电力变压器热缺陷、放电缺陷、绕组变形缺陷的严重度评估函数;x1…xm为归一化后的各状态参量监测值;矩阵λ为状态监测量对缺陷的贡献度矩阵;Ttr、Atr、Wtr分别表示热缺陷、放电缺陷、绕组变形缺陷由保守层转变至过渡层的严重程度函数临界值;Tcr、Acr、Wcr分别表示热缺陷、放电缺陷、绕组变形缺陷由过渡层转变至危险层的严重程度函数临界值;(T,A,W)表示由各缺陷评估函数值确定的安全域超平面空间中的点;Ω正常、Ω过渡、Ω危险分别表示保守层、过渡层及危险层在安全域超平面空间中对应的区域,用满足各自划分阈值条件的所有点的集合表示。
具体实施过程中,结合该安全域模型,依据电力变压器运行参数及状态参量监测值评估电力变压器的安全裕度及安全耐受能力,包括:
电力变压器的安全裕度由缺陷向故障过渡的各缺陷严重程度函数临界值与电力变压器当前各缺陷严重程度函数评估值二者之差来表征;电力变压器热缺陷与放电缺陷的安全耐受能力由电力变压器安全耐受时间来反映,电力变压器在热缺陷及放电缺陷下的安全耐受时间由电力变压器对应缺陷严重程度函数由当前值过渡到等于电力变压器由过渡层转变为危险层的严重程度函数临界值所需的时间确定,利用数值积分法求取;当电力变压器同时存在热缺陷和放电缺陷时,电力变压器整体安全耐受时间由热缺陷安全耐受时间和放电缺陷安全耐受时间二者中的最小值确定;电力变压器绕组变形缺陷的安全耐受能力用电力变压器所能耐受的最大短路电流大小衡量;
其中:
同时存在热缺陷和放电缺陷时的电力变压器整体安全耐受时间:ts=min{ts,T,ts,A}
其中,SMT(tn)、SMA(tn)、SMW(tn)分别表示tn时刻热缺陷、放电缺陷、绕组变形缺陷距离演变为故障的安全裕度;T(tn)、A(tn)、W(tn)分别表示tn时刻电力变压器热缺陷、放电缺陷、绕组变形缺陷的严重程度评估函数的值;Tcr、Acr、Wcr分别表示热缺陷、放电缺陷、绕组变形缺陷由过渡层转变至危险层的严重程度函数临界值;ΔtT、ΔtA分别表示计算热缺陷和放电缺陷安全耐受时间时采用的积分步长;ΔT、ΔA分别表示单一积分步长内电力变压器热缺陷和放电缺陷严重度函数的变化量;fT[x(tn),T(tn)]、fA[x(tn),A(tn)]分别表示tn时刻下热缺陷和放电缺陷严重度函数变化率随当前状态监测信息及缺陷严重程度的变化关系;T(t0)、A(t0)分别表示热缺陷、放电缺陷严重程度函数在初始时刻时的值;ts,T、ts,A分别表示电力变压器热缺陷和放电缺陷的安全耐受时间;ts表示电力变压器整体的安全耐受时间。
优选地,考虑到热缺陷演变速率相对较慢,为保证安全耐受时间的计算准确度,热缺陷积分步长ΔtT的取值范围为1min~5min;考虑到放电缺陷演变速率相对较快,放电缺陷积分步长ΔtA的取值范围为0.1s~10s;热缺陷严重度函数变化率随当前状态监测信息及缺陷严重程度的变化关系fT[x(tn),T(tn)]可在电力变压器温升模型的基础上考虑异常工况及缺陷影响推导得到;放电缺陷严重度函数变化率随当前状态监测信息及缺陷严重程度的变化关系fA[x(tn),A(tn)]可利用历史缺陷数据通过参数拟合得到。
具体实施过程中,电力变压器针对性的缺陷抑制或缺陷消除措施,包括:
结合电力变压器缺陷原因辨识结果,针对电力变压器热缺陷,采取强迫散热、喷淋水、放置冰块、负荷转供或负荷切除、谐波补偿、中性点调控措施抑制电力变压器热缺陷发展;针对电力变压器放电缺陷,通过主动减载、绝缘介质净化,避免放电缺陷向严重化发展;针对电力变压器绕组变形缺陷,结合绕组短路电流耐受能力,通过机组重新调度、网络重构或安装限流设备,避免电力变压器绕组变形缺陷恶化。
具体实施过程中,电力变压器安全裕度或安全耐受时间不足时,使电力变压器停运并安排检修的触发条件包括:
SMT(tn)≤0或SMA(tn)≤0或SMW(tn)≤0或ts≤0
其中,SMT(tn)、SMA(tn)、SMW(tn)分别表示热缺陷、放电缺陷、绕组变形缺陷距离演变为故障的安全裕度;ts表示电力变压器整体的安全耐受时间。
本发明能全面感知电力变压器的运行工况,配合数据挖掘、融合和价值信息提取,提升电力变压器缺陷辨识的效果及其智能化水平,提高电力变压器安全评估的客观性和全面性,改进提升电力变压器安全调控及保护措施主动性、针对性,有利于保障电网及电力变压器的安全稳定运行。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一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,其特征在于,包括:
S1:通过安装智能传感器和监测装置获取电力变压器运行环境条件、运行参数、热缺陷状态参量、放电缺陷状态参量和绕组变形缺陷状态参量;
S2:利用传感器和监测装置获取的多源数据和缺陷状态信息,通过数据格式转换、数据清理、数据噪声及重复数据消除、数据归一化完成数据预处理,通过将预处理后的数据和信息关联、组合、集成实现多源数据融合,结合规则推理、因果映射关系匹配,提取多源数据中隐含的价值信息,通过对价值信息进行加工、合并、关系及属性链接,得到结构化、网络化的知识图谱;
S3:根据结构化、网络化的知识图谱构建电力变压器缺陷在线辨识及缺陷原因溯源决策树模型,依据电力变压器缺陷在线辨识及缺陷原因溯源决策树模型开展电力变压器缺陷在线辨识及缺陷原因溯源;
