CN116953381B - 基于恢复-聚合-分解的配电变压器老化故障率评估方法 - Google Patents
基于恢复-聚合-分解的配电变压器老化故障率评估方法 Download PDFInfo
- Publication number
- CN116953381B CN116953381B CN202310311451.6A CN202310311451A CN116953381B CN 116953381 B CN116953381 B CN 116953381B CN 202310311451 A CN202310311451 A CN 202310311451A CN 116953381 B CN116953381 B CN 116953381B
- Authority
- CN
- China
- Prior art keywords
- distribution transformer
- distribution
- aging
- representing
- load
- 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
- 230000032683 aging Effects 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 24
- 238000003064 k means clustering Methods 0.000 claims abstract description 8
- 238000009847 ladle furnace Methods 0.000 claims description 45
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000015556 catabolic process Effects 0.000 claims description 15
- 238000006731 degradation reaction Methods 0.000 claims description 15
- 238000006116 polymerization reaction Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000009413 insulation Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 7
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 6
- 239000001301 oxygen Substances 0.000 claims description 6
- 229910052760 oxygen Inorganic materials 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001816 cooling Methods 0.000 claims description 3
- 239000007789 gas Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000004804 winding Methods 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 abstract description 6
- 238000004220 aggregation Methods 0.000 abstract description 6
- 238000011084 recovery Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 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
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明涉及配电变压器技术领域,具体涉及基于恢复‑聚合‑分解的配电变压器老化故障率评估方法。本方法使用了一种数据恢复后先聚合再分解的方式,计算各配电变压器的老化故障率;并且,在进行聚类时,使用将欧几里得距离变换为加权欧几里得距离的K‑means聚类方法,再结合经典的二参数威布尔模型来评估不同配电变压器群体的平均老化故障率,可以保证群体平均老化故障率的准确性。之后,引入基于聚合度的分解函数来量化组内个体的相对老化程度,并推导组内每个个体配电变压器的老化故障率概率值。通过这样的方式,能够非常准确的获得个体配电变压器的老化故障率参数,在现实中具有很大的实用性,为配电变压器的资产管理提供更为可靠的依据。
Description
技术领域
本发明属于配电变压器技术领域,尤其涉及一种基于恢复-聚合-分解的配电变压器老化故障率评估方法。
背景技术
