CN116307677B - 发电机定子线棒绝缘的预警类型确定方法、装置及介质 - Google Patents
发电机定子线棒绝缘的预警类型确定方法、装置及介质 Download PDFInfo
- Publication number
- CN116307677B CN116307677B CN202211490993.6A CN202211490993A CN116307677B CN 116307677 B CN116307677 B CN 116307677B CN 202211490993 A CN202211490993 A CN 202211490993A CN 116307677 B CN116307677 B CN 116307677B
- Authority
- CN
- China
- Prior art keywords
- insulation
- generator
- breakdown field
- stator bar
- early warning
- 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.)
- Active
Links
- 238000009413 insulation Methods 0.000 title claims abstract description 270
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000015556 catabolic process Effects 0.000 claims abstract description 250
- 238000003062 neural network model Methods 0.000 claims abstract description 56
- 230000003247 decreasing effect Effects 0.000 claims abstract description 53
- 238000003860 storage Methods 0.000 claims abstract description 40
- 230000032683 aging Effects 0.000 claims abstract description 29
- 230000009467 reduction Effects 0.000 claims description 40
- 238000012423 maintenance Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 18
- 230000010287 polarization Effects 0.000 claims description 18
- 238000010521 absorption reaction Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 abstract description 11
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000012360 testing method Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 12
- 210000002569 neuron Anatomy 0.000 description 11
- 239000000523 sample Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000004804 winding Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010248 power generation Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000001066 destructive effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000012212 insulator Substances 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000012774 insulation material Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002427 irreversible effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000003878 thermal aging Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003679 aging effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
本发明公开了一种发电机定子线棒绝缘的预警类型确定方法、装置及介质。通过获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量;将所述实际特征参量输入至预先构建的参数神经网络模型中,确定出实际击穿场强;获取标准击穿场强,并根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率;根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型。解决了无法准确确定发电机定子线棒绝缘的老化状态的问题,提高了抽水蓄能发电机定子线棒绝缘的预警类型的准确率,保障了电力系统的稳定性和经济性,减少了人力物力的资源浪费。
Description
技术领域
本发明涉及发电机绝缘系统检测技术领域,尤其涉及一种发电机定子线棒绝缘的预警类型确定方法、装置及介质。
背景技术
为高效生产清洁能源、减少碳排放,保障人类社会可持续发展,我国提出了“双碳”战略,积极发展清洁能源,构建以新能源为主的电力系统。水电、风电、太阳能发电等新能源发电取得了快速发展。2020年度,全国水电新增并网容量达1323万千瓦,较过去一年增长了217%,累计装机总容量为37016万千瓦(其中包括抽水蓄能装机容量3149万千瓦),占总装机容量16.82%;全国风电新增容量为7167万千瓦,相比前一年同期增长178%,;全国太阳能发电新增并网容量4820万千瓦,较前一年增长60%。但随着水电、风电、核电以及光伏发电等清洁能源的广泛接入,电网的稳定性和可靠性受到重大影响,电力系统将面临调节难度加大、抗干扰程度降低以及振荡问题显著等挑战。水电作为新能源的重要组成部分,其中的抽水蓄能电站在运行过程中所起到的调峰调频作用以及运行稳定性则显得愈发重要。抽水蓄能电站主要有抽水储能和放水发电这两种运行方式,一方面在电力系统负荷低谷时利用电能将水抽取至上游水库,将电能转化成水的势能进行存储,到负荷峰值时期放水至水电站进行发电,可以将低负荷时多余的电能转化为尖峰期的高质量电能,具有调峰填谷的作用,平缓电力系统负荷曲线;一方面抽水蓄能电站作为事故备用可以承担部分火电站的旋转备用容量,减少火电站的能源消耗,改善其运行状况,提高系统运行经济性。