S4:通过考虑电力变压器内外部参量的动态叠加作用,结合电力变压器安全性能变化规律,同时考虑电力变压器负载率、绕组热点温度、顶层油温、放电剧烈程度、绕组形变量的耐受极限,基于多参量特征融合表征电力变压器安全域,建立包括保守层、过渡层及危险层的电力变压器超平面空间安全域模型,结合该安全域模型,依据电力变压器运行参数及状态参量监测值对电力变压器的状态分级,同时评估电力变压器的安全裕度及安全耐受能力;
S5:在电力变压器具备安全裕度且安全耐受时间充足时,允许电力变压器带缺陷继续运行,同时通过采取针对性的缺陷抑制或缺陷消除措施;在电力变压器安全裕度或安全耐受时间不足时,电力变压器停运并安排检修。
2.根据权利要求1所述的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,其特征在于,所述S1具体包括:
智能传感器和监测装置,包括:电压互感器、电流互感器、高频电流互感器、特高频传感器、声纹传感器、红外测温装置、光纤测温装置、顶层油温计、油中气体监测装置、游离气体监测装置和漏磁监测装置;
获取的运行环境条件,包括:电力变压器运行环境温度、电力变压器的散热方式以及散热条件;
获取的运行参数,包括:电压、电流;
获取的热缺陷状态参量,包括:绕组热点温度、顶层油温、与纤维绝缘材料接触的金属部件温度、金属部件热点温度;
获取的放电缺陷状态参量,包括:放电高频及特高频信号、放电声纹信号、放电产气类型及量值;
获取的绕组变形缺陷状态参量为:电力变压器内部的磁场分布。
3.根据权利要求1所述的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,其特征在于,所述电力变压器缺陷在线辨识及缺陷原因溯源决策树模型,包括:输入层、决策层和结果层;
输入层中的在线监测数据及历史运行数据,包含电力变压器的负载率、谐波频率及含量、偏磁程度、散热条件、多点测温数据、超高频信号、油中溶解气体及游离气体含量、多点漏磁实测数据、结构信息及历史停运检修数据;
决策层利用输入层的数据及信息对电力变压器缺陷类型进行预划分,以及通过电力变压器热缺陷辨识模型、放电缺陷辨识模型和绕组变形缺陷辨识模型诊断得到电力变压器的缺陷类型及缺陷的引发原因;
结果层依据决策层的辨识及评估结果输出电力变压器缺陷类型、原因及严重程度,得到电力变压器的安全裕度及安全耐受能力。
5.根据权利要求3所述的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,其特征在于,所述电力变压器热缺陷辨识模型,包括:异常工况下的电力变压器热缺陷动态辨识层、基于分层分区的电力变压器绕组缺陷诊断层和基于分层分区的电力变压器结构件缺陷诊断层;
异常工况下的电力变压器热缺陷动态辨识层根据电力变压器运行参数及散热条件,通过温度场仿真得到电力变压器内部各点的温度预测值;将电力变压器多点测温值与对应点位的温度预测值作比较,若温度近似一致,则电力变压器过热是由谐波、偏磁、过载、散热的异常工况导致的;若温度不一致,通过基于分层分区的电力变压器绕组缺陷诊断层和基于分层分区的电力变压器结构件缺陷诊断层判定引发电力变压器过热问题的原因是绕组过热,还是结构件过热;对于上述方法无法确定的过热问题,将其归类为测点区域外的未知局部过热;
温度一致性判定法则,包括:
其中,i表示测温布点编号;Θ表示所有测温布点编号的集合;θest,i表示温度场仿真得到的布点i处的温度预测值;θmea,i表示布点i处的温度实际量测值;ET表示允许的误差容限。
7.根据权利要求3所述的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,其特征在于,所述电力变压器绕组变形缺陷辨识模型,包括:依据电力变压器运行参数判定电力变压器是否处于励磁涌流、过励磁、直流偏磁异常工况;计及异常工况引起的电力变压器内部磁场畸变,判定绕组形变属于辐向形变还是轴向形变,同时评估当前状态下电力变压器的最大短路电流耐受能力。
8.根据权利要求1所述的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,其特征在于,结合电力变压器超平面空间安全域模型,依据电力变压器运行参数及状态参量监测值对电力变压器的状态分级,包括:
建立多参量融合的电力变压器热缺陷、放电缺陷、绕组变形缺陷的严重度评估函数,通过设定各评估函数的阈值范围,将安全域超平面空间划分为保守层、过渡层与危险层三层;依据电力变压器实时运行参数及各状态参量监测数据,计算得到各缺陷严重程度评估函数的值,并确定电力变压器所处安全层;当电力变压器各类缺陷的评估函数的值均在保守层内时,电力变压器内部不存在缺陷,处于正常运行状态;当电力变压器存在某一缺陷,与其对应缺陷的严重度评估函数的值将位于过渡层内;当电力变压器内部缺陷短时间后将转变或已经发展为故障时,与其对应缺陷的严重度评估函数的值将位于危险层内;
其中:
其中,T、A、W分别表示电力变压器热缺陷、放电缺陷、绕组变形缺陷的严重度评估函数;x1…xm为归一化后的各状态参量监测值;矩阵λ为状态监测量对缺陷的贡献度矩阵;Ttr、Atr、Wtr分别表示热缺陷、放电缺陷、绕组变形缺陷由保守层转变至过渡层的严重程度函数临界值;Tcr、Acr、Wcr分别表示热缺陷、放电缺陷、绕组变形缺陷由过渡层转变至危险层的严重程度函数临界值;(T,A,W)表示由各缺陷评估函数值确定的安全域超平面空间中的点;Ω正常、Ω过渡、Ω危险分别表示保守层、过渡层及危险层在安全域超平面空间中对应的区域,用满足各自划分阈值条件的所有点的集合表示。
9.根据权利要求1所述的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,其特征在于,结合该安全域模型,依据电力变压器运行参数及状态参量监测值评估电力变压器的安全裕度及安全耐受能力,包括:
建立多参量融合的电力变压器热缺陷、放电缺陷、绕组变形缺陷的严重度评估函数,电力变压器的安全裕度由缺陷向故障过渡的各缺陷严重程度函数临界值与电力变压器当前各缺陷严重程度函数评估值二者之差来表征;电力变压器热缺陷与放电缺陷的安全耐受能力由电力变压器安全耐受时间来反映,电力变压器在热缺陷及放电缺陷下的安全耐受时间由电力变压器对应缺陷严重程度函数由当前值过渡到等于电力变压器由过渡层转变为危险层的严重程度函数临界值所需的时间确定,利用数值积分法求取;当电力变压器同时存在热缺陷和放电缺陷时,电力变压器整体安全耐受时间由热缺陷安全耐受时间和放电缺陷安全耐受时间二者中的最小值确定;电力变压器绕组变形缺陷的安全耐受能力用电力变压器所能耐受的最大短路电流大小衡量;
其中:
同时存在热缺陷和放电缺陷时的电力变压器整体安全耐受时间:ts=min{ts,T,ts,A}
其中,SMT(tn)、SMA(tn)、SMW(tn)分别表示tn时刻热缺陷、放电缺陷、绕组变形缺陷距离演变为故障的安全裕度;T(tn)、A(tn)、W(tn)分别表示tn时刻电力变压器热缺陷、放电缺陷、绕组变形缺陷的严重程度评估函数的值;Tcr、Acr、Wcr分别表示热缺陷、放电缺陷、绕组变形缺陷由过渡层转变至危险层的严重程度函数临界值;ΔtT、ΔtA分别表示计算热缺陷和放电缺陷安全耐受时间时采用的积分步长;ΔT、ΔA分别表示单一积分步长内电力变压器热缺陷和放电缺陷严重度函数的变化量;fT[x(tn),T(tn)]、fA[x(tn),A(tn)]分别表示tn时刻下热缺陷和放电缺陷严重度函数变化率随当前状态监测信息及缺陷严重程度的变化关系;T(t0)、A(t0)分别表示热缺陷、放电缺陷严重程度函数在初始时刻时的值;ts,T、ts,A分别表示电力变压器热缺陷和放电缺陷的安全耐受时间;ts表示电力变压器整体的安全耐受时间。
10.根据权利要求1所述的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,其特征在于,电力变压器针对性的缺陷抑制或缺陷消除措施,包括:
结合电力变压器缺陷原因辨识结果,针对电力变压器热缺陷,采取强迫散热、喷淋水、放置冰块、负荷转供或负荷切除、谐波补偿、中性点调控措施抑制电力变压器热缺陷发展;针对电力变压器放电缺陷,通过主动减载、绝缘介质净化,避免放电缺陷向严重化发展;针对电力变压器绕组变形缺陷,结合绕组短路电流耐受能力,通过机组重新调度、网络重构或安装限流设备,用于避免电力变压器绕组变形缺陷恶化;
电力变压器安全裕度或安全耐受时间不足时,使电力变压器停运并安排检修的触发条件包括:
SMT(tn)≤0或SMA(tn)≤0或SMW(tn)≤0或ts≤0
其中,SMT(tn)、SMA(tn)、SMW(tn)分别表示热缺陷、放电缺陷、绕组变形缺陷距离演变为故障的安全裕度;ts表示电力变压器整体的安全耐受时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211466260.9A CN115864310A (zh) | 2022-11-22 | 2022-11-22 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211466260.9A CN115864310A (zh) | 2022-11-22 | 2022-11-22 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115864310A true CN115864310A (zh) | 2023-03-28 |
Family
ID=85664927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211466260.9A Pending CN115864310A (zh) | 2022-11-22 | 2022-11-22 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115864310A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116992248A (zh) * | 2023-09-27 | 2023-11-03 | 国网江苏省电力有限公司电力科学研究院 | 基于突短试验的卷铁心变压器抗短路能力评估方法及装置 |
-
2022
- 2022-11-22 CN CN202211466260.9A patent/CN115864310A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116992248A (zh) * | 2023-09-27 | 2023-11-03 | 国网江苏省电力有限公司电力科学研究院 | 基于突短试验的卷铁心变压器抗短路能力评估方法及装置 |
CN116992248B (zh) * | 2023-09-27 | 2023-12-05 | 国网江苏省电力有限公司电力科学研究院 | 基于突短试验的卷铁心变压器抗短路能力评估方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Žarković et al. | Analysis of artificial intelligence expert systems for power transformer condition monitoring and diagnostics | |
Abu-Elanien et al. | Calculation of a health index for oil-immersed transformers rated under 69 kV using fuzzy logic | |
EP1085534B1 (en) | Intelligent analysis system and method for fluid-filled electrical equipment | |
Abu-Elanien et al. | Asset management techniques for transformers | |
CN105259435A (zh) | 一种变压器监测装置和故障诊断方法 | |
JP5494034B2 (ja) | 信頼度評価装置、信頼度評価プログラムおよび信頼度評価方法 | |
CN112598298A (zh) | 电力变压器健康管理系统及管理方法 | |
CN105182161A (zh) | 一种变压器监测系统和方法 | |
Kang et al. | Condition monitoring of power transformer on-load tap-changers. Part 2: Detection of ageing from vibration signatures | |
CN105241497A (zh) | 一种变压器监测系统和故障诊断方法 | |
EP1085635A2 (en) | Fluid-filled electrical equipment intelligent analysis system and method | |
CN110940374A (zh) | 基于大数据融合的变压器健康等级评价系统及方法 | |
CA2981036A1 (en) | Method and system for assessment of fault severity, risk exposure, and gassing status for liquid-filled high-voltage apparatus | |
Guo et al. | Health index for power transformer condition assessment based on operation history and test data | |
Chantola et al. | Integrated fuzzy logic approach for calculation of health index of power transformer | |
Jian et al. | The new developed health index for power transformer condition assessment | |
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 | |
Gautam et al. | Identifying transformer oil criticality using fuzzy logic approach | |
Kari et al. | Condition assessment of power transformer using fuzzy and evidential theory | |
Mharakurwa | In‐Service Power Transformer Life Time Prospects: Review and Prospects | |
CN117706943A (zh) | 一种换流变阀侧套管末屏分压器的自适应控制方法及系统 | |
CN117849495A (zh) | 一种变压器运行性能评估方法及其系统 | |
Hashemi et al. | Real-Time Condition Monitoring of Power Transformers Using the Internet of Things (IoT) and Dissolved Gas Analysis | |
Alawode et al. | Fuzzy logic and decision tree models for dissolved gas analysis in power transformer fault diagnosis | |
CN116862478A (zh) | 基于分层架构与动态赋权的变压器健康评估方法 |
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 |