配电变压器是配电网络中根据电磁感应定律变换交流电压和电流而传输交流电能的一种关键配电设备。随着运行时间增长,配电变压器绝缘会发生不可逆退化,使得它们很容易发生老化故障。配电变压器老化故障率是指处于正常工作状态的配电变压器在运行规定时间之后,由于发生不可逆老化失效故障而使其丧失规定功能的设备所占的比例。对于一个中等城市,可能有数千甚至上万个配电变压器。由于配电变压器在确保配电网安全可靠运行方面起着至关重要的作用,因此,动态监测和评估配电变压器老化故障率水平对于配电网以可靠性为中心的维护和更换策略是十分必要的。
由于配电网馈线上有大量的配电变压器,几乎不可能为所有配电变压器配备先进的传感器以收集与他们老化程度相关的诊断数据,如油色谱、介电损耗、局部放电和频率响应数据。换言之,很难应用传统的数据密集型方法,包括比例风险模型、隐马尔可夫模型和基于健康指数的模型来评估个体配电变压器的老化故障率。这使得基于资产年龄的威布尔分布模型被广泛用于配电变压器的老化故障率评估。然而,该模型仅使用年龄作为单一输入变量,这导致了具有不同老化程度的配电变压器在相同年龄下具有相同的老化故障率。在某些情况下,这样的老化故障率评估结果可能会严重偏离现实。
因此,如何准确评估的具有不同老化程度的配电变压器的老化故障率参数,提高对于配电变压器状态评估的准确性,是目前本领域技术人员亟待解决的技术问题。
发明内容
针对上述现有技术的不足,本发明提供了一种基于恢复-聚合-分解的配电变压器老化故障率评估方法,能够准确评估的具有不同老化程度的配电变压器的老化故障率参数,提高对于配电变压器状态评估的准确性。
为了解决上述技术问题,本发明采用了如下的技术方案:
基于恢复-聚合-分解的配电变压器老化故障率评估方法,包括以下步骤:
S1、获取各配电变压器的历史工况数据,并计算各配电变压器的DP值并构建对应的DP退化序列,并结合预设的技术寿命阈值构建配电变压器老化失效数据;
S2、通过预设的聚类方法,对S1中的配电变压器进行聚类,得到分组后的配电变压器群体;所述预设的聚类方法为,将欧几里得距离变换为加权欧几里得距离的K-means聚类方法;
S3、对于S2得到的各配电变压器群体,使用S1得到的各配电变压器的老化失效数据,拟合得到各配电变压器群体的两参数威布尔模型参数,获得各配电变压器群体的平均老化故障率曲线;
S4、对于各配电变压器群体,构建分解函数,计算配电变压器群体内各配电变压器在t时刻的相对老化值;并通过配电变压器群体的平均老化故障率曲线得到配电变压器群体在t时刻的平均老化故障率;再将配电变压器在t时刻的相对老化值乘以对应配电变压器群体在t时刻的平均老化故障率,计算配电变压器在t时刻的老化故障率,作为个体配电变压器的老化故障率参数;
S5、使用S4得到的老化故障率参数,进行个体配电变压器的状态评估。
优选地,S1包括:
S11、获取配电变压器绝缘纸热点温度数据、绝缘纸含水率数据及氧气水平,并获取负荷、环境温度和相对湿度数据的时间序列数据;通过预设的聚合度分析公式计算各配电变压器的DP值;
S12、判断各配电变压器退役时的DP值是否达到预设的技术寿命阈值,若达到则按时间顺序构建其DP退化序列,若未达到则将其分类为提前退役的配电变压器;
S13、对于提前退役的配电变压器,通过拉丁超立方抽样技术预估预设未来时长内的负荷、环境温度、相对湿度数据;再通过预设的聚合度分析公式计算提前退役的各配电变压器的DP值,并按时间顺序构建对应的DP退化序列;
S14、基于S12及S13获得的各配电变压器的DP退化序列,将各配电变压器DP值为预设的技术寿命阈值的时间点匹配出来,得到各配电变压器的技术寿命,从而构建配电变压器老化失效数据。
优选地,S13中,对于提前退役的配电变压器,通过拉丁超立方抽样技术预估预设未来时长内的负荷的过程如下:
1)根据各配电变压器历史数据计算的每日平均负荷率:
LF=[LF1,LF2,...,LF23,LF24];
式中,LF1表示第一小时的变压器负荷率;
2)从电力公司收集配电变压器的预期年负载增长率ψ;
式中,ψ1表示第一年预期的负载增长率、表示未来的年数;
3)生成[0,1]范围内的随机数向量,所述随机数向量包含24个元素,对应一天中的24小时;对于模拟年中任一天,生成24个正态分布随机变量N(LFw·(1+ψq),LFw·(1+ψq)·SD%);式中,SD%表示误差百分比;N表示正态分布;LFw表示第w小时的变压器负荷率、ψq表示第q年预期的负载增长率;
4)基于相应正态分布的面积划分和逆变换,随机抽样q年每小时的负荷率;
5)重复2)-4),生成未来各年逐小时的负荷数据;
6)获取5)得到的技术寿命内的负荷;
并通过相同的方法,生成各台提前退役的配电变压器技术寿命内的环境温度和相对湿度数据。
优选地,所述聚合度分析公式为:
式中:DP表示聚合度分析值;t表示运行时间;k表示迭代阶段;A表示配电变压器所处环境的影响因子;R表示摩尔气体常数;T表示配电变压器绕组的最热点温度;Ea表示老化反应的活化能,可在实验室中进行测定;
其中,影响因子A的计算式为:
式中:ξ1、ξ2、ξ3以及ξ4由配电变压器内部含氧量和绝缘纸纸张类型决定;ωk,paper表示绝缘纸水分含量;ωk,paper的计算式为:
χ(k)=0.405·θtu,k 0.097;
式中:ωk,oil表示第k次迭代时配电变压器绝缘油中的水分含量;θtu,k表示第k次迭代时配电变压器绝缘油中的配电变压器顶油温度;RHk表示第k次迭代时配电变压器绝缘油中的环境相对湿度;χ为中间变量;
配电变压器绝缘纸热点温度T的计算式为:
Tk=θtu,k+Δθh,k=θae,k+Δθtu,k+Δθh,k;