在日常工况中,抽水蓄能发电机具备调峰调频的工作特性,经常突然冷启动后满负荷运转数个小时又停机,此状态下不断的冷热循环与高场强作用容易对发电机定子线棒绝缘造成不可逆转的损伤,严重时甚至可能出现绝缘击穿从而导致停机事故的产生。而长期的绝缘老化也会对线棒绝缘结构造成破坏,运行过程中的耗损会生成热量,大量难以散发的积存热量使得线棒绝缘温度升高,材料性能发生改变,出现裂纹、分层等缺陷,影响电能质量,最后造成绝缘失效,使得发电机组无法正常运行。同时发电机线棒绝缘部分与金属导体的膨胀系数不同,其连接处受到较大剪切力后更易出现裂纹与破损。抽蓄发电机相较于其他火力发电机通常需要应对更加严峻的工作环境,因此发电机组定子线棒绝缘也成为了发电机绝缘系统中最薄弱的环节。由此,合理检测抽水蓄能发电机定子线棒绝缘状态,维持抽水蓄能电站正常运行,对于保障电力系统的稳定性和经济性均具有重要意义。
发明人在实现本发明的过程中,发现现有技术存在如下缺陷:目前,热老化状态评估手段多采用破坏性的试验,如力学和电学等测试方法易对样品造成永久性且不可逆转的损坏。并且检测方式难以在工程现场对发电机线棒绝缘状态进行现场检测分析。
发明内容
本发明提供了一种发电机定子线棒绝缘的预警类型确定方法、装置及介质,以提高抽水蓄能发电机定子线棒绝缘的预警类型的准确率。
根据本发明的一方面,提供了一种发电机定子线棒绝缘的预警类型确定方法,其中,包括:
获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量;
其中,所述实际特征参量包括:实际吸收比、实际极化指数、实际工频介电常数、实际工频介质损耗角正切值和实际超声声速;
将所述实际特征参量输入至预先构建的参数神经网络模型中,确定出实际击穿场强;
获取标准击穿场强,并根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率;
根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型。
根据本发明的另一方面,提供了一种发电机定子线棒绝缘的预警类型确定装置,其中,包括:
实际特征参量测量模块,用于获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量;
其中,所述实际特征参量包括:实际吸收比、实际极化指数、实际工频介电常数、实际工频介质损耗角正切值和实际超声声速;
实际击穿场强确定模块,用于将所述实际特征参量输入至预先构建的参数神经网络模型中,确定出实际击穿场强;
击穿场强下降概率确定模块,用于获取标准击穿场强,并根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率;
预警类型获取模块,用于根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型。
根据本发明的另一方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现本发明任一实施例所述的发电机定子线棒绝缘的预警类型确定方法。
根据本发明的另一方面,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存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的发电机定子线棒绝缘的预警类型确定方法。
本发明实施例的技术方案,通过获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量;将所述实际特征参量输入至预先构建的参数神经网络模型中,确定出实际击穿场强;获取标准击穿场强,并根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率;根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型。解决了无法准确确定发电机定子线棒绝缘的老化状态的问题,提高了抽水蓄能发电机定子线棒绝缘的预警类型的准确率,保障了电力系统的稳定性和经济性,减少了人力物力的资源浪费,对于提出的相关特征参量的检测分析方法为无损评估技术,可以实现在不破坏待检测发电机定子线棒绝缘本身结构的情况下实现对发电机定子线棒的绝缘状态进行评估,能够用于现场检测分析,结果可靠,为判断抽水蓄能发电机定子线棒绝缘的运行历史及评估绝缘状态提供了便利,为抽水蓄能发电机组的运行维护提供了依据,对电力电网的可靠经济运行具有重要意义。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是根据本发明实施例一提供的一种发电机定子线棒绝缘的预警类型确定方法的流程图;
图2是根据本发明实施例二提供的另一种发电机定子线棒绝缘的预警类型确定方法的流程图;
图3是根据本发明实施例三提供的一种发电机定子线棒绝缘的预警类型确定装置的结构示意图;
图4是根据本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“目标”、“当前”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种发电机定子线棒绝缘的预警类型确定方法的流程图,本实施例可适用于确定抽水蓄能发电机定子线棒绝缘的具体的预警类型的情况,该方法可以由发电机定子线棒绝缘的预警类型确定装置来执行,该发电机定子线棒绝缘的预警类型确定装置可以采用硬件和/或软件的形式实现。
相应的,如图1所示,该方法包括:
S110、获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量。
其中,所述实际特征参量包括:实际吸收比、实际极化指数、实际工频介电常数、实际工频介质损耗角正切值和实际超声声速。
其中,待确定预警类型的发电机定子线棒绝缘可以是根据目标发电机定子线棒绝缘的特征参量的状况,需要确定出该发电机定子线棒绝缘的预警类型。实际特征参量可以是描述该发电机定子线棒绝缘的特性的参量,可以通过测量得到的实际特征参量的测量值,进一步地确定出该发电机定子线棒绝缘对应的其他参数值。
具体的,实际吸收比可以是指在一次测量过程中,测量发电机定子线棒绝缘对地绝缘时60秒与15秒两个时刻绝缘阻值的比值,由于给发电机定子线棒绝缘加直流电压的时间长度不同,对发电机定子线棒绝缘的潮湿等状况的影响不同,因此比较2个时刻的比值,可以判断发电机定子线棒绝缘是否是因为潮湿的原因影响了绝缘电阻。实际极化指数可以是在同一次试验中,对发电机定子线棒绝缘加压10min时的绝缘电阻值与加压1min时的绝缘电阻值之比。
其中,实际工频介电常数可以是对于发电机定子线棒绝缘在工频下,测试两个金属板之间有绝缘体的电容与它们之间有空气或真空的相同金属板的电容之比的常数值。实际工频介质损耗角正切值可以是电介质在交流电压下的有功损耗和无功损耗之比对应的正切值。
另外的,绝缘材料的介电性能反映了绝缘介质极化能力与极化损耗的大小。通过对实际工频介电常数和实际工频介质损耗角正切值的测量能够判断电气设备绝缘的运行状态和掺杂情况。抽水蓄能发电机定子线棒绝缘在实际运行时,其绝缘层需要承受相当高的工频交流电压,长期的热老化作用导致绝缘材料分子组成与微观结构的变化,能够对其介电特性造成直接的影响,从而改变绝缘层内部的电场分布或损耗关系。
在本实施例中,实际超声声速可以是指频率高于20kHz的声波,可在弹性介质中传播,它的某些性质和光波相似,都可以反射、折射、或者扩散,并能够被遮挡。由于超声波的以上性质,它被人们应用于材料检测中,如利用超声检测材料内部的微小缺陷。可以采用的检测方法为脉冲回波法,材料的声阻抗,即材料密度与声速的乘积,是材料重要的声学特性。当声阻抗没有发生改变时,超声波便会不受阻碍地传播下去。在声阻抗不同的两种介质所构成的界面处,超声信号将发生反射,从而超声探头便接收到不同界面反射的超声回波。
S120、将所述实际特征参量输入至预先构建的参数神经网络模型中,确定出实际击穿场强。
其中,参数神经网络模型可以是能够根据输入的实际特征参量,对实际特征参量进行解析处理,得到相应的实际击穿场强。具体的,参数神经网络模型可以是BP(BackPropagation,反向传播)神经网络模型。
具体的,实际击穿场强可以是在待确定预警类型的发电机定子线棒绝缘上,电介质击穿时的电场强度叫击穿场强,并且击穿场强又可以称为电介质的介电强度。
在本实施例中,将测量出的实际特征参量输入至预先构建的参数神经网络模型中,通过参数神经网络模型对实际特性参量进行解析处理,可以得到实际特性参量对应的实际击穿场强,可以通过确定出的实际击穿场强来进行发电机定子线棒绝缘对应的老化状态的预测,也即预测发电机定子线棒绝缘的预警类型。
S130、获取标准击穿场强,并根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率。
其中,标准击穿场强可以是发电机定子线棒绝缘对应的全新发电机定子线棒绝缘的击穿场强。击穿场强下降概率可以是根据实际击穿场强和标准击穿场强计算出的击穿场强的下降概率的大小。
具体的,击穿场强下降概率可以反映发电机定子线棒绝缘的老化状态,击穿场强下降概率越大,说明当前发电机定子线棒绝缘的老化状态比较严重,需要进行维修处理等操作,可能处于危险状态;击穿场强下降概率越小,说明当前发电机定子线棒绝缘的老化状态比较轻微,相对来说处于安全可靠运行状态。
可选的,所述获取标准击穿场强,包括:获取与所述发电机定子线棒绝缘对应的标准发电机定子线棒绝缘;根据所述标准发电机定子线棒绝缘,确定出与所述发电机定子线棒绝缘对应的标准击穿场强。
其中,标准发电机定子线棒绝缘可以是与发电机定子线棒绝缘对应的全新未使用标准的发电机定子线棒绝缘。
在本实施例中,根据发电机定子线棒绝缘,可以获取到对应的全新的标准发电机定子线棒绝缘,当获取到标准发电机定子线棒绝缘之后,需要获取标准发电机定子线棒绝缘对应的标准击穿场强。
这样设置的好处在于:通过获取标准发电机定子线棒绝缘对应的标准击穿场强,根据标准击穿场强计算相应的击穿场强下降概率,这样计算出的击穿场强下降概率更加准确,从而能够更加准确地确定出发电机定子线棒绝缘对应的预警类型。
可选的,所述根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率,包括:通过所述标准击穿场强减去所述实际击穿场强,计算得到击穿场强下降差值;通过所述击穿场强下降差值除以所述标准击穿场强,计算得到击穿场强下降概率。
其中,击穿场强下降差值可以是通过标准击穿场强和实际击穿场强作差,计算得到的击穿场强的下降差值的大小。
在本实施例中,根据标准击穿场强和实际击穿场强计算得到击穿场强下降差值,这样计算出的击穿场强下降差值更加准确,也更加能反应出发电机定子线棒绝缘对应的击穿场强下降程度的大小,进一步的,计算出击穿场强下降差值与标准击穿场强的比值,也即击穿场强下降概率,根据击穿场强下降概率进行一步地反映出发电机定子线棒绝缘的击穿场强下降幅度的大小。
这样设置的好处在于:可以根据标准击穿场强和实际击穿场强计算得到击穿场强下降概率,这样得到的击穿场强下降概率更加准确,从而对发电机定子线棒绝缘的老化状态预测的更加准确,并且能够得到更加准确地预警类型。
S140、根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型。
其中,预警类型可以包括四种预警类型,在不同的预警类型下,发电机定子线棒绝缘对应不同的状态,需要反馈给用户的策略也不相同。
在本实施例中,可以根据击穿场强下降概率的大小,来进一步地判断出发电机定子线棒绝缘的预警类型,根据不同的预警类型匹配相应的运维策略。
可选的,所述根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型,包括:当所述击穿场强下降概率小于第一阈值时,确定出所述发电机定子线棒绝缘的预警类型为第一风险预警等级,并根据所述第一风险预警等级确定所述发电机定子线棒绝缘处于安全可靠运行状态;当所述击穿场强下降概率大于或等于第一阈值,并小于第二阈值时,确定出所述发电机定子线棒绝缘的预警类型为第二风险预警等级,并根据所述第二风险预警等级确定所述发电机定子线棒绝缘处于警戒状态;当所述击穿场强下降概率大于或等于第二阈值,并小于第三阈值时,确定出所述发电机定子线棒绝缘的预警类型为第三风险预警等级,并根据所述第三风险预警等级确定所述发电机定子线棒绝缘处于紧急状态;当所述击穿场强下降概率大于或等于第三阈值时,确定出所述发电机定子线棒绝缘的预警类型为第四风险预警等级,并根据所述第四风险预警等级确定所述发电机定子线棒绝缘处于危险状态。
其中,第一阈值可以是击穿场强下降概率判断处于第一风险预警等级的阈值,具体的,当击穿场强下降概率小于第一阈值,则可以确定该预警类型为第一风险预警等级。第一风险预警等级可以是该发电机定子线棒绝缘处于相对安全的预警等级,可以理解的是,击穿场强下降概率相对来说较小,并且发电机定子线棒绝缘处于安全可靠运行状态。第二阈值可以是击穿场强下降概率判断处于第二风险预警等级的阈值,具体的,当击穿场强下降概率大于或者等于第一阈值,并且小于第二阈值的情况下,则可以确定该预警类型为第二风险预警等级。第二风险预警等级可以是该发电机定子线棒绝缘处于警戒状态的预警等级。第三阈值可以是击穿场强下降概率判断处于第三风险预警等级的阈值,具体的,当击穿场强下降概率大于或者等于第二阈值,并且小于第三阈值的情况下,则可以确定该预警类型为第三风险预警等级。第三风险预警等级可以是该发电机定子线棒绝缘处于紧急状态的预警等级。第四风险预警等级可以是该发电机定子线棒绝缘处于危险状态的预警等级。
示例性的,假设预警类型划分为4个等级,其划分判据为:
1)当击穿场强下降概率小于5%(第一阈值)时,风险预警反映类型为Ⅰ级,也即第一风险预警等级,可以表明发电机定子线棒绝缘处于安全可靠运行状态。
2)当击穿场强下降概率大于或者等于5%,并且小于8%(第二阈值)时,风险预警反映类型为Ⅱ级,也即第二风险预警等级,可以表明发电机定子线棒绝缘处于警戒状态。
3)当击穿场强下降概率大于或者等于8%,并且小于15%(第三阈值)时,风险预警反映类型为Ⅲ级,也即第三风险预警等级,可以表明发电机定子线棒绝缘处于紧急状态。
4)当击穿场强下降概率下降大于15%时,风险预警反映类型为Ⅳ级,也即第四风险预警等级,可以表明发电机定子线棒绝缘处于危险状态。
可选的,在所述根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型之后,还包括:根据所述预警类型,与预先存储的发电机定子线棒绝缘运维策略库进行匹配,确定出目标发电机定子线棒绝缘运维策略;将确定出的所述发电机定子线棒绝缘运维策略反馈给用户。
其中,发电机定子线棒绝缘运维策略库可以是存储不同预警类型以及与不同预警类型对应的发电机定子线棒绝缘运维策略的数据库。目标发电机定子线棒绝缘运维策略可以是针对不同预警类型可以确定不同运维策略。
续前例的,当发电机定子线棒绝缘风险预警反映类型为Ⅰ级时,确定出的发电机定子线棒绝缘运维策略为:按照检修预试规程及厂家要求进行正常的检修维护即可,并将发电机定子线棒绝缘运维策略反馈给用户。
进一步的,当发电机定子线棒绝缘风险预警反映类型为Ⅱ级时,确定出的发电机定子线棒绝缘运维策略为:需要在发电机定子线棒绝缘绕组上加装局放在线检测系统,并重点关注定子绕组各分支最大放电幅值及放电特征图谱。同时考虑直流耐压试验破坏性相对较小的因素,将每年检修时开展的直流耐压试验电压由2倍的额定线电压调整至2.5倍的额定线电压。另外,在每年检修时进行发电机绝缘状态鉴定,试验项目包括电晕探测、绝缘电阻、吸收比及极化指数测试、额定相电压下的发电机局部放电测试、发电机介电损耗及电容增量测试,并将发电机定子线棒绝缘运维策略反馈给用户。
相应的,当发电机定子线棒绝缘风险预警反映类型为Ⅲ级时,确定出的发电机定子线棒绝缘运维策略为:局部放电在线检测系统如有显示放电异常的分支,应重点关注监控时段内的放电幅值变化趋势。同时考虑将发电机定子绕组的绝缘电阻测试和直流耐压试验频次调整为3个月一次,将发电机绝缘状态鉴定频次调整为6个月一次。另外,补充并完善运行机组应采取的监测手段或方式,制定故障发生后的抢修方案,包括工期安排、备品准备及线棒更换作业文件等,并将发电机定子线棒绝缘运维策略反馈给用户。
另外的,当发电机定子线棒绝缘风险预警反映类型为Ⅳ级时,确定出的发电机定子线棒绝缘运维策略为:需要尽快对发电机进行停机检修处理,对出现明显异常的局部或整体定子绕组线棒进行更换,并将发电机定子线棒绝缘运维策略反馈给用户。
示例性的,对于某地正在实际运行中的A型抽水蓄能发电机定子线棒绝缘预警类型进行测试,测得其实际吸收比为2.93、实际极化指数为6.12、实际工频相对介电常数为3.50、实际工频介质损耗角正切值为0.28、以及实际超声声速为1509m/s。
将上述实际特征参量代入预先构建的参数神经网络模型(这里可以是BP参数神经网络模型,不做具体限定)中,得到预测的绝缘层实际击穿场强为32.97kV/mm。与全新线棒35.07kV/mm的标准击穿场强对比,其击穿场强下降概率为5.9%。
进一步的,击穿场强下降概率为5.9%,可以确定出发电机定子线棒绝缘的预警类型为Ⅱ级,也即当击穿场强下降概率为5%~8%时,风险预警反映类型为Ⅱ级,表明发电机定子绕组处于警戒状态。
当风险预警反映类型为Ⅱ级,可以进一步地确定发电机定子线棒绝缘运维策略为:需要在发电机定子绕组上加装局放在线检测系统,并重点关注定子绕组各分支最大放电幅值及放电特征图谱。同时考虑直流耐压试验破坏性相对较小的因素,将每年检修时开展的直流耐压试验电压由2倍的额定线电压调整至2.5倍的额定线电压。另外,在每年检修时进行发电机绝缘状态鉴定,试验项目包括电晕探测、绝缘电阻、吸收比及极化指数测试、额定相电压下的发电机局部放电测试、发电机介电损耗及电容增量测试。并将所述发电机定子线棒绝缘运维策略反馈给用户。
在本实施例中另一个可选的实施方式,对于某地正在实际运行中的B型抽水蓄能发电机定子线棒绝缘预警类型进行测试,测得其实际吸收比为3.00、实际极化指数为6.11、实际工频相对介电常数为3.29、实际工频介质损耗角正切值为0.20、以及实际超声声速为2159m/s。
将上述实际特征参量代入预先构建的参数神经网络模型(这里可以是BP参数神经网络模型,不做具体限定)中,得到预测的绝缘层击穿场强为34.96kV/mm,与全新线棒35.07kV/mm的击穿场强对比,其击穿场强下降仅为0.31%。
进一步的,击穿场强下降概率为0.31%,可以确定发电机定子线棒绝缘对应的预警类型为Ⅰ级,表明发电机定子绕组处于安全可靠运行状态。进而,可以进一步地确定发电机定子线棒绝缘运维策略为:按照检修预试规程及厂家要求进行正常的检修维护即可。
本发明实施例的技术方案,通过获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量;将所述实际特征参量输入至预先构建的参数神经网络模型中,确定出实际击穿场强;获取标准击穿场强,并根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率;根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型。解决了无法准确确定发电机定子线棒绝缘的老化状态的问题,提高了抽水蓄能发电机定子线棒绝缘的预警类型的准确率,保障了电力系统的稳定性和经济性,减少了人力物力的资源浪费,对于提出的相关特征参量的检测分析方法为无损评估技术,可以实现在不破坏待检测发电机定子线棒绝缘本身结构的情况下实现对发电机定子线棒的绝缘状态进行评估,能够用于现场检测分析,结果可靠,为判断抽水蓄能发电机定子线棒绝缘的运行历史及评估绝缘状态提供了便利,为抽水蓄能发电机组的运行维护提供了依据,对电力电网的可靠经济运行具有重要意义。
实施例二
图2为本发明实施例二提供的另一种发电机定子线棒绝缘的预警类型确定方法的流程图,本实施例以上述各实施例为基础进行优化,在本实施例中,在获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量之前,还包括对参数神经网络模型的训练的具体操作过程。
相应的,如图2所示,该方法包括:
S210、获取不同类型发电机定子线棒绝缘在不同周期老化时间下的各标准特征参量和各标准击穿场强。
其中,所述标准特征参量包括:标准吸收比、标准极化指数、标准工频介电常数、标准工频介质损耗角正切值和标准超声声速。
其中,标准特征参量可以是描述目标类型的发电机定子线棒绝缘的特性的参量,可以通过测量得到的标准特征参量的测量值,标准特征参量可以具体包括:标准吸收比、标准极化指数、标准工频介电常数、标准工频介质损耗角正切值和标准超声声速的测量。标准击穿场强可以是在测量目标类型的发电机定子线棒绝缘的标准特征参量的同时,还需要测量对应的标准击穿场强,用来反映目标类型的发电机定子线棒绝缘对应的电介质击穿时的电场强度。
另外的,标准超声声速测量过程中,需要向发电机定子线棒绝缘发射超声脉冲的频率为1.0MHz-2.5MHz,避免超声传递过程出现大的衰减,且容易测量到峰值点。并且发射用超声脉冲时,超声探头置于试样表面,计算方便。
可以理解的,在测量各标准特征参量和各标准击穿场强时,需要清洗发电机定子线棒绝缘试样表面,并干燥,保证试样表面没有杂物,这样可以提高测试准确性度。
可选的,所述获取不同类型发电机定子线棒绝缘在不同周期老化时间下的各标准特征参量和各标准击穿场强,包括:采集目标类型发电机定子线棒绝缘在目标周期老化时间下不同位置的各特征参量和各击穿场强;分别计算各所述特征参量和各所述击穿场强的平均值,确定出与目标类型发电机定子线棒绝缘在目标周期老化时间下对应的标准特征参量和标准击穿场强。
在本实施例中,同一目标周期老化时间点,对测试目标类型发电机定子线棒对应的多个不同位置的特征参量及击穿场强进行测量,计算其平均值,将各参量的平均值作为该目标周期老化时间点下的标准特征参量和标准击穿场强,这样可以提高测量的准确性。
另外的,这里可以设置老化试验的温度R=180℃,每隔一个周期T进行一次测量,T=14天,也即周期老化时间为14天。
S220、将获取到的各所述标准特征参量和各所述标准击穿场强输入至初始参数神经网络模型中,训练得到所述参数神经网络模型。
示例性的,假设初始参数神经网络模型为BP神经网络模型,BP神经网络模型是人工神经网络中的常见模型,包含多个神经元层,由输入层、隐藏层和输出层构成,能对非线性数据进行处理。BP神经网络模型的隐藏层的层数可多可少,最简单的BP神经网络模型只包含一个隐藏层,为三层结构。BP神经网络模型结构简单且易于实现,具有良好的鲁棒性、容错性及非线性映射能力。相比于传统的多项式拟合,BP神经网络模型可以任何的精度去逼近任何函数形式,因此能够适应多种复杂的数据关系。
BP神经网络模型的第一层为输入层,以五元自变量为例,则输入的信息为[x1,x2,x3,x4,x5]。对于第L层,用L1至Lj表示该层的所有神经元,该层输出值表示为yl,其中第j个节点的输出值为yl (j),该节点的输入为ul (j)。连接第(L-1)层与第L层的权重矩阵为wL,则上一层(第L-1层)的第i个节点到第L层第j个节点的权重为wL ji。
以上单个神经元计算过程用数学形式表达如下:
yk=f(vk)
其中,xj表示输入数据,wkj表示连接权值,bk为阈值,f(x)为激活函数,m表示节点的个数,vk表示单个神经元计算值,yk表示单个神经元计算值对应的输出结果。
在BP神经网络模型构建过程中,首先将样本数据集(标准特征参量和标准击穿场强)由输入层输入,初始化权值w和阈值b是事先随机化处理的,通常取值为1。随后感知器对数据集进行学习,每一层的神经元对输入值进行计算拟合,学习过程中w和b不断向着误差减小的方向改进。最后由输出层将最终结果输出,通过输出值和样本标签构建损失函数,并在反向传播过程中使用梯度下降算法逐层迭代,不断更新模型参数,直至损失函数达到最小值。
BP神经网络模型中隐藏层的神经元数量可由如下公式确定:
其中:NH为隐藏层神经元数;NI为输入层神经元数;NO为输出层神经元数;α是取值为1~10的任意整数。
通过测量得到不同周期老化时间下的抽水蓄能发电机定子线棒绝缘的标准特征参量及标准击穿场强,将其分别作为输入层和输出层,选择确定合适的隐含层权值和阈值,构建得到的BP神经网络模型便能够很好的表示相关特征参量与击穿场强之间的联系,通过在工程现场测量待检测定子线棒绝缘试样的相关特征参量,代入所构建得到的BP神经网络模型,便能够得到待检测定子线棒绝缘试样的击穿场强,从而可分析其绝缘老化状态。
S230、获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量。
S240、将所述实际特征参量输入至预先构建的参数神经网络模型中,确定出实际击穿场强。
S250、获取标准击穿场强,并根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率。
S260、根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型。
本发明实施例的技术方案,通过获取不同类型发电机定子线棒绝缘在不同周期老化时间下的各标准特征参量和各标准击穿场强;将获取到的各所述标准特征参量和各所述标准击穿场强输入至初始参数神经网络模型中,训练得到所述参数神经网络模型;获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量;将所述实际特征参量输入至预先构建的参数神经网络模型中,确定出实际击穿场强;获取标准击穿场强,并根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率;根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型。获取各标准特征参量和各标准击穿场强,从而得到更加准确的参数神经网络模型,提高了抽水蓄能发电机定子线棒绝缘的预警类型的准确率,保障了电力系统的稳定性和经济性,减少了人力物力的资源浪费。
实施例三
图3为本发明实施例三提供的一种发电机定子线棒绝缘的预警类型确定装置的结构示意图。本实施例所提供的一种发电机定子线棒绝缘的预警类型确定装置可以通过软件和/或硬件来实现,可配置于终端设备或者服务器中来实现本发明实施例中的一种发电机定子线棒绝缘的预警类型确定方法。如图3所示,该装置包括:实际特征参量测量模块310、实际击穿场强确定模块320、击穿场强下降概率确定模块330和预警类型获取模块340。
其中,实际特征参量测量模块310,用于获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量;
其中,所述实际特征参量包括:实际吸收比、实际极化指数、实际工频介电常数、实际工频介质损耗角正切值和实际超声声速;
实际击穿场强确定模块320,用于将所述实际特征参量输入至预先构建的参数神经网络模型中,确定出实际击穿场强;
击穿场强下降概率确定模块330,用于获取标准击穿场强,并根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率;
预警类型获取模块340,用于根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型。
本发明实施例的技术方案,通过获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量;将所述实际特征参量输入至预先构建的参数神经网络模型中,确定出实际击穿场强;获取标准击穿场强,并根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率;根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型。解决了无法准确确定发电机定子线棒绝缘的老化状态的问题,提高了抽水蓄能发电机定子线棒绝缘的预警类型的准确率,保障了电力系统的稳定性和经济性,减少了人力物力的资源浪费,对于提出的相关特征参量的检测分析方法为无损评估技术,可以实现在不破坏待检测发电机定子线棒绝缘本身结构的情况下实现对发电机定子线棒的绝缘状态进行评估,能够用于现场检测分析,结果可靠,为判断抽水蓄能发电机定子线棒绝缘的运行历史及评估绝缘状态提供了便利,为抽水蓄能发电机组的运行维护提供了依据,对电力电网的可靠经济运行具有重要意义。
可选的,所述击穿场强下降概率确定模块330,可以具体用于:获取与所述发电机定子线棒绝缘对应的标准发电机定子线棒绝缘;根据所述标准发电机定子线棒绝缘,确定出与所述发电机定子线棒绝缘对应的标准击穿场强。
可选的,还包括,参数神经网络模型训练模块,可以具体包括:标准特征参量和标准击穿场强获取单元,用于在所述获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量之前,获取不同类型发电机定子线棒绝缘在不同周期老化时间下的各标准特征参量和各标准击穿场强;其中,所述标准特征参量包括:标准吸收比、标准极化指数、标准工频介电常数、标准工频介质损耗角正切值和标准超声声速;参数神经网络模型训练模块单元,用于将获取到的各所述标准特征参量和各所述标准击穿场强输入至初始参数神经网络模型中,训练得到所述参数神经网络模型。
可选的,所述标准特征参量和标准击穿场强获取单元,可以具体用于:采集目标类型发电机定子线棒绝缘在目标周期老化时间下不同位置的各特征参量和各击穿场强;分别计算各所述特征参量和各所述击穿场强的平均值,确定出与目标类型发电机定子线棒绝缘在目标周期老化时间下对应的标准特征参量和标准击穿场强。
可选的,所述预警类型获取模块340,可以具体用于:当所述击穿场强下降概率小于第一阈值时,确定出所述发电机定子线棒绝缘的预警类型为第一风险预警等级,并根据所述第一风险预警等级确定所述发电机定子线棒绝缘处于安全可靠运行状态;当所述击穿场强下降概率大于或等于第一阈值,并小于第二阈值时,确定出所述发电机定子线棒绝缘的预警类型为第二风险预警等级,并根据所述第二风险预警等级确定所述发电机定子线棒绝缘处于警戒状态;当所述击穿场强下降概率大于或等于第二阈值,并小于第三阈值时,确定出所述发电机定子线棒绝缘的预警类型为第三风险预警等级,并根据所述第三风险预警等级确定所述发电机定子线棒绝缘处于紧急状态;当所述击穿场强下降概率大于或等于第三阈值时,确定出所述发电机定子线棒绝缘的预警类型为第四风险预警等级,并根据所述第四风险预警等级确定所述发电机定子线棒绝缘处于危险状态。
可选的,还包括,发电机定子线棒绝缘运维策略反馈模块,可以具体用于:在所述根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型之后,根据所述预警类型,与预先存储的发电机定子线棒绝缘运维策略库进行匹配,确定出目标发电机定子线棒绝缘运维策略;将确定出的所述发电机定子线棒绝缘运维策略反馈给用户。
可选的,所述击穿场强下降概率确定模块330,可以具体用于:通过所述标准击穿场强减去所述实际击穿场强,计算得到击穿场强下降差值;通过所述击穿场强下降差值除以所述标准击穿场强,计算得到击穿场强下降概率。
本发明实施例所提供的发电机定子线棒绝缘的预警类型确定装置可执行本发明任意实施例所提供的发电机定子线棒绝缘的预警类型确定方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例四的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如发电机定子线棒绝缘的预警类型确定方法。
在一些实施例中,发电机定子线棒绝缘的预警类型确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时,可以执行上文描述的发电机定子线棒绝缘的预警类型确定方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行发电机定子线棒绝缘的预警类型确定方法。
该方法包括:获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量;将所述实际特征参量输入至预先构建的参数神经网络模型中,确定出实际击穿场强;获取标准击穿场强,并根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率;根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
实施例五
本发明实施例五还提供一种包含计算机可读存储介质,所述计算机可读指令在由计算机处理器执行时用于执行一种发电机定子线棒绝缘的预警类型确定方法,该方法包括:获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量;将所述实际特征参量输入至预先构建的参数神经网络模型中,确定出实际击穿场强;获取标准击穿场强,并根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率;根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型。
当然,本发明实施例所提供的一种包含计算机可读存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的发电机定子线棒绝缘的预警类型确定方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述发电机定子线棒绝缘的预警类型确定装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (6)
1.一种发电机定子线棒绝缘的预警类型确定方法,其特征在于,包括:
获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量;
其中,所述实际特征参量包括:实际吸收比、实际极化指数、实际工频介电常数、实际工频介质损耗角正切值和实际超声声速;
将所述实际特征参量输入至预先构建的参数神经网络模型中,确定出实际击穿场强;
在所述获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量之前,获取不同类型发电机定子线棒绝缘在不同周期老化时间下的各标准特征参量和各标准击穿场强,包括:
采集目标类型发电机定子线棒绝缘在目标周期老化时间下不同位置的各特征参量和各击穿场强;
分别计算各所述特征参量和各所述击穿场强的平均值,确定出与目标类型发电机定子线棒绝缘在目标周期老化时间下对应的标准特征参量和标准击穿场强;
其中,所述标准特征参量包括:标准吸收比、标准极化指数、标准工频介电常数、标准工频介质损耗角正切值和标准超声声速;
将获取到的各所述标准特征参量和各所述标准击穿场强输入至初始参数神经网络模型中,训练得到所述参数神经网络模型;
获取标准击穿场强,并根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率,包括:
通过所述标准击穿场强减去所述实际击穿场强,计算得到击穿场强下降差值;
通过所述击穿场强下降差值除以所述标准击穿场强,计算得到击穿场强下降概率;
根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型,包括:
当所述击穿场强下降概率小于第一阈值时,确定出所述发电机定子线棒绝缘的预警类型为第一风险预警等级,并根据所述第一风险预警等级确定所述发电机定子线棒绝缘处于安全可靠运行状态;
当所述击穿场强下降概率大于或等于第一阈值,并小于第二阈值时,确定出所述发电机定子线棒绝缘的预警类型为第二风险预警等级,并根据所述第二风险预警等级确定所述发电机定子线棒绝缘处于警戒状态;
当所述击穿场强下降概率大于或等于第二阈值,并小于第三阈值时,确定出所述发电机定子线棒绝缘的预警类型为第三风险预警等级,并根据所述第三风险预警等级确定所述发电机定子线棒绝缘处于紧急状态;
当所述击穿场强下降概率大于或等于第三阈值时,确定出所述发电机定子线棒绝缘的预警类型为第四风险预警等级,并根据所述第四风险预警等级确定所述发电机定子线棒绝缘处于危险状态。
2.根据权利要求1所述的方法,其特征在于,所述获取标准击穿场强,包括:
获取与所述发电机定子线棒绝缘对应的标准发电机定子线棒绝缘;
根据所述标准发电机定子线棒绝缘,确定出与所述发电机定子线棒绝缘对应的标准击穿场强。
3.根据权利要求1所述的方法,其特征在于,在所述根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型之后,还包括:
根据所述预警类型,与预先存储的发电机定子线棒绝缘运维策略库进行匹配,确定出目标发电机定子线棒绝缘运维策略;
将确定出的所述发电机定子线棒绝缘运维策略反馈给用户。
4.一种发电机定子线棒绝缘的预警类型确定装置,其特征在于,包括:
实际特征参量测量模块,用于获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量;
其中,所述实际特征参量包括:实际吸收比、实际极化指数、实际工频介电常数、实际工频介质损耗角正切值和实际超声声速;
实际击穿场强确定模块,用于将所述实际特征参量输入至预先构建的参数神经网络模型中,确定出实际击穿场强;
击穿场强下降概率确定模块,用于获取标准击穿场强,并根据所述标准击穿场强与所述实际击穿场强计算得到击穿场强下降概率;
预警类型获取模块,用于根据所述击穿场强下降概率,确定出所述发电机定子线棒绝缘的预警类型;
参数神经网络模型训练模块,包括:标准特征参量和标准击穿场强获取单元和参数神经网络模型训练模块单元;
其中,所述标准特征参量和标准击穿场强获取单元,用于在所述获取待确定预警类型的发电机定子线棒绝缘,并测量所述发电机定子线棒绝缘对应的实际特征参量之前,获取不同类型发电机定子线棒绝缘在不同周期老化时间下的各标准特征参量和各标准击穿场强;其中,所述标准特征参量包括:标准吸收比、标准极化指数、标准工频介电常数、标准工频介质损耗角正切值和标准超声声速;
所述参数神经网络模型训练模块单元,用于将获取到的各所述标准特征参量和各所述标准击穿场强输入至初始参数神经网络模型中,训练得到所述参数神经网络模型;
所述标准特征参量和标准击穿场强获取单元,具体用于:采集目标类型发电机定子线棒绝缘在目标周期老化时间下不同位置的各特征参量和各击穿场强;分别计算各所述特征参量和各所述击穿场强的平均值,确定出与目标类型发电机定子线棒绝缘在目标周期老化时间下对应的标准特征参量和标准击穿场强;
其中,所述预警类型获取模块,具体用于:当所述击穿场强下降概率小于第一阈值时,确定出所述发电机定子线棒绝缘的预警类型为第一风险预警等级,并根据所述第一风险预警等级确定所述发电机定子线棒绝缘处于安全可靠运行状态;当所述击穿场强下降概率大于或等于第一阈值,并小于第二阈值时,确定出所述发电机定子线棒绝缘的预警类型为第二风险预警等级,并根据所述第二风险预警等级确定所述发电机定子线棒绝缘处于警戒状态;当所述击穿场强下降概率大于或等于第二阈值,并小于第三阈值时,确定出所述发电机定子线棒绝缘的预警类型为第三风险预警等级,并根据所述第三风险预警等级确定所述发电机定子线棒绝缘处于紧急状态;当所述击穿场强下降概率大于或等于第三阈值时,确定出所述发电机定子线棒绝缘的预警类型为第四风险预警等级,并根据所述第四风险预警等级确定所述发电机定子线棒绝缘处于危险状态;
所述击穿场强下降概率确定模块,具体用于:通过所述标准击穿场强减去所述实际击穿场强,计算得到击穿场强下降差值;通过所述击穿场强下降差值除以所述标准击穿场强,计算得到击穿场强下降概率。
5.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-3中任一项所述的发电机定子线棒绝缘的预警类型确定方法。
6.一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处理器执行时实现权利要求1-3中任一项所述的发电机定子线棒绝缘的预警类型确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211490993.6A CN116307677B (zh) | 2022-11-25 | 2022-11-25 | 发电机定子线棒绝缘的预警类型确定方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211490993.6A CN116307677B (zh) | 2022-11-25 | 2022-11-25 | 发电机定子线棒绝缘的预警类型确定方法、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116307677A CN116307677A (zh) | 2023-06-23 |
CN116307677B true CN116307677B (zh) | 2023-09-12 |
Family
ID=86782168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211490993.6A Active CN116307677B (zh) | 2022-11-25 | 2022-11-25 | 发电机定子线棒绝缘的预警类型确定方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116307677B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117969449A (zh) * | 2024-03-29 | 2024-05-03 | 三峡金沙江云川水电开发有限公司 | 一种太赫兹检测发电机定子线棒绝缘缺陷的方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109116193A (zh) * | 2018-06-14 | 2019-01-01 | 国网浙江省电力有限公司检修分公司 | 基于局放信号综合熵值的电气设备危险性放电判别方法 |
CN110488164A (zh) * | 2019-08-22 | 2019-11-22 | 中国电力科学研究院有限公司 | 一种高压电缆绝缘老化状态综合评估预警方法及系统 |
CN112485614A (zh) * | 2020-11-23 | 2021-03-12 | 国网北京市电力公司 | 电缆绝缘材料的耐压测试方法及装置 |
CN113884839A (zh) * | 2021-11-04 | 2022-01-04 | 国网四川省电力公司电力科学研究院 | 一种电容式电压互感器多参量绝缘状态评估方法及系统 |
CN113884794A (zh) * | 2021-09-28 | 2022-01-04 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种电机线棒主绝缘老化状态评估方法 |
-
2022
- 2022-11-25 CN CN202211490993.6A patent/CN116307677B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109116193A (zh) * | 2018-06-14 | 2019-01-01 | 国网浙江省电力有限公司检修分公司 | 基于局放信号综合熵值的电气设备危险性放电判别方法 |
CN110488164A (zh) * | 2019-08-22 | 2019-11-22 | 中国电力科学研究院有限公司 | 一种高压电缆绝缘老化状态综合评估预警方法及系统 |
CN112485614A (zh) * | 2020-11-23 | 2021-03-12 | 国网北京市电力公司 | 电缆绝缘材料的耐压测试方法及装置 |
CN113884794A (zh) * | 2021-09-28 | 2022-01-04 | 南方电网调峰调频发电有限公司检修试验分公司 | 一种电机线棒主绝缘老化状态评估方法 |
CN113884839A (zh) * | 2021-11-04 | 2022-01-04 | 国网四川省电力公司电力科学研究院 | 一种电容式电压互感器多参量绝缘状态评估方法及系统 |
Non-Patent Citations (1)
Title |
---|
发电机定子线棒主绝缘老化规律与击穿电压预测研究;刘红文;高压电器;第51卷(第3期);第105-110页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116307677A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109270482B (zh) | 电压互感器计量准确度在线评价方法及终端设备 | |
CN116307677B (zh) | 发电机定子线棒绝缘的预警类型确定方法、装置及介质 | |
CN110766264A (zh) | 一种传输电缆健康状态监测评估方法 | |
Hu et al. | Robustness evaluation of complex power grids containing renewable energy | |
CN102590652B (zh) | 基于电气信息的设备性能评价系统及方法 | |
CN109613372B (zh) | 一种基于多元电网数据库的电网故障诊断方法 | |
CN113758604B (zh) | 电气设备运行状态的检测方法、装置、设备及存储介质 | |
Chaouche et al. | Finite element method to construct a lumped parameter ladder network of the transformer winding | |
CN106104282A (zh) | 一种基于参考能量的电气测量方法 | |
CN114997566A (zh) | 考虑节点连通度损失的电网阻塞风险评估方法及系统 | |
CN111797537B (zh) | 一种含风电配电系统可靠性评估方法及装置 | |
CN109635430A (zh) | 电网输电线路暂态信号监测方法和系统 | |
CN117473384A (zh) | 一种电网线路安全约束辨识方法、装置、设备及存储介质 | |
CN105741184A (zh) | 一种变压器状态评估方法及装置 | |
CN111413564A (zh) | 一种超级电容器失效预警方法、系统以及设备 | |
CN116794436A (zh) | 避雷器劣化告警方法、装置、电子设备、系统和介质 | |
CN115481806A (zh) | 基于相关系数保留率的电缆剩余寿命在线预测方法及装置 | |
Jaiswal et al. | A review of diagnostic tests and condition monitoring techniques for improving the reliability of power transformers | |
Zhang et al. | Research on On-line State Monitoring Method of Voltage Transformer based on Digital Twins | |
Kumar et al. | Gas turbine engine operational data analysis for anomaly detection: Statistical vs. neural network approach | |
Zhengganzhe et al. | Risk forecast assessment of transmission line capacity increase under cyberattacks | |
CN117368711A (zh) | 一种高压开关柜的健康状态评估方法、装置、设备及介质 | |
CN113722977B (zh) | 一种基于混合预测的燃气轮机转子故障预警方法 | |
CN114166733B (zh) | 一种基于高腐蚀性降阻剂影响下的接地装置特性评估方法 | |
CN114285007B (zh) | 一种纵联保护方法、系统、存储介质及计算设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |