CN116643091A - 基于多维时序特征的换流变阀侧套管在线绝缘监测方法 - Google Patents

基于多维时序特征的换流变阀侧套管在线绝缘监测方法 Download PDF

Info

Publication number
CN116643091A
CN116643091A CN202310594482.7A CN202310594482A CN116643091A CN 116643091 A CN116643091 A CN 116643091A CN 202310594482 A CN202310594482 A CN 202310594482A CN 116643091 A CN116643091 A CN 116643091A
Authority
CN
China
Prior art keywords
sequence
sleeve
time sequence
matrix
valve side
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
Application number
CN202310594482.7A
Other languages
English (en)
Inventor
陈庆
冯鑫
焦洋
周磊
李红斌
贺家慧
吴传奇
陈俊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
Huazhong University of Science and Technology
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology, Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical Huazhong University of Science and Technology
Priority to CN202310594482.7A priority Critical patent/CN116643091A/zh
Publication of CN116643091A publication Critical patent/CN116643091A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
    • G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
    • G01R27/26—Measuring inductance or capacitance; Measuring quality factor, e.g. by using the resonance method; Measuring loss factor; Measuring dielectric constants ; Measuring impedance or related variables
    • G01R27/2605—Measuring capacitance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
    • G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
    • G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
    • G01R27/26—Measuring inductance or capacitance; Measuring quality factor, e.g. by using the resonance method; Measuring loss factor; Measuring dielectric constants ; Measuring impedance or related variables
    • G01R27/2688—Measuring quality factor or dielectric loss, e.g. loss angle, or power factor
    • G01R27/2694—Measuring dielectric loss, e.g. loss angle, loss factor or power factor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2131—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on a transform domain processing, e.g. wavelet transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2123/00—Data types
    • G06F2123/02—Data types in the time domain, e.g. time-series data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Measurement Of Resistance Or Impedance (AREA)

Abstract

本发明公开了一种基于多维时序特征的换流变阀侧套管在线绝缘监测方法，属于容性设备在线监测技术领域。本发明通过对换流变阀侧套管进行离线试验获得多次谐波电阻与直流电阻的映射关系；在同步采集套管的泄漏电流及电压信号的同时，利用该映射关系计算出时序电阻、多次谐波电容、多次谐波介损作为绝缘特征参量，进而算出同一批次套管间各对应时序绝缘特征参量间的相关系数；利用所有套管间的相关系数形成序列并正态化处理后获得评估序列，找出其中异常值的位置并标记，同时生成并更新评估器，最后通过评估器的结果准确定位异常套管。如此，本发明利用大批量套管间的多绝缘特征参量的互相监督，实现了对绝缘劣化导致的异常状态的高灵敏度在线监测。

Description

基于多维时序特征的换流变阀侧套管在线绝缘监测方法
技术领域
本发明属于容性设备在线监测技术领域，更具体地，涉及一种基于多维时序特征的换流变阀侧套管在线绝缘监测方法。
背景技术
相比于交流输电系统，特高压直流输电(HVDC)因具有成本低，功耗小且更稳定的优点逐步成为未来电力系统发展的方向。特高压直流输电一般是以“交直交”的方式进行的，该种方式下交直流系统相互依存，耦合关系密切。在交流电和直流电变换的过程中，换流变压器是连接换流站和逆变站的核心设备，而换流变压器阀侧套管作为换流变压器的核心部件，其起着导电连接、绝缘隔离和机械连接的作用，其绝缘状态指标直接影响着整个直流输电系统的安全和稳定。
换流变压器阀侧套管由于其特殊的职能，其处于交流系统与直流系统连接的地方，因此其同时承受交、直流电压，导致套管的绝缘状态更容易劣化，而套管的绝缘状态劣化往往是一个缓慢积攒最后呈现爆发式故障的过程，因此只有对其进行在线监测，及时发现其异常对其进行检修才能最大限度保证套管绝缘状态稳定。但是目前对换流变压器阀侧套管的绝缘状态在线监测方式较少，较为成熟的仅有套管内部气体压力监测及阀侧套管末屏分压监测两种方式，且两者对初期故障的反映灵敏度较低。
在中国发明专利CN 112305319 A中有人提出了一种基于测量其电压电流幅值及相位从而计算出介损值，并根据预先设定的规则分类及预先设定的阈值对套管的绝缘状态进行直接评估的方法，该方法具有一定的有效性，但事实上套管通常处于高直流电压且伴有多次谐波电压的工作环境，其电压电流的相位信息获取十分困难，且获取的精度并不高，导致在套管介损值本身就很小的情况下，严重影响了评估的可靠性，且简单的设定阈值进行对比，通常也只能识别超过接受范围内的绝缘劣化，无法在劣化早期发现问题并进行检修。
发明内容
针对现有技术的缺陷和改进需求，本发明提供了一种基于多维时序特征的换流变阀侧套管在线绝缘监测方法，旨在解决现有监测方法灵敏度低、可靠性差的技术问题。
为实现上述目的，第一方面，本发明提供了一种基于多维时序特征的换流变阀侧套管在线绝缘监测方法，包括：
S1、通过离线试验，获取待监测的换流变压器阀侧套管i的k次谐波电阻与直流电阻之间的映射关系，i＝1,…,N，N为套管总数；
S2、测量套管i的泄漏电流信号Ii(t)以及套管i两端的电压信号Ui(t)，并对每一个步长内的泄漏电流信号Ii(t)及电压信号Ui(t)做傅里叶分析，以获得套管i的第r个步长内的k次谐波的电压幅值U(k)(r)(i)及电流幅值I(k)(r)(i)；
S3、根据电压幅值U(k)(r)(i)、电流幅值I(k)(r)(i)以及所述映射关系，计算套管i的第r个步长内的直流电阻R(0)(r)(i)、k次谐波下的等效电容C(k)(r)(i)以及k次谐波下的介质损耗因数tanδ(k)(r)(i)，并分别构建时序直流电阻矩阵、时序k次谐波电容矩阵以及时序k次谐波介损矩阵；其中，三个矩阵的行均表示第r个步长，列均表示第i只套管；
S4、对任意套管i和j，分别计算三个矩阵的列向量之间的相关系数，并通过加权计算套管i和j之间的相关系数corr(i)(j)，利用N只套管间的相关系数形成序列P；对序列P进行正态变换后获得评估序列P1，并确定评估序列P1的上下限；
S5、生成评估器COUNT并初始化，遍历评估序列P1中各元素，若某一元素超出评估序列P1的上限或下限，则该元素对应的两只套管的计数加一；
S6、判定最终评估器中元素为R对应的套管为正常套管，其余为异常套管；其中，R为评估器中最小的数。
进一步地，所述S3中，根据电压幅值U(k)(r)(i)、电流幅值I(k)(r)(i)以及所述映射关系，计算套管i的第r个步长内的直流电阻R(0)(r)(i)、k次谐波下的等效电容C(k)(r)(i)以及k次谐波下的介质损耗因数tanδ(k)(r)(i)，具体为：
其中，R(k)(r)(i)＝f(i)(k)(R(0)(r)(i))，f(i)(k)表示套管i的k次谐波电阻与直流电阻之间的映射关系，ωk表示k次谐波的角频率。
进一步地，所述S3中，时序直流电阻矩阵、时序k次谐波电容矩阵以及时序k次谐波介损矩阵，分别表示为：
时序直流电阻矩阵：
时序k次谐波电容矩阵：
时序k次谐波介损矩阵：
其中，s为总步长数。
进一步地，所述S4中，三个矩阵的列向量之间的相关系数分别为：
其中，cR0(i,j)表示矩阵R(0)中第i列和第j列间的相关系数，表示矩阵R(0)中第i列元素的平均值；cCk(i,j)表示矩阵C(k)中第i列和第j列间的相关系数，表示矩阵C(k)中第i列元素的平均值；ctanδk(i,j)表示矩阵tanδ(k)中第i列和第j列间的相关系数，表示矩阵tanδ(k)中第i列元素的平均值。
进一步地，所述S4中，序列P表示为：
P＝[corr(1)(2),corr(1)(3),…,corr(1)(N),corr(2)(3),…,corr(2)(N),…,corr(N-1)(N)]。
进一步地，所述S4中，对序列P进行正态变换后获得评估序列P1，具体为：
对序列P进行Box-Cox变换获得评估序列P1：
其中，P1(t)表示序列P1中第t个元素，P(t)表示序列P中第t个元素，λ的取值依数据的分散程度从[-1,1]中取值。
进一步地，所述S4中，评估序列P1的上限Max和下线Min分别为：
Max＝Q3+1.5(Q3-Q1)
Min＝Q1-1.5(Q3-Q1)
其中，Q3和Q1分别为评估序列P1的上四分位点和下四分位点。
进一步地，所述S5中，初始化评估器COUNT＝[0,0,0,…,0]，其中，COUNT中包含N个元素，且与N只套管一一对应。
第二方面，本发明提供了一种基于多维时序特征的换流变阀侧套管在线绝缘监测系统，包括：计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行如第一方面所述的基于多维时序特征的换流变阀侧套管在线绝缘监测方法。
总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：
(1)本发明通过对换流变阀侧套管进行离线试验获得多次谐波电阻与直流电阻的映射关系；在同步采集套管的泄漏电流及电压信号的同时，利用该映射关系计算出时序电阻、多次谐波电容、多次谐波介损作为绝缘特征参量，进而算出同一批次套管间各对应时序绝缘特征参量间的相关系数；利用所有套管间的相关系数形成序列并正态化处理后获得评估序列，找出其中异常值的位置并标记，同时生成并更新评估器，最后通过评估器的结果准确定位异常套管。如此，本发明综合考虑直流电阻、多次谐波电容及多次谐波介损，利用大批量套管间的多绝缘特征参量的互相监督，实现在线的互相监测，极大的提高了对绝缘劣化时绝缘特征参量发现变化的敏感性，能够在早期发现绝缘劣化并进行检修。
(2)本发明可以在不测量泄漏电流相位及母线电压相位的情况下，计算出阀侧套管的各绝缘特征参量，极大的简化了各绝缘特征参量获取的过程并且该方法比利用相位计算具有更高的可靠性。
附图说明
图1为本发明实施例提供的一种基于多维时序特征的换流变阀侧套管在线绝缘监测方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
在本发明中，本发明及附图中的术语“第一”、“第二”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。
参阅图1，本发明提供了一种基于多维时序特征的换流变阀侧套管在线绝缘监测方法，分为离线阶段和在线阶段，离线阶段包括操作S1，在线阶段包括操作S2至S6。
操作S1，通过离线试验，获取待监测的换流变压器阀侧套管i的k次谐波电阻与直流电阻之间的映射关系，i＝1,…,N，N为套管总数。
本实施例中，首先对拟监测的换流变压器阀侧套管按预先设定的规则进行分类，并进行编号。其中，预先设定的规则包括：额定电压相同、套管工作时承受的电压波形相同或相似、生产厂家相同、投入使用时间相同或相近。对符合同一类别的套管，划分为一类，并进行编号。
需要说明的是，本实施例所描述的绝缘监测方法，是以一种类别的套管为例，其他类别同理执行操作S1至S6即可。
任意套管i的k次谐波电阻与直流电阻的映射关系通过离线试验获取，可以表示为R(k)(r)(i)＝f(i)(k)(R(0)(r)(i))。
操作S2，测量套管i的泄漏电流信号Ii(t)以及套管i两端的电压信号Ui(t)，并对每一个步长内的泄漏电流信号Ii(t)及电压信号Ui(t)做傅里叶分析，以获得套管i的第r个步长内的k次谐波的电压幅值U(k)(r)(i)及电流幅值I(k)(r)(i)。
具体的，操作S2包括子操作S21至S23。
在子操作S21中，采用电流传感器实时在线测量任意套管i的泄漏电流信号Ii(t)，同时用电压互感器在线测量任意套管i两端的电压信号Ui(t)。
在子操作S22中，以L作为信号频段长度，取总步长数为s；其中，L取决于观测谐波的最高次数，s依照实际工程需求确定。
在子操作S23中，对每一个步长内的泄漏电流信号Ii(t)及电压信号Ui(t)做傅里叶分析，获得套管i的第r个步长内的k次谐波的电压幅值U(k)(r)(i)及电流幅值I(k)(r)(i)。
操作S3，根据电压幅值U(k)(r)(i)、电流幅值I(k)(r)(i)以及所述映射关系，计算套管i的第r个步长内的直流电阻R(0)(r)(i)、k次谐波下的等效电容C(k)(r)(i)以及k次谐波下的介质损耗因数tanδ(k)(r)(i)，并分别构建时序直流电阻矩阵、时序k次谐波电容矩阵以及时序k次谐波介损矩阵；其中，三个矩阵的行均表示第r个步长，列均表示第i只套管。
其中，套管i的第r个步长内的直流电阻R(0)(r)(i)、k次谐波下的等效电容C(k)(r)(i)以及k次谐波下的介质损耗因数tanδ(k)(r)(i)，分别表示为：
式中，ωk表示k次谐波的角频率。
进一步地，时序直流电阻矩阵、时序k次谐波电容矩阵以及时序k次谐波介损矩阵，分别表示为：
时序直流电阻矩阵：
时序k次谐波电容矩阵：
时序k次谐波介损矩阵：
式中，s为总步长数。
操作S4，对任意套管i和j，分别计算三个矩阵的列向量之间的相关系数，并通过加权计算套管i和j之间的相关系数corr(i)(j)，利用N只套管间的相关系数形成序列P；对序列P进行正态变换后获得评估序列P1，并确定评估序列P1的上下限。
具体的，操作S4包括子操作S41至S45。
在子操作S41中，计算三个矩阵的列向量之间的相关系数，分别为：
式中，cR0(i,j)表示矩阵R(0)中第i列和第j列间的相关系数，表示矩阵R(0)中第i列元素的平均值；cCk(i,j)表示矩阵C(k)中第i列和第j列间的相关系数，表示矩阵C(k)中第i列元素的平均值；ctanδk(i,j)表示矩阵tanδ(k)中第i列和第j列间的相关系数，表示矩阵tanδ(k)中第i列元素的平均值。
在子操作S42中，通过加权计算套管i和j之间的相关系数corr(i)(j)：
式中，w0、wCk、wtanδk为权重系数，K表示k的取值集合。
在子操作S43中，利用各套管间的相关系数形成相关系数矩阵corr；取矩阵corr的下三角矩阵，去掉对角线上的数据后，将矩阵拉直，形成序列P＝[corr(1)(2),corr(1)(3),…,corr(1)(N),corr(2)(3),…,corr(2)(N),…,corr(N-1)(N)]。
在子操作S44中，对序列P进行Box-Cox变换获得评估序列P1：
式中，P1(t)表示序列P1中第t个元素，P(t)表示序列P中第t个元素，λ的取值依数据的分散程度从[-1,1]中取值。
在子操作S45中，计算评估序列P1的上限Max和下线Min，分别为：
Max＝Q3+1.5(Q3-Q1)
Min＝Q1-1.5(Q3-Q1)
式中，Q3和Q1分别为评估序列P1的上四分位点和下四分位点。
操作S5，生成评估器COUNT并初始化，遍历评估序列P1中各元素，若某一元素超出评估序列P1的上限或下限，则该元素对应的两只套管的计数加一。
具体的，初始化评估器COUNT＝[0,0,0,…,0]，其中，COUNT中包含N个元素，且与N只套管一一对应。遍历评估序列P1，如果第t个元素超出了上下限，则标记对应序列P中第t个元素，并确定对应的两只套管，从而将评估器COUNT中对应的两个元素值加一。
操作S6，判定最终评估器中元素为R对应的套管为正常套管，其余为异常套管；其中，R为评估器中最小的数。
具体的，首先要找出评估器中最小的数R，判定最终评估器中元素为R对应的套管为正常套管，其余为异常套管，应尽快进行离线检修。
下面结合示例对本发明作进一步说明，一种基于多维时序特征的换流变阀侧套管在线绝缘监测方法的具体步骤如下：
步骤1、根据阀侧套管铭牌信息，将10只800kv电压等级，生产厂家为ABB公司，投入使用时间均为3年左右的换流变压器阀侧套管分为一组，编号为1～10。
离线测量其工频及三次谐波下电阻与直流电阻的映射关系，其中：
R(1)(i)＝0.9R(0)(i)
R(3)(i)＝0.85R(0)(i)
步骤2、在线测量1～10号阀侧套管泄漏电流幅值及两端电压幅值，传感器采样频率为10kHz，取步长为10k个点，总步长数为10，做傅里叶分析，提取k次谐波分量幅值，并记录在10*10的矩阵中，列坐标代表第i只套管，行坐标代表第r个步长：
步骤3、利用步骤2中的数据及步骤1中的映射关系，计算出任意第i只套管第r个步长内的直流电阻，基波及三次谐波下的电容和介质损耗因数，并记录在10*10的矩阵中，列坐标代表第i只套管，行坐标代表第r个步长：
步骤S4、计算出10只套管各绝缘特征参量的相关系数：
通过加权计算套管i和j之间的相关系数corr(i)(j)：
在本实施例中，w0＝0.3，相关系数矩阵corr为：
取相关系数矩阵corr的下半三角，去掉对角线后，按顺序加入序列形成序列P：
P＝[0.99110,0.99251,0.98906,…0.99384]
取λ＝0.8按下述公式对序列P进行Box-Cox变换，使其正态化：
得到新的评估序列：
P1＝[-0.20019,-0.20016,-0.20021,…-0.20013]
计算出评估序列P1的上下四分位点分别为：Q3＝-0.20014,Q1＝-0.20026，进一步得出上下限分别为：
Max＝Q3+1.5(Q3-Q1)＝-0.199958
Min＝Q1-1.5(Q3-Q1)＝-0.200454
步骤5、初始化评估器COUNT＝[0,0,0,…,0]，其中，COUNT中包含N个元素，且与N只套管一一对应。遍历评估序列P1，如果第t个元素超出了上下限，则标记对应序列P中第t个元素，并确定对应的两只套管，从而将评估器COUNT中对应的两个元素值加一。
例如P1(6)＝-0.217549<Min，其对应P(6)并对应着corr(1,7)，因此评估器更新为：
COUNT＝[1,0,0,0,0,0,1,0,…,0]
依次类推，直接遍历完毕，评估器最终为：
COUNT＝[1,1,1,1,1,1,9,1,1,1]
步骤6、经评定，评估器中最小的数为1，有9只套管在评估器中对应的元素为1，该9只套管为正常套管，编号为7的套管在评估器中的结果为9，其为异常套管，应立即检修。
综上所述，本发明通过离线时测量的换流变压器阀侧套管k次谐波电阻与直流绝缘电阻的映射关系，可在不需要测量母线电压相位和套管泄漏电流相位的情况下，计算出k次谐波电容及介质损耗因数，且通过大批量套管互相关联，互相监督实现了对绝缘劣化导致的异常状态的高灵敏度在线监测。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于多维时序特征的换流变阀侧套管在线绝缘监测方法，其特征在于，包括：
S1、通过离线试验，获取待监测的换流变压器阀侧套管i的k次谐波电阻与直流电阻之间的映射关系，i＝1,…,N，N为套管总数；
S2、测量套管i的泄漏电流信号Ii(t)以及套管i两端的电压信号Ui(t)，并对每一个步长内的泄漏电流信号Ii(t)及电压信号Ui(t)做傅里叶分析，以获得套管i的第r个步长内的k次谐波的电压幅值U(k)(r)(i)及电流幅值I(k)(r)(i)；
S3、根据电压幅值U(k)(r)(i)、电流幅值I(k)(r)(i)以及所述映射关系，计算套管i的第r个步长内的直流电阻R(0)(r)(i)、k次谐波下的等效电容C(k)(r)(i)以及k次谐波下的介质损耗因数tanδ(k)(r)(i)，并分别构建时序直流电阻矩阵、时序k次谐波电容矩阵以及时序k次谐波介损矩阵；其中，三个矩阵的行均表示第r个步长，列均表示第i只套管；
S4、对任意套管i和j，分别计算三个矩阵的列向量之间的相关系数，并通过加权计算套管i和j之间的相关系数corr(i)(j)，利用N只套管间的相关系数形成序列P；对序列P进行正态变换后获得评估序列P1，并确定评估序列P1的上下限；
S5、生成评估器COUNT并初始化，遍历评估序列P1中各元素，若某一元素超出评估序列P1的上限或下限，则该元素对应的两只套管的计数加一；
S6、判定最终评估器中元素为R对应的套管为正常套管，其余为异常套管；其中，R为评估器中最小的数。
2.根据权利要求1所述的基于多维时序特征的换流变阀侧套管在线绝缘监测方法，其特征在于，所述S3中，根据电压幅值U(k)(r)(i)、电流幅值I(k)(r)(i)以及所述映射关系，计算套管i的第r个步长内的直流电阻R(0)(r)(i)、k次谐波下的等效电容C(k)(r)(i)以及k次谐波下的介质损耗因数tanδ(k)(r)(i)，具体为：
其中，R(k)(r)(i)＝f(i)(k)(R(0)(r)(i))，f(i)(k)表示套管i的k次谐波电阻与直流电阻之间的映射关系，ωk表示k次谐波的角频率。
3.根据权利要求2所述的基于多维时序特征的换流变阀侧套管在线绝缘监测方法，其特征在于，所述S3中，时序直流电阻矩阵、时序k次谐波电容矩阵以及时序k次谐波介损矩阵，分别表示为：
时序直流电阻矩阵：
时序k次谐波电容矩阵：
时序k次谐波介损矩阵：
其中，s为总步长数。
4.根据权利要求3所述的基于多维时序特征的换流变阀侧套管在线绝缘监测方法，其特征在于，所述S4中，三个矩阵的列向量之间的相关系数分别为：
其中，cR0(i,j)表示矩阵R(0)中第i列和第j列间的相关系数，表示矩阵R(0)中第i列元素的平均值；cCk(i,j)表示矩阵C(k)中第i列和第j列间的相关系数，表示矩阵C(k)中第i列元素的平均值；ctanδk(i,j)表示矩阵tanδ(k)中第i列和第j列间的相关系数，表示矩阵tanδ(k)中第i列元素的平均值。
5.根据权利要求1所述的基于多维时序特征的换流变阀侧套管在线绝缘监测方法，其特征在于，所述S4中，序列P表示为：
P＝[corr(1)(2),corr(1)(3),…,corr(1)(N),corr(2)(3),…,corr(2)(N),…,corr(N-1)(N)]。
6.根据权利要求5所述的基于多维时序特征的换流变阀侧套管在线绝缘监测方法，其特征在于，所述S4中，对序列P进行正态变换后获得评估序列P1，具体为：
对序列P进行Box-Cox变换获得评估序列P1：
其中，P1(t)表示序列P1中第t个元素，P(t)表示序列P中第t个元素，λ的取值依数据的分散程度从[-1,1]中取值。
7.根据权利要求6所述的基于多维时序特征的换流变阀侧套管在线绝缘监测方法，其特征在于，所述S4中，评估序列P1的上限Max和下线Min分别为：
Max＝Q3+1.5(Q3-Q1)
Min＝Q1-1.5(Q3-Q1)
其中，Q3和Q1分别为评估序列P1的上四分位点和下四分位点。
8.根据权利要求1所述的基于多维时序特征的换流变阀侧套管在线绝缘监测方法，其特征在于，所述S5中，初始化评估器COUNT＝[0,0,0,…,0]，其中，COUNT中包含N个元素，且与N只套管一一对应。
9.一种基于多维时序特征的换流变阀侧套管在线绝缘监测系统，其特征在于，包括：计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行如权利要求1-8任一项所述的基于多维时序特征的换流变阀侧套管在线绝缘监测方法。
CN202310594482.7A 2023-05-24 2023-05-24 基于多维时序特征的换流变阀侧套管在线绝缘监测方法 Pending CN116643091A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310594482.7A CN116643091A (zh) 2023-05-24 2023-05-24 基于多维时序特征的换流变阀侧套管在线绝缘监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310594482.7A CN116643091A (zh) 2023-05-24 2023-05-24 基于多维时序特征的换流变阀侧套管在线绝缘监测方法

Publications (1)

Publication Number Publication Date
CN116643091A true CN116643091A (zh) 2023-08-25

Family

ID=87619591

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310594482.7A Pending CN116643091A (zh) 2023-05-24 2023-05-24 基于多维时序特征的换流变阀侧套管在线绝缘监测方法

Country Status (1)

Country Link
CN (1) CN116643091A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117434407A (zh) * 2023-12-20 2024-01-23 南京中鑫智电科技有限公司 时频域特征融合的换流变阀侧套管绝缘分析方法及系统
CN117493760A (zh) * 2023-10-23 2024-02-02 华中科技大学 一种面向抗强电磁干扰的泄漏电流数据清洗方法
CN117686861A (zh) * 2024-02-04 2024-03-12 南京中鑫智电科技有限公司 多级参考基准的换流变阀侧套管绝缘状态监测方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117493760A (zh) * 2023-10-23 2024-02-02 华中科技大学 一种面向抗强电磁干扰的泄漏电流数据清洗方法
CN117493760B (zh) * 2023-10-23 2024-05-14 华中科技大学 一种面向抗强电磁干扰的泄漏电流数据清洗方法
CN117434407A (zh) * 2023-12-20 2024-01-23 南京中鑫智电科技有限公司 时频域特征融合的换流变阀侧套管绝缘分析方法及系统
CN117434407B (zh) * 2023-12-20 2024-02-20 南京中鑫智电科技有限公司 时频域特征融合的换流变阀侧套管绝缘分析方法及系统
CN117686861A (zh) * 2024-02-04 2024-03-12 南京中鑫智电科技有限公司 多级参考基准的换流变阀侧套管绝缘状态监测方法及系统
CN117686861B (zh) * 2024-02-04 2024-04-23 南京中鑫智电科技有限公司 多级参考基准的换流变阀侧套管绝缘状态监测方法及系统

Similar Documents

Publication Publication Date Title
CN116643091A (zh) 基于多维时序特征的换流变阀侧套管在线绝缘监测方法
CN106443316B (zh) 一种电力变压器绕组形变状态多信息检测方法及装置
US11402438B2 (en) Intelligent on-line diagnosis and positioning method for winding deformation of power transformers
Jayasinghe et al. Winding movement in power transformers: a comparison of FRA measurement connection methods
Moradzadeh et al. Locating inter-turn faults in transformer windings using isometric feature mapping of frequency response traces
CN102998545B (zh) 一种变压器绕组工作状态的在线监测方法
CN110543730B (zh) 一种变压器绕组变形故障判定方法
CN112327200B (zh) Dc-ac逆变器电路的健康表征及健康基线构建方法
Tang et al. Detection of minor winding deformation fault in high frequency range for power transformer
CN114113890A (zh) 基于行波模量传输时差的多端融合配电网故障定位方法
CN117748507B (zh) 基于高斯回归模型的配网谐波接入不确定性评估方法
CN105844538A (zh) 一种基于故障严重度的电力电缆风险评估方法
Moradzadeh et al. Early detection of turn-to-turn faults in power transformer winding: an experimental study
CN117233687A (zh) 一种基于历史数据的cvt初始误差评估方法、介质及终端
Nurmanova et al. A new transformer FRA test setup for advanced interpretation and winding short-circuit prediction
CN117554752A (zh) 电力电缆故障在线检测系统及方法
Karimifard et al. Localization of winding radial deformation and determination of deformation extent using vector fitting‐based estimated transfer function
CN112329825B (zh) 基于信息分维及提升决策树的变压器机械故障诊断方法
CN117347916A (zh) 一种基于参数辨识的绕组结构故障定位方法及装置
CN116819382A (zh) 一种基于数字孪生的dc-dc变换器状态监测方法
CN113052249B (zh) 基于支持向量机和电流偏差系数的变压器绕组故障类型识别方法
Kakeeto et al. Experimental investigation of positional accuracy for UHF partial discharge location
CN115329672A (zh) 一种基于改进topsis灰色关联的换流变压器状态可靠性评估方法
Venkataswamy et al. Deformation diagnostic methods for transformer winding through system identification
CN107576259A (zh) 基于特快速暂态过电压特性的变压器绕组变形在线检测方法

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