式中,θtu,k表示第k次迭代时配电变压器绝缘油中的配电变压器顶油温度;Δθtu,r表示额定负载下的顶部油温升;θae,k表示第k次迭代时配电变压器的环境温度;Δθh,r表示额定负载下的最热点温升;LFk是迭代k中的负载比,通过对应的负荷计算获得;R是额定负载下的负载损耗与零负载下的损耗之比,σ1和σ2为预设的恒定配电变压器参数。
优选地,S2包括:
S21、构建各配电变压器的特征向量;
S22、集合各配电变压器的特征向量,得到对应的特征矩阵;
S23、计算特征矩阵中各特征的权重,并将矩阵中各配电变压器的各项特征的数值分别乘以对应的权重,得到对应的特征得分,再将各配电变压器的各特征的特征得分相加得到各配电变压器的综合得分;
S24、将各配电变压器的综合得分进行聚类,得到分组后的配电变压器群体。
优选地,S21中,配电变压器的特征向量FV为:
式中,Vc表示电压等级、Ac表示可用容量和、Cs表示冷却系统;Es表示电力公司对供应商产品质量的评估分数;Inl表示DT调试前的空载电流、P0表示DT调试前的空载损耗;Zsi表示短路阻抗、Pd表示短路损耗、Ωgr表示接地电阻;AQFLF为负载比的绝对量特征、VALT为负载比的方差特征、TFLT为负荷率的趋势特征;AQFAT为环境温度的绝对量特征、VAAT为环境温度的方差特征、TFAT为环境温度的趋势特征;AQFRH为相对湿度的绝对量特征、VARH为相对湿度的方差特征、TFRH为相对湿度的趋势特征;
其中,负载比的绝对量特征AQFLF的计算式为:
式中,S表示抽样总次数、Ws表示每次抽样的模拟年数、LFs,w表示第s次抽样中第w年的负载率;
负载比的方差特征VALT的计算式为:
负荷率的趋势特征TFLT的计算式为:
优选地,S22中,所述特征矩阵为:
其中,在矩阵x中,元素xm,n表示第m个配电变压器的第n个特征的初始值,M为矩阵中配电变压器的数量、N为单个配电变压器的特征数量;
S23包括:
S231、利用如下公式,对特征矩阵中的各项特征进行标准化处理:
其中,Xm,n表示第m个配电变压器的第n个特征的归一化值;
S232、通过如下公式,计算特征矩阵中各特征的权重ewn:
式中,hn表示第n个特征的熵值;且ewn的和等于1,n=1,2,…,N;
hn的计算式为:
式中,fm,n表示第n个特征下第m个配电变压器的贡献;
S233、将矩阵中各配电变压器的各项特征的数值分别乘以对应的权重,得到对应的特征得分,再将各配电变压器的各特征的特征得分相加得到各配电变压器的综合得分。
S3中,所述两参数威布尔分布的群体老化故障率模型为:
式中,其中,α和β分别是威布尔尺度和形状参数,通过对恢复的组内老化失效数据进行极大似然估计分析来估计,且不同的配电变压器群体有不同的α和β取值;λ为平均老化故障率;t为变压器运行时间。
优选地,S4中,配电变压器群体c内的配电变压器Tm的相对老化值的计算式为:
式中,是t时刻配电变压器Tm相对配电变压器群体c的相对老化程度,Qc,per为描述配电变压器的完美状态的DP值;/>表示时间t时组c中所有配电变压器的平均DP值;/>表示时间t时配电变压器Tm的DP值;Gc表示配电变压器群体c包含的变压器个数;表示配电变压器群体c内第i个变压器的DP值。
优选地,S4中,通过以下公式计算配电变压器群体c中的配电变压器Tnew在时刻t时的老化故障率λnew(t):
式中,αc和βc是配电变压器群体c的威布尔参数估计值;表示表示时间t时组c中所有配电变压器的平均DP值、/>表示配电变压器群体c中的配电变压器Tnew在时刻t时的DP值、Qc,per表示配电变压器的完美状态的DP值。
本发明与现有技术相比,具有如下有益效果:
与现有技术相比,本方法使用了一种先聚合再分解的方式,计算各配电变压器的老化故障率;并且,在进行聚类时,使用将欧几里得距离变换为加权欧几里得距离的K-means聚类方法,再结合经典的二参数威布尔模型来评估不同配电变压器群体的平均老化故障率,可以保证群体平均老化故障率的准确性。之后,引入基于聚合度的分解函数来量化组内个体的相对老化程度,并推导组内每个个体配电变压器的老化故障率概率值。通过这样的方式,能够非常准确的获得个体配电变压器的老化故障率参数,在现实中具有很大的实用性,为配电变压器的资产管理提供更为可靠的依据。
综上,本方法能够准确评估的具有不同老化程度的配电变压器的老化故障率参数,提高对于配电变压器状态评估的准确性。
2、本方法在构建配电变压器老化失效数据时,会先分析其是否达到预设的技术寿命阈值进行分类,之后再构建对应的老化失效数据,这样的方法,可以保证使用数据的完整性和有效性,并且对于那些提前报废的配电变压器,同样能够准确的评估其状态。
3、对配电变压器进行聚类分组时,本发明使用将欧几里得距离变换为加权欧几里得距离的K-means聚类方法,可以尽可能的减少噪音,使分组的结果更加准确,保证分组的有效性。
附图说明
为了使发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为实施例中的流程图;
图2为实施例的示例中配电变压器恢复后的老化失效寿命示意图;
图3为实施例的示例中分组后各变压器组的平均老化故障率曲线示意图;
图4为实施例的示例中配电变压器老化故障率评估结果示意图。
具体实施方式
