CN116484653B - 一种电容器剩余寿命预测方法及装置 - Google Patents
一种电容器剩余寿命预测方法及装置 Download PDFInfo
- Publication number
- CN116484653B CN116484653B CN202310729710.7A CN202310729710A CN116484653B CN 116484653 B CN116484653 B CN 116484653B CN 202310729710 A CN202310729710 A CN 202310729710A CN 116484653 B CN116484653 B CN 116484653B
- Authority
- CN
- China
- Prior art keywords
- capacitor
- data
- equipment
- environment
- average value
- 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
- 239000003990 capacitor Substances 0.000 title claims abstract description 216
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Environmental & Geological Engineering (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本申请公开了一种电容器剩余寿命预测方法及装置,涉及电力设备运维技术领域,本申请提供的电容器剩余寿命预测方法,根据电容器样本的设备信息、设备运行样本数据和设备环境样本数据,通过最小二乘法以及多项式回归算法进行拟合,建立包含设备信息、设备运行样本数据、设备环境样本数与电容器剩余寿命的关系特征,形成电容器剩余寿命预测模型,然后,获取待预测的电容器的设备信息、设备运行数据和设备环境数据,代入所述电容器剩余寿命预测模型,以通过该预测模型的运算得到所述电容器的剩余寿命预测值,考虑了多种能影响电容器运行状态的因素影响,解决了现有技术在实际应用场景中预测准确率低的技术问题。
Description
技术领域
本申请涉及电力设备运维技术领域,尤其涉及一种电容器剩余寿命预测方法及装置。
背景技术
由于电网内部运行状况复杂,电容器在长期运行过程中容易受到电网电压波动,温度过高等恶劣状况的影响,导致电容器介质强度和绝缘水平的下降,目前现行的故障检测制度弊端众多,随着电网的迅速发展和供电要求的不断提高,这种检修制度越来越不能满足现代电网的需求,因此对电容器进行实时有效的在线监测,对于电容器故障的迅速定位和迅速处理是十分必要的。
现有技术的预测方法通常只考虑电容值偏差因素,通过使用神经网络方法进行预测,根据实际运行数据找到电容器性能与电容值偏差之间的关系,使用MATLAB拟合出电容器剩余寿命与电容值之间的关系曲线,但这种方法在实际应用场景中存在预测准确率低的技术问题。
发明内容
本申请提供了一种电容器剩余寿命预测方法及装置,用于解决现有技术在实际应用场景中预测准确率低的技术问题。
为解决上述技术问题,本申请第一方面提供了一种电容器剩余寿命预测方法,包括:
根据预设的电容器样本数据,通过最小二乘法以及多项式回归算法对所述电容器样本数据进行拟合处理,构建电容器剩余寿命预测模型,其中,所述电容器样本数据包括:多个电容器样本的设备信息、设备运行样本数据、设备环境样本数据和设备寿命数据;
获取待预测的电容器的设备信息、设备运行数据和设备环境数据;
对所述设备运行数据和设备环境数据进行预处理;
根据所述电容器的设备信息,将所述设备运行数据和所述设备环境数据代入所述电容器剩余寿命预测模型,以通过所述电容器剩余寿命预测模型的运算得到所述电容器的剩余寿命预测值。
优选地,所述设备运行数据包括:设备投入时间和电流数据;
所述设备环境数据包括:环境温度与环境湿度。
优选地,所述根据预设的电容器样本数据,通过最小二乘法以及多项式回归算法对所述电容器样本数据进行拟合处理,构建电容器剩余寿命预测模型具体包括:
根据预设的电容器样本数据,根据不同电容器样本的设备信息,对所述电容器样本数据进行分类;
通过最小二乘法以及多项式回归算法对设备信息相同的电容器样本数据进行拟合处理,得到所述设备信息对应的回归曲线以及多项式系数,以根据所述回归曲线以及多项式系数,构建所述设备信息对应的电容器剩余寿命预测模型。
优选地,所述电容器剩余寿命预测模型的表达式具体为:
;
式中,T为电容器剩余寿命的预测值,a、b、c、d、e均为所述多项式系数,I为电容器的电流数据,P为电容器的环境温度,Q为电容器的环境湿度,t为电容器的设备投入时间。
优选地,对所述设备运行数据和设备环境数据进行预处理具体包括:
根据所述电容器的设备投入时间,统计所述设备投入时间到当前时间的时间段内的电流数据、环境温度与环境湿度;
通过均值计算,分别计算出电流数据平均值、环境温度平均值与环境湿度平均值,以便于将所述设备投入时间、所述电流数据平均值、所述环境温度平均值与所述环境湿度平均值用作所述电容器剩余寿命预测模型的输入量。
本申请第二方面提供了一种电容器剩余寿命预测装置,包括:
预测模型构建单元,用于根据预设的电容器样本数据,通过最小二乘法以及多项式回归算法对所述电容器样本数据进行拟合处理,构建电容器剩余寿命预测模型,其中,所述电容器样本数据包括:多个电容器样本的设备信息、设备运行样本数据、设备环境样本数据和设备寿命数据;
预测数据获取单元,用于获取待预测的电容器的设备信息、设备运行数据和设备环境数据;
数据预处理单元,用于对所述设备运行数据和设备环境数据进行预处理;
剩余寿命预测单元,用于根据所述电容器的设备信息,将所述设备运行数据和所述设备环境数据代入所述电容器剩余寿命预测模型,以通过所述电容器剩余寿命预测模型的运算得到所述电容器的剩余寿命预测值。
优选地,所述设备运行数据包括:设备投入时间和电流数据;
所述设备环境数据包括:环境温度与环境湿度。
优选地,所述预测模型构建单元具体用于:
根据预设的电容器样本数据,根据不同电容器样本的设备信息,对所述电容器样本数据进行分类;
通过最小二乘法以及多项式回归算法对设备信息相同的电容器样本数据进行拟合处理,得到所述设备信息对应的回归曲线以及多项式系数,以根据所述回归曲线以及多项式系数,构建所述设备信息对应的电容器剩余寿命预测模型。
优选地,所述电容器剩余寿命预测模型的表达式具体为:
;
式中,T为电容器剩余寿命的预测值,a、b、c、d、e均为所述多项式系数,I为电容器的电流数据,P为电容器的环境温度,Q为电容器的环境湿度,t为电容器的设备投入时间。
优选地,所述预处理单元具体用于:
根据所述电容器的设备投入时间,统计所述设备投入时间到当前时间的时间段内的电流数据、环境温度与环境湿度;
通过均值计算,分别计算出电流数据平均值、环境温度平均值与环境湿度平均值,以便于将所述设备投入时间、所述电流数据平均值、所述环境温度平均值与所述环境湿度平均值用作所述电容器剩余寿命预测模型的输入量。
从以上技术方案可以看出,本申请具有以下优点:
本申请提供的电容器剩余寿命预测方法,根据电容器样本的设备信息、设备运行样本数据和设备环境样本数据,通过最小二乘法以及多项式回归算法进行拟合,建立包含设备信息、设备运行样本数据、设备环境样本数与电容器剩余寿命的关系特征,形成电容器剩余寿命预测模型,然后,获取待预测的电容器的设备信息、设备运行数据和设备环境数据,代入所述电容器剩余寿命预测模型,以通过该预测模型的运算得到所述电容器的剩余寿命预测值,考虑了多种能影响电容器运行状态的因素影响,解决了现有技术在实际应用场景中预测准确率低的技术问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请提供的一种电容器剩余寿命预测方法实施例的流程示意图。
图2为本申请提供的一种电容器剩余寿命预测装置实施例的结构示意图。
具体实施方式
现有技术的预测方法通常只考虑电容值偏差因素,通过使用神经网络方法进行预测,根据实际运行数据找到电容器性能与电容值偏差之间的关系,使用MATLAB拟合出电容器剩余寿命与电容值之间的关系曲线。申请人通过研究发现,电容值偏差只是对电容器当前运行状态的量化数据,现有的方法由于考虑因素较少,且这种方法只考虑电容器内部状态而未考虑能影响电容器运行状态的外部因素,从而加大了预测的本身不确定性和难度,使得这种方法在复杂多变的实际应用场景,无法达到稳定有效的预测效果,存在预测准确率低的技术问题。
本申请实施例提供了一种电容器剩余寿命预测方法及装置,用于解决现有技术在实际应用场景中预测准确率低的技术问题。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
首先是本申请提供的一种电容器剩余寿命预测方法实施例的详细说明,具体如下:
请参阅图1,本实施例提供的一种电容器剩余寿命预测方法,包括:
步骤101、根据预设的电容器样本数据,通过最小二乘法以及多项式回归算法对电容器样本数据进行拟合处理,构建电容器剩余寿命预测模型。
其中,电容器样本数据包括:多个电容器样本的设备信息、设备运行样本数据、设备环境样本数据和设备寿命数据,设备运行数据包括:设备投入时间和电流数据;设备环境数据包括:环境温度与环境湿度。
需要说明的是,首先利用电容器样本数据,电容器样本数据包括了多个电容器样本的设备信息、设备运行样本数据、设备环境样本数据和设备寿命数据,其中,电容器的设备信息用于区分不同电容器,可以是电容器的品牌信息,也可以是电容的型号信息等,使用最小二乘法进行非线性的多项式回归,由于二项式抛物线为最接近历史数据的趋势线,建立模型进行回归,得到“电容器剩余寿命”曲线及对应的系数a、b、c、d、e,从而形成电容器剩余寿命预测模型。
更具体地,电容器样本数据可以是台账管理系统保存在电容器历史数据,获取方式可以参照以下示例:
系统登陆主网设备台账管理系统,在主菜单栏的“台账查询”、次级菜单栏的“设备查询”下,输入关键词“电容器”进行查询,获取所有的m个电容器的投运时间、更换时间和更换的品牌,并进行整理,一个电容器可能有多条更换记录。
(2)a:在SCADA(数据采集与监视控制系统)中调取市内调度大楼温度、湿度、各电容器的A相电流的历史数据(每15min一间隔),并进行整理;b:在SOE中调取各电容器开关动作时间,顺序调取每台电容器下“电容器闭合”、“电容器断开”的时刻,并进行整理。
通过(1)的更换时间来整理电容器有关(2)的相关各项数据,由于一个电容器C1可能有多条更换记录,假设有n条更换记录,首次更换的电容器的统计时间t1是投运时间到第一条更换记录时间的范围内,其他更换的电容器的统计时间tn是第n-1条更换记录时间到第n条更换记录时间的范围内,相当于形成C11~C1n台特征的电容器。整理方法为:在每个电容器C1n的统计时间tn内,统计其(2)a中该时间范围内所有电容器的A相电流数据I、所有市内调度大楼温度P、所有市内调度大楼湿度Q;统计其(2)b中该时间范围内总投入时长t,总投入时长计算方式为顺序计算该时间范围内“电容器断开”的时刻与“电容器闭合”的差值,将所有的差值进行累积。最后统计形成m*n个全生命周期内电容器Cmn的品牌、A相电流数据、温度、湿度、总投入时长的样本数据。
例如,主网设备台账管理系统,在主菜单栏的“台账查询”、次级菜单栏的“设备查询”下,输入关键词“电容器”进行查询,获取了电容器更换时间计算出C1统计时间范围是2015.5.5到2019.3.5、品牌为A。假设在电容器C1的统计时间 2015.5.5到2019.3.5内统计所有电容器在SCADA的A相电流数据的平均值为290A、所有市内调度大楼温度的平均值为25度、所有市内调度大楼湿度的平均值为60%;统计其内总投入时长为14412小时。此为A品牌的一条数据样本,将所有电容器此类数据进行统计再分类,则可得到关于A的样本群。
步骤102、获取待预测的电容器的设备信息、设备运行数据和设备环境数据。
步骤103、对设备运行数据和设备环境数据进行预处理。
具体地,为了便于计算,本实施例提供的根据当前电容器的设备投入时间,统计设备投入时间到当前时间的时间段内的电流数据、环境温度与环境湿度;通过均值计算,分别计算出电流数据平均值、环境温度平均值与环境湿度平均值,以便于将设备投入时间、电流数据平均值、环境温度平均值与环境湿度平均值用作电容器剩余寿命预测模型的输入量,同理,对于构建模型所使用的电容器样本数据也可以通过类似的预处理方法,统计该电容器从投入使用时间到被淘汰的这个时间段内的电流数据、环境温度与环境湿度,分别通过均值计算,取电流样本数据、温度样本数据以及湿度样本数据的平均值进行模型构建。
步骤104、根据电容器的设备信息,将设备运行数据和设备环境数据代入电容器剩余寿命预测模型,以通过电容器剩余寿命预测模型的运算得到电容器的剩余寿命预测值。
接着,根据需要进行剩余寿命预测的在运电容器,将这些电容的A相电流数据I、所有市内调度大楼温度P、所有市内调度大楼湿度Q和总投入时长t 输入到构建的电容器剩余寿命预测模型中,通过模型的运算即可得到时间更新的预测电容器剩余寿命。
假设待预测的电容器为品牌A的电容器,可以利用与品牌A对应的电容器剩余寿命预测模型,对系统内品牌A的在运电容器进行预测,若最近一次更换时间为2022.2.10,到当前时间的A相电流数据的平均值为315A、所有市内调度大楼温度的平均值为23度、所有市内调度大楼湿度的平均值为63%和总投入时长为2895小时输入到模型中,即可得到预测电容器剩余寿命。
本实施例提供的电容器剩余寿命预测方法,根据电容器样本的设备信息、设备运行样本数据和设备环境样本数据,通过最小二乘法以及多项式回归算法进行拟合,建立包含设备信息、设备运行样本数据、设备环境样本数与电容器剩余寿命的关系特征,形成电容器剩余寿命预测模型,然后,获取待预测的电容器的设备信息、设备运行数据和设备环境数据,代入电容器剩余寿命预测模型,以通过该预测模型的运算得到电容器的剩余寿命预测值,本实施例提供的预测方法考虑了负荷、温度、湿度、总投入时长等较多因素,在进行多维度拟合的同时,能更准确预测电容器剩余寿命。
以上内容便是本申请提供的一种电容器剩余寿命预测方法实施例的详细说明,下面为本申请提供的一种电容器剩余寿命预测装置实施例的详细说明,具体如下:
请参阅图2,本实施例提供了一种电容器剩余寿命预测装置,包括:
预测模型构建单元201,用于根据预设的电容器样本数据,通过最小二乘法以及多项式回归算法对电容器样本数据进行拟合处理,构建电容器剩余寿命预测模型,其中,电容器样本数据包括:多个电容器样本的设备信息、设备运行样本数据、设备环境样本数据和设备寿命数据;
预测数据获取单元202,用于获取待预测的电容器的设备信息、设备运行数据和设备环境数据;
数据预处理单元203,用于对设备运行数据和设备环境数据进行预处理;
剩余寿命预测单元204,用于根据电容器的设备信息,将设备运行数据和设备环境数据代入电容器剩余寿命预测模型,以通过电容器剩余寿命预测模型的运算得到电容器的剩余寿命预测值。
进一步地,设备运行数据包括:设备投入时间和电流数据;
设备环境数据包括:环境温度与环境湿度。
进一步地,预测模型构建单元201具体用于:
根据预设的电容器样本数据,根据不同电容器样本的设备信息,对电容器样本数据进行分类;
通过最小二乘法以及多项式回归算法对设备信息相同的电容器样本数据进行拟合处理,得到设备信息对应的回归曲线以及多项式系数,以根据回归曲线以及多项式系数,构建设备信息对应的电容器剩余寿命预测模型。
进一步地,电容器剩余寿命预测模型的表达式具体为:
;
式中,T为电容器剩余寿命的预测值,a、b、c、d、e均为多项式系数,I为电容器的电流数据,P为电容器的环境温度,Q为电容器的环境湿度,t为电容器的设备投入时间。
进一步地,预处理单元203具体用于:
根据电容器的设备投入时间,统计设备投入时间到当前时间的时间段内的电流数据、环境温度与环境湿度;
通过均值计算,分别计算出电流数据平均值、环境温度平均值与环境湿度平均值,以便于将设备投入时间、电流数据平均值、环境温度平均值与环境湿度平均值用作电容器剩余寿命预测模型的输入量。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的终端,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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,以便这里描述的本申请的实施例,例如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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (6)
1.一种电容器剩余寿命预测方法,其特征在于,包括:
根据预设的电容器样本数据,根据不同电容器样本的设备信息,对所述电容器样本数据进行分类;
通过最小二乘法以及多项式回归算法对设备信息相同的电容器样本数据进行拟合处理,得到所述设备信息对应的回归曲线以及多项式系数,以根据所述回归曲线以及多项式系数,构建所述设备信息对应的电容器剩余寿命预测模型,其中,所述电容器样本数据包括:多个电容器样本的设备信息、设备运行样本数据、设备环境样本数据和设备寿命数据;
所述电容器剩余寿命预测模型的表达式具体为:
;
式中,T为电容器剩余寿命的预测值,a、b、c、d、e均为所述多项式系数,I为电容器的电流数据,P为电容器的环境温度,Q为电容器的环境湿度,t为电容器的设备投入时间;
获取待预测的电容器的设备信息、设备运行数据和设备环境数据;
对所述设备运行数据和设备环境数据进行预处理;
根据所述电容器的设备信息,将所述设备运行数据和所述设备环境数据代入所述电容器剩余寿命预测模型,以通过所述电容器剩余寿命预测模型的运算得到所述电容器的剩余寿命预测值。
2.根据权利要求1所述的一种电容器剩余寿命预测方法,其特征在于,所述设备运行数据包括:设备投入时间和电流数据;
所述设备环境数据包括:环境温度与环境湿度。
3.根据权利要求2所述的一种电容器剩余寿命预测方法,其特征在于,对所述设备运行数据和设备环境数据进行预处理具体包括:
根据所述电容器的设备投入时间,统计所述电容器自开始投入到当前时间的时间段内的电流数据、环境温度与环境湿度;
通过均值计算,分别计算出电流数据平均值、环境温度平均值与环境湿度平均值,以便于将所述设备投入时间、所述电流数据平均值、所述环境温度平均值与所述环境湿度平均值用作所述电容器剩余寿命预测模型的输入量。
4.一种电容器剩余寿命预测装置,其特征在于,包括:
预测模型构建单元,用于根据预设的电容器样本数据,根据不同电容器样本的设备信息,对所述电容器样本数据进行分类,通过最小二乘法以及多项式回归算法对设备信息相同的电容器样本数据进行拟合处理,得到所述设备信息对应的回归曲线以及多项式系数,以根据所述回归曲线以及多项式系数,构建所述设备信息对应的电容器剩余寿命预测模型,其中,所述电容器样本数据包括:多个电容器样本的设备信息、设备运行样本数据、设备环境样本数据和设备寿命数据;
所述电容器剩余寿命预测模型的表达式具体为:
;
式中,T为电容器剩余寿命的预测值,a、b、c、d、e均为所述多项式系数,I为电容器的电流数据,P为电容器的环境温度,Q为电容器的环境湿度,t为电容器的设备投入时间;
预测数据获取单元,用于获取待预测的电容器的设备信息、设备运行数据和设备环境数据;
数据预处理单元,用于对所述设备运行数据和设备环境数据进行预处理;
剩余寿命预测单元,用于根据所述电容器的设备信息,将所述设备运行数据和所述设备环境数据代入所述电容器剩余寿命预测模型,以通过所述电容器剩余寿命预测模型的运算得到所述电容器的剩余寿命预测值。
5.根据权利要求4所述的一种电容器剩余寿命预测装置,其特征在于,所述设备运行数据包括:设备投入时间和电流数据;
所述设备环境数据包括:环境温度与环境湿度。
6.根据权利要求5所述的一种电容器剩余寿命预测装置,其特征在于,所述预处理单元具体用于:
根据所述电容器的设备投入时间,统计所述设备投入时间到当前时间的时间段内的电流数据、环境温度与环境湿度;
通过均值计算,分别计算出电流数据平均值、环境温度平均值与环境湿度平均值,以便于将所述设备投入时间、所述电流数据平均值、所述环境温度平均值与所述环境湿度平均值用作所述电容器剩余寿命预测模型的输入量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310729710.7A CN116484653B (zh) | 2023-06-20 | 2023-06-20 | 一种电容器剩余寿命预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310729710.7A CN116484653B (zh) | 2023-06-20 | 2023-06-20 | 一种电容器剩余寿命预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116484653A CN116484653A (zh) | 2023-07-25 |
CN116484653B true CN116484653B (zh) | 2024-02-09 |
Family
ID=87223567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310729710.7A Active CN116484653B (zh) | 2023-06-20 | 2023-06-20 | 一种电容器剩余寿命预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116484653B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116822383A (zh) * | 2023-08-31 | 2023-09-29 | 成都态坦测试科技有限公司 | 设备寿命预测模型构建方法、装置、可读存储介质及设备 |
CN117169636B (zh) * | 2023-09-28 | 2024-04-23 | 南京星梵电子科技有限公司 | 一种智能化耐高温铝电解电容器环境检测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006284294A (ja) * | 2005-03-31 | 2006-10-19 | Kansai Electric Power Co Inc:The | 電解コンデンサの劣化診断装置および劣化診断方法 |
CN102590660A (zh) * | 2012-01-31 | 2012-07-18 | 中国航天标准化研究所 | 评价电容器工作寿命的方法 |
JP2012205392A (ja) * | 2011-03-25 | 2012-10-22 | Toshiba Schneider Inverter Corp | インバータ装置及び電解コンデンサの寿命時間推定方法 |
CN108008201A (zh) * | 2017-11-21 | 2018-05-08 | 新疆金风科技股份有限公司 | 电容器剩余寿命的预测方法及装置 |
CN112698130A (zh) * | 2020-12-11 | 2021-04-23 | 西安交通大学 | 基于任务剖面的金属化膜电容器加速寿命试验装置及方法 |
CN114970749A (zh) * | 2022-06-17 | 2022-08-30 | 中南大学 | 用于获取电容器特征参数的方法、设备及可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017221096A1 (de) * | 2017-11-24 | 2019-05-29 | Ziehl-Abegg Se | Verfahren und Bewertungseinheit zum Ermitteln der Restlebensdauer eines Kondensators sowie System |
-
2023
- 2023-06-20 CN CN202310729710.7A patent/CN116484653B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006284294A (ja) * | 2005-03-31 | 2006-10-19 | Kansai Electric Power Co Inc:The | 電解コンデンサの劣化診断装置および劣化診断方法 |
JP2012205392A (ja) * | 2011-03-25 | 2012-10-22 | Toshiba Schneider Inverter Corp | インバータ装置及び電解コンデンサの寿命時間推定方法 |
CN102590660A (zh) * | 2012-01-31 | 2012-07-18 | 中国航天标准化研究所 | 评价电容器工作寿命的方法 |
CN108008201A (zh) * | 2017-11-21 | 2018-05-08 | 新疆金风科技股份有限公司 | 电容器剩余寿命的预测方法及装置 |
CN112698130A (zh) * | 2020-12-11 | 2021-04-23 | 西安交通大学 | 基于任务剖面的金属化膜电容器加速寿命试验装置及方法 |
CN114970749A (zh) * | 2022-06-17 | 2022-08-30 | 中南大学 | 用于获取电容器特征参数的方法、设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
高温高湿条件下薄膜电容器的寿命预测;李征;李化;林福昌;邱天;陈麒任;刘毅;张钦;王燕;;电力电容器与无功补偿(第04期) * |
Also Published As
Publication number | Publication date |
---|---|
CN116484653A (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116484653B (zh) | 一种电容器剩余寿命预测方法及装置 | |
CN111368890A (zh) | 故障检测方法及装置、信息物理融合系统 | |
JP7279266B2 (ja) | 時系列データを保存および照会するための方法および装置、並びにそれらのサーバーおよび記憶媒体 | |
CN105825298B (zh) | 一种基于负荷特性预估的电网计量预警系统及方法 | |
CN108020781B (zh) | 一种断路器故障诊断方法 | |
CN112433907B (zh) | 不间断电源的主机运行参量数据的处理方法、装置和电子装置 | |
CN116298906B (zh) | 电池容量的预测模型训练方法、预测方法、装置及介质 | |
CN114290960B (zh) | 获取动力电池的电池健康度的方法、装置和车辆 | |
CN106845728B (zh) | 一种电力变压器缺陷的预测方法及装置 | |
CN116660759B (zh) | 基于bms电池管理系统的电池寿命预测方法及装置 | |
CN114460529A (zh) | 一种电能表误差在线评估方法、装置、设备及存储介质 | |
CN117332215A (zh) | 一种高低压配电柜异常故障信息远程监测系统 | |
CN115713038A (zh) | 一种基于深度循环神经网络的配用电故障检测方法及系统 | |
CN117851908B (zh) | 一种改进的在线低压台区电能表失准监测方法及装置 | |
CN116794510A (zh) | 故障预测方法、装置、计算机设备和存储介质 | |
CN117312611A (zh) | 一种电力故障快速定位及诊断方法及相关装置 | |
CN117117780A (zh) | 基于变电站一二次信息融合的断路器防拒动方法及系统 | |
CN115834407A (zh) | 一种充换电站管理平台设计方法及装置 | |
Farahani et al. | Implementing a scalable data management system for collected data by smart meters | |
CN115665590B (zh) | 基于eSIM卡和5G通信的物联网数据采集系统及方法 | |
CN114189456B (zh) | 物联网设备的在线状态预测方法、装置及电子设备 | |
CN115412567B (zh) | 一种基于时间序列预测的云平台存储容量规划系统及方法 | |
CN116454908B (zh) | 一种电容器组投切次数统计方法及装置 | |
CN110297145B (zh) | 一种基于多用户电能量数据深度分析的电压暂降检测方法 | |
CN117453977A (zh) | 一种计量设备运行状态展示方法、装置、存储介质及设备 |
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 |