下面通过具体实施方式进一步详细的说明:
实施例:
如图1所示,本实施例中公开了一种基于恢复-聚合-分解的配电变压器老化故障率评估方法,包括以下步骤:
S1、获取各配电变压器的历史工况数据,并计算各配电变压器的DP值并构建对应的DP退化序列,并结合预设的技术寿命阈值构建配电变压器老化失效数据。本实施例中,预设的技术寿命阈值为200。
具体实施时,S1包括:
S11、获取配电变压器绝缘纸热点温度数据、绝缘纸含水率数据及氧气水平,并获取负荷、环境温度和相对湿度数据的时间序列数据;通过预设的聚合度分析公式计算各配电变压器的DP值。
其中,所述聚合度分析公式为:
式中:DP表示聚合度分析值;t表示运行时间;k表示迭代阶段;A表示配电变压器所处环境的影响因子;R表示摩尔气体常数;T表示配电变压器绕组的最热点温度;Ea表示老化反应的活化能,可在实验室中进行测定;
其中,影响因子A的计算式为:
式中:ξ1、ξ2、ξ3以及ξ4由配电变压器内部含氧量和绝缘纸纸张类型决定;ωk,paper表示绝缘纸水分含量;ωk,paper的计算式为:
χ(k)=0.405·θtu,k 0.097;
式中:ωk,oil表示第k次迭代时配电变压器绝缘油中的水分含量;θtu,k表示第k次迭代时配电变压器绝缘油中的配电变压器顶油温度;RHk表示第k次迭代时配电变压器绝缘油中的环境相对湿度;χ表示中间变量;
配电变压器绝缘纸热点温度T的计算式为:
Tk=θtu,k+Δθh,k=θae,k+Δθtu,k+Δθh,k;
式中,θtu,k表示第k次迭代时配电变压器绝缘油中的配电变压器顶油温度;Δθtu,r表示额定负载下的顶部油温升;θae,k表示第k次迭代时配电变压器的环境温度;Δθh,r表示额定负载下的最热点温升;LFk是迭代k中的负载比,通过对应的负荷计算获得;R是额定负载下的负载损耗与零负载下的损耗之比,σ1和σ2为预设的恒定配电变压器参数。
S12、判断各配电变压器退役时的DP值是否达到预设的技术寿命阈值,若达到则按时间顺序构建其DP退化序列,若未达到则将其分类为提前退役的配电变压器;
S13、对于提前退役的配电变压器,通过拉丁超立方抽样技术预估预设未来时长内的负荷、环境温度、相对湿度数据;通过预设的聚合度分析公式计算提前退役的各配电变压器的DP值,并按时间顺序构建对应的DP退化序列;
对于提前退役的配电变压器,通过拉丁超立方抽样技术预估预设未来时长内的负荷的过程如下:
1)根据各配电变压器历史数据计算的每日平均负荷率:
LF=[LF1,LF2,...,LF23,LF24];
式中,LF1表示第一小时的变压器负荷率;
2)从电力公司收集配电变压器的预期年负载增长率ψ;
式中,ψ1表示第一年预期的负载增长率、表示未来的年数;
3)生成[0,1]范围内的随机数向量,所述随机数向量包含24个元素,对应一天中的24小时;对于模拟年中任一天,生成24个正态分布随机变量N(LFw·(1+ψq),LFw·(1+ψq)·SD%);式中,SD%表示误差百分比;N表示正态分布;LFw表示第w小时的变压器负荷率、ψq表示第q年预期的负载增长率;
4)基于相应正态分布的面积划分和逆变换,随机抽样q年每小时的负荷率;
5)重复2)-4),生成未来各年逐小时的负荷数据;
6)获取5)得到的技术寿命内的负荷;
并通过相同的方法,生成各台提前退役的配电变压器技术寿命内的环境温度和相对湿度数据。
S14、基于S12及S13获得的各配电变压器的DP退化序列,将各配电变压器DP值为预设的技术寿命阈值的时间点匹配出来,得到各配电变压器的技术寿命,从而构建配电变压器老化失效数据。
S2、通过预设的聚类方法,对S1中的配电变压器进行聚类,得到分组后的配电变压器群体;所述预设的聚类方法为,将欧几里得距离变换为加权欧几里得距离的K-means聚类方法。
具体实施时,S2包括:
S21、构建各配电变压器的特征向量FV;
式中,Vc表示电压等级、Ac表示可用容量和、Cs表示冷却系统;Es表示电力公司对供应商产品质量的评估分数;Inl表示DT调试前的空载电流、P0表示DT调试前的空载损耗;Zsi表示短路阻抗、Pd表示短路损耗、Ωgr表示接地电阻;AQFLF为负载比的绝对量特征、VALT为负载比的方差特征、TFLT为负荷率的趋势特征;AQFAT为环境温度的绝对量特征、VAAT为环境温度的方差特征、TFAT为环境温度的趋势特征;AQFRH为相对湿度的绝对量特征、VARH为相对湿度的方差特征、TFRH为相对湿度的趋势特征;
其中,负载比的绝对量特征AQFLF的计算式为:
式中,S表示抽样总次数、Ws表示每次抽样的模拟年数、LFs,w表示第s次抽样中第w年的负载率;
负载比的方差特征VALT的计算式为:
负荷率的趋势特征TFLT的计算式为:
S22、集合各配电变压器的特征向量,得到对应的特征矩阵;
所述特征矩阵为:
其中,在矩阵x中,元素xm,n表示第m个配电变压器的第n个特征的初始值,M为矩阵中配电变压器的数量、N为单个配电变压器的特征数量;
S23、计算特征矩阵中各特征的权重,并将矩阵中各配电变压器的各项特征的数值分别乘以对应的权重,得到对应的特征得分,再将各配电变压器的各特征的特征得分相加得到各配电变压器的综合得分;S23包括:
S231、利用如下公式,对特征矩阵中的各项特征进行标准化处理:
其中,Xm,n表示第m个配电变压器的第n个特征的归一化值;
S232、通过如下公式,计算特征矩阵中各特征的权重ewn:
式中,hn表示第n个特征的熵值;且ewn的和等于1,n=1,2,…,N;
hn的计算式为:
式中,fm,n表示第n个特征下第m个配电变压器的贡献;
S233、将矩阵中各配电变压器的各项特征的数值分别乘以对应的权重,得到对应的特征得分,再将各配电变压器的各特征的特征得分相加得到各配电变压器的综合得分。
S24、将各配电变压器的综合得分进行聚类,得到分组后的配电变压器群体。
S3、对于S2得到的各配电变压器群体,使用S1得到的各配电变压器的老化失效数据,拟合得到各配电变压器群体的两参数威布尔模型参数,获得各配电变压器群体的平均老化故障率曲线。
其中,所述两参数威布尔分布的群体老化故障率模型为:
式中,其中,α和β分别是威布尔尺度和形状参数,通过对恢复的组内老化失效数据进行极大似然估计分析来估计,且不同的配电变压器群体有不同的α和β取值;λ为平均老化故障率;t为变压器运行时间。
S4、对于各配电变压器群体,构建分解函数,计算配电变压器群体内各配电变压器在t时刻的相对老化值;并通过配电变压器群体的平均老化故障率曲线得到配电变压器群体在t时刻的平均老化故障率;再将配电变压器在t时刻的相对老化值乘以对应配电变压器群体在t时刻的平均老化故障率,计算配电变压器在t时刻的老化故障率,作为个体配电变压器的老化故障率参数。
具体实施时,配电变压器群体c内的配电变压器Tm的相对老化值的计算式为:
式中,是t时刻配电变压器Tm相对配电变压器群体c的相对老化程度,Qc,per为描述配电变压器的完美状态的DP值;/>表示时间t时组c中所有配电变压器的平均DP值;/>表示时间t时配电变压器Tm的DP值;Gc表示配电变压器群体c包含的变压器个数;表示配电变压器群体c内第i个变压器的DP值。
通过以下公式计算配电变压器群体c中的配电变压器Tnew在时刻t时的老化故障率λnew(t):
式中,αc和βc是配电变压器群体c的威布尔参数估计值;表示表示时间t时组c中所有配电变压器的平均DP值、/>表示配电变压器群体c中的配电变压器Tnew在时刻t时的DP值、Qc,per表示配电变压器的完美状态的DP值。
S5、使用S4得到的老化故障率参数,进行个体配电变压器的状态评估。
为便于本领域技术人员更好的理解本发明,通过以下具体的实验示例进行说明。
将本方法应用与某电网集团某型号实际变压器群体,用于评估个体变压器的不可用率,具体执行过程如下:
从变压器台账管理系统、当地气象中心等平台导出该变压器群体的资产管理数据、运行工况数据以及环境气象数据。
本发明利用提出的基于聚合度分析与拉丁超立方抽样的变压器技术寿命还原方法确定每一台变压器的技术寿命概率分布,从而形成老化失效数据集。以两台变压器T3及T4为例,估计的结果分别如下子图2所示。
采用本方法中的聚类方法对收集的变压器群体进行聚类,并基于提出的方法计算各组对应的威布尔模型参数。此外,未了便于比较,还提供了不分组下的威布尔参数估计结果。具体如表1所示:
表1各组威布尔分布参数估计结果
基于表1结果,可以得到各组的老化故障率曲线,如图3所示。从图3中可以看出,所有组的平均老化故障率在20年后逐渐增加。这一观察结果表明,20年后,不可修复的老化失效将成为配电变压器不可靠的一个不可避免的因素,这与工程中的实际发现一致。此外,不同组的老化故障率曲线有明显的差异,证明了变压器分组的必要性。
以配电变压器T3和T4为例,基于提出的个体配电变压器老化故障率评估方法计算年龄45岁时候的老化故障率。
如图4所示,45岁时T3和T4的相对老化程度不是固定值,而是通过概率分布来描述的。图4显示,45岁时T3的相对老化程度在1.065和1.212之间,而T4的相对老化度在0.670到0.942之间。此外,在45岁时,T3的老化故障率大于第2组的平均老化故障率。具体而言,在45岁时,T3和T4的老化故障率分别在0.153和0.173、0.096和0.135次/年之间。原因在于T3的相对老化程度高于该年龄段的平均老化程度,因此其老化故障率较高。相比之下,T4的老化故障率小于平均老化故障率。
与现有技术相比,本方法使用了一种先聚合再分解的方式,计算各配电变压器的老化故障率;并且,在进行聚类时,使用将欧几里得距离变换为加权欧几里得距离的K-means聚类方法,再结合经典的二参数威布尔模型来评估不同配电变压器群体的平均老化故障率,可以保证群体平均老化故障率的准确性。之后,引入基于聚合度的分解函数来量化组内个体的相对老化程度,并推导组内每个个体配电变压器的老化故障率概率值。通过这样的方式,能够非常准确的获得个体配电变压器的老化故障率参数,在现实中具有很大的实用性,为配电变压器的资产管理提供更为可靠的依据。并且,本方法在构建配电变压器老化失效数据时,会先分析其是否达到预设的技术寿命阈值进行分类,之后再构建对应的老化失效数据,这样的方法,可以保证使用数据的完整性和有效性,并且对于那些提前报废的配电变压器,同样能够准确的评估其状态。除此,对配电变压器进行聚类分组时,本发明使用将欧几里得距离变换为加权欧几里得距离的K-means聚类方法,可以尽可能的减少噪音,使分组的结果更加准确,保证分组的有效性。综上,本方法能够准确评估的具有不同老化程度的配电变压器的老化故障率参数,提高对于配电变压器状态评估的准确性。
最后需要说明的是,以上实施例仅用以说明本发明的技术方案而非限制技术方案,本领域的普通技术人员应当理解,那些对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.基于恢复-聚合-分解的配电变压器老化故障率评估方法,其特征在于,包括以下步骤:
S1、获取各配电变压器的历史工况数据,并计算各配电变压器的DP值并构建对应的DP退化序列,并结合预设的技术寿命阈值构建配电变压器老化失效数据;
S2、通过预设的聚类方法,对S1中的配电变压器进行聚类,得到分组后的配电变压器群体;所述预设的聚类方法为,将欧几里得距离变换为加权欧几里得距离的K-means聚类方法;
S3、对于S2得到的各配电变压器群体,使用S1得到的各配电变压器的老化失效数据,拟合得到各配电变压器群体的两参数威布尔模型参数,获得各配电变压器群体的平均老化故障率曲线;
S4、对于各配电变压器群体,构建分解函数,计算配电变压器群体内各配电变压器在t时刻的相对老化值;并通过配电变压器群体的平均老化故障率曲线得到配电变压器群体在t时刻的平均老化故障率;再将配电变压器在t时刻的相对老化值乘以对应配电变压器群体在t时刻的平均老化故障率,计算配电变压器在t时刻的老化故障率,作为个体配电变压器的老化故障率参数;
S5、使用S4得到的老化故障率参数,进行个体配电变压器的状态评估;
其中,S4中,配电变压器群体c内的配电变压器Tm的相对老化值的计算式为:
式中,是t时刻配电变压器Tm相对配电变压器群体c的相对老化程度,Qc,per为描述配电变压器的完美状态的DP值;/>表示时间t时组c中所有配电变压器的平均DP值;表示时间t时配电变压器Tm的DP值;Gc表示配电变压器群体c包含的变压器个数;/>表示配电变压器群体c内第i个变压器的DP值;
通过以下公式计算配电变压器群体c中的配电变压器Tnew在时刻t时的老化故障率λnew(t):
式中,αc和βc是配电变压器群体c的威布尔参数估计值;表示时间t时组c中所有配电变压器的平均DP值、/>表示配电变压器群体c中的配电变压器Tnew在时刻t时的DP值、Qc,per表示配电变压器的完美状态的DP值。
2.如权利要求1所述的基于恢复-聚合-分解的配电变压器老化故障率评估方法,其特征在于:S1包括:
S11、获取配电变压器绝缘纸热点温度数据、绝缘纸含水率数据及氧气水平,并获取负荷、环境温度和相对湿度数据的时间序列数据;通过预设的聚合度分析公式计算各配电变压器的DP值;
S12、判断各配电变压器退役时的DP值是否达到预设的技术寿命阈值,若达到则按时间顺序构建其DP退化序列,若未达到则将其分类为提前退役的配电变压器;
S13、对于提前退役的配电变压器,通过拉丁超立方抽样技术预估预设未来时长内的负荷、环境温度、相对湿度数据;再通过预设的聚合度分析公式计算提前退役的各配电变压器的DP值,并按时间顺序构建对应的DP退化序列;
S14、基于S12及S13获得的各配电变压器的DP退化序列,将各配电变压器DP值为预设的技术寿命阈值的时间点匹配出来,得到各配电变压器的技术寿命,从而构建配电变压器老化失效数据。
3.如权利要求2所述的基于恢复-聚合-分解的配电变压器老化故障率评估方法,其特征在于:S13中,对于提前退役的配电变压器,通过拉丁超立方抽样技术预估预设未来时长内的负荷的过程如下:
1)根据各配电变压器历史数据计算的每日平均负荷率:
LF=[LF1,LF2,...,LF23,LF24];
式中,LF1表示第一小时的变压器负荷率;
2)从电力公司收集配电变压器的预期年负载增长率ψ;
式中,ψ1表示第一年预期的负载增长率、表示未来的年数;
3)生成[0,1]范围内的随机数向量,所述随机数向量包含24个元素,对应一天中的24小时;对于模拟年中任一天,生成24个正态分布随机变量N(LFw·(1+ψq),LFw·(1+ψq)·SD%);式中,SD%表示误差百分比;N表示正态分布;LFw表示第w小时的变压器负荷率、ψq表示第q年预期的负载增长率;
4)基于相应正态分布的面积划分和逆变换,随机抽样q年每小时的负荷率;
5)重复2)-4),生成未来各年逐小时的负荷数据;
6)获取5)得到的技术寿命内的负荷;
并通过相同的方法,生成各台提前退役的配电变压器技术寿命内的环境温度和相对湿度数据。
4.如权利要求3所述的基于恢复-聚合-分解的配电变压器老化故障率评估方法,其特征在于:所述聚合度分析公式为:
式中:DP表示聚合度分析值;t表示运行时间;k表示迭代阶段;A表示配电变压器所处环境的影响因子;R表示摩尔气体常数;T表示配电变压器绕组的最热点温度;Ea表示老化反应的活化能;
其中,影响因子A的计算式为:
式中:ξ1、ξ2、ξ3以及ξ4由配电变压器内部含氧量和绝缘纸纸张类型决定;ωk,paper表示绝缘纸水分含量;ωk,paper的计算式为:
χ(k)=0.405·θtu,k 0.097;
式中:ωk,oil表示第k次迭代时配电变压器绝缘油中的水分含量;θtu,k表示第k次迭代时配电变压器绝缘油中的配电变压器顶油温度;RHk表示第k次迭代时配电变压器绝缘油中的环境相对湿度;χ为中间变量;
配电变压器绝缘纸热点温度T的计算式为:
Tk=θtu,k+Δθh,k=θae,k+Δθtu,k+Δθh,k;
式中,θtu,k表示第k次迭代时配电变压器绝缘油中的配电变压器顶油温度;Δθtu,r表示额定负载下的顶部油温升;θae,k表示第k次迭代时配电变压器的环境温度;Δθh,r表示额定负载下的最热点温升;LFk是迭代k中的负载比,通过对应的负荷计算获得;R是额定负载下的负载损耗与零负载下的损耗之比,σ1和σ2为预设的恒定配电变压器参数。
5.如权利要求1所述的基于恢复-聚合-分解的配电变压器老化故障率评估方法,其特征在于:S2包括:
S21、构建各配电变压器的特征向量;
S22、集合各配电变压器的特征向量,得到对应的特征矩阵;
S23、计算特征矩阵中各特征的权重,并将矩阵中各配电变压器的各项特征的数值分别乘以对应的权重,得到对应的特征得分,再将各配电变压器的各特征的特征得分相加得到各配电变压器的综合得分;
S24、将各配电变压器的综合得分进行聚类,得到分组后的配电变压器群体。
6.如权利要求5所述的基于恢复-聚合-分解的配电变压器老化故障率评估方法,其特征在于:S21中,配电变压器的特征向量FV为:
式中,Vc表示电压等级、Ac表示可用容量和、Cs表示冷却系统;Es表示电力公司对供应商产品质量的评估分数;Inl表示DT调试前的空载电流、P0表示DT调试前的空载损耗;Zsi表示短路阻抗、Pd表示短路损耗、Ωgr表示接地电阻;AQFLF为负载比的绝对量特征、VALT为负载比的方差特征、TFLT为负荷率的趋势特征;AQFAT为环境温度的绝对量特征、VAAT为环境温度的方差特征、TFAT为环境温度的趋势特征;AQFRH为相对湿度的绝对量特征、VARH为相对湿度的方差特征、TFRH为相对湿度的趋势特征;
其中,负载比的绝对量特征AQFLF的计算式为:
式中,S表示抽样总次数、Ws表示每次抽样的模拟年数、LFs,w表示第s次抽样中第w年的负载率;
负载比的方差特征VALT的计算式为:
负荷率的趋势特征TFLT的计算式为:
7.如权利要求6所述的基于恢复-聚合-分解的配电变压器老化故障率评估方法,其特征在于:S22中,所述特征矩阵为:
其中,在矩阵x中,元素xm,n表示第m个配电变压器的第n个特征的初始值,M为矩阵中配电变压器的数量、N为单个配电变压器的特征数量;
S23包括:
S231、利用如下公式,对特征矩阵中的各项特征进行标准化处理:
其中,Xm,n表示第m个配电变压器的第n个特征的归一化值;
S232、通过如下公式,计算特征矩阵中各特征的权重ewn:
式中,hn表示第n个特征的熵值;且ewn的和等于1,n=1,2,…,N;
hn的计算式为:
式中,fm,n表示第n个特征下第m个配电变压器的贡献;
S233、将矩阵中各配电变压器的各项特征的数值分别乘以对应的权重,得到对应的特征得分,再将各配电变压器的各特征的特征得分相加得到各配电变压器的综合得分。
8.如权利要求7所述的基于恢复-聚合-分解的配电变压器老化故障率评估方法,其特征在于:所述两参数威布尔模型参数的群体老化故障率模型为:
式中,其中,α和β分别是威布尔尺度和形状参数,通过对恢复的组内老化失效数据进行极大似然估计分析来估计,且不同的配电变压器群体有不同的α和β取值;λ为平均老化故障率;t为变压器运行时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310311451.6A CN116953381B (zh) | 2023-03-27 | 2023-03-27 | 基于恢复-聚合-分解的配电变压器老化故障率评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310311451.6A CN116953381B (zh) | 2023-03-27 | 2023-03-27 | 基于恢复-聚合-分解的配电变压器老化故障率评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116953381A CN116953381A (zh) | 2023-10-27 |
CN116953381B true CN116953381B (zh) | 2024-03-08 |
Family
ID=88448079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310311451.6A Active CN116953381B (zh) | 2023-03-27 | 2023-03-27 | 基于恢复-聚合-分解的配电变压器老化故障率评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116953381B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109239546A (zh) * | 2018-08-28 | 2019-01-18 | 西南交通大学 | 一种变压器绝缘寿命预测与可靠性评估方法 |
CN114460445A (zh) * | 2022-02-17 | 2022-05-10 | 重庆大学 | 考虑老化阈值与寿命的变压器老化不可用率评估方法 |
CN115713019A (zh) * | 2022-11-09 | 2023-02-24 | 华北电力大学(保定) | 电力变压器二维单分区绕组稳态温升计算方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668164A (zh) * | 2020-12-18 | 2021-04-16 | 武汉大学 | 诱导有序加权证据推理的变压器故障诊断方法及系统 |
-
2023
- 2023-03-27 CN CN202310311451.6A patent/CN116953381B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109239546A (zh) * | 2018-08-28 | 2019-01-18 | 西南交通大学 | 一种变压器绝缘寿命预测与可靠性评估方法 |
CN114460445A (zh) * | 2022-02-17 | 2022-05-10 | 重庆大学 | 考虑老化阈值与寿命的变压器老化不可用率评估方法 |
CN115713019A (zh) * | 2022-11-09 | 2023-02-24 | 华北电力大学(保定) | 电力变压器二维单分区绕组稳态温升计算方法和装置 |
Non-Patent Citations (4)
Title |
---|
Adaptive Power Transformer Lifetime Predictions Through Machine Learning and Uncertainty Modeling in Nuclear Power Plants;Jose Ignacio Aizpurua 等;《 IEEE Transactions on Industrial Electronics》;第66卷(第6期);第4726-4737页 * |
一种优化可靠性与经济性的变压器检修决策方法;袁峻;熊小伏;韦瑞峰;荀羽;李骞;刘松;;南方电网技术(07);第88-94页 * |
基于RBF神经网络的配电变压器不良数据辨识;徐中一;刘远龙;;供用电(06);第95-101页 * |
基于实时运行数据挖掘的配电变压器状态评估;谢成;曹张洁;温典;金涌涛;;浙江电力(第08期);第4-9页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116953381A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114460445B (zh) | 考虑老化阈值与寿命的变压器老化不可用率评估方法 | |
CN104020401B (zh) | 基于云模型理论的变压器绝缘热老化状态的评估方法 | |
CN117421687B (zh) | 一种数字化电力环网柜运行状态监测方法 | |
CN105372531A (zh) | 基于Weibull分布模型的变压器绝缘热老化参数相关性计算方法 | |
CN108460486A (zh) | 一种基于改进聚类算法和神经网络的电压偏差预测方法 | |
CN108919755B (zh) | 一种基于多块非线性交叉关系模型的分布式故障检测方法 | |
JP2011185880A (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 | |
CN112288147B (zh) | 一种BP-Adaboost强预测器预测发电机定子绝缘状态的方法 | |
CN105403777A (zh) | 一种复合绝缘子老化状态分级及判别方法 | |
CN109711687B (zh) | 一种基于改进熵值法的绝缘子状态模糊评估方法 | |
CN114595883A (zh) | 基于元学习的油浸式变压器剩余寿命个性化动态预测方法 | |
CN103952724B (zh) | 用于铝电解槽况故障诊断的优化权重相对主元分析方法 | |
CN116049686A (zh) | 基于距离度量的铁路直流继电器运行状态评估方法 | |
CN114862229A (zh) | 电能质量评估方法、装置、计算机设备和存储介质 | |
CN102722660B (zh) | 空气击穿电压的预测方法与装置 | |
CN116953381B (zh) | 基于恢复-聚合-分解的配电变压器老化故障率评估方法 | |
CN117077052A (zh) | 一种基于工况识别的干式变压器异常检测方法 | |
CN113298296A (zh) | 一种自下而上的输电变电站日前负荷概率预测方法 | |
CN109784777B (zh) | 基于时序信息片段云相似度度量的电网设备状态评估方法 | |
CN110348489B (zh) | 一种基于自编码网络的变压器局部放电模式识别方法 | |
CN115879048A (zh) | 一种基于wrfmda模型的串联电弧故障识别方法和系统 | |
CN115859594A (zh) | 基于层次分析的变电设备的健康评估算法 | |
CN115659833A (zh) | 基于bp神经网络的电力网络节点脆弱性评估方法 | |
CN113077124B (zh) | 一种电网逾龄设备技改后剩余可使用年限的评估方法 | |
CN112529066B (zh) | 一种基于bas-bp分类器模型的电压暂降源识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |