CN117194914A - 变压器油的状态评估方法、装置及电子设备 - Google Patents
变压器油的状态评估方法、装置及电子设备 Download PDFInfo
- Publication number
- CN117194914A CN117194914A CN202311080551.9A CN202311080551A CN117194914A CN 117194914 A CN117194914 A CN 117194914A CN 202311080551 A CN202311080551 A CN 202311080551A CN 117194914 A CN117194914 A CN 117194914A
- Authority
- CN
- China
- Prior art keywords
- transformer oil
- evaluated
- particle size
- state
- oil
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 28
- 239000002245 particle Substances 0.000 claims abstract description 142
- 238000013210 evaluation model Methods 0.000 claims abstract description 78
- 230000004927 fusion Effects 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000012549 training Methods 0.000 claims abstract description 34
- 238000009826 distribution Methods 0.000 claims description 31
- 238000002835 absorbance Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 16
- 239000003086 colorant Substances 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000002329 infrared spectrum Methods 0.000 claims description 8
- 238000011144 upstream manufacturing Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 5
- 230000000149 penetrating effect Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 239000003921 oil Substances 0.000 description 295
- 230000008569 process Effects 0.000 description 14
- 238000010521 absorption reaction Methods 0.000 description 9
- 239000007788 liquid Substances 0.000 description 9
- 230000032683 aging Effects 0.000 description 8
- 239000012530 fluid Substances 0.000 description 8
- 238000009413 insulation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 125000002915 carbonyl group Chemical group [*:2]C([*:1])=O 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000012535 impurity Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000002253 acid Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 150000001732 carboxylic acid derivatives Chemical class 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002265 electronic spectrum Methods 0.000 description 2
- 230000031700 light absorption Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 239000002244 precipitate Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 239000011347 resin Substances 0.000 description 2
- 229920005989 resin Polymers 0.000 description 2
- 238000001893 rotational spectroscopy Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 238000000624 total reflection X-ray fluorescence spectroscopy Methods 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- KXLUWEYBZBGJRZ-POEOZHCLSA-N Canin Chemical compound O([C@H]12)[C@]1([C@](CC[C@H]1C(=C)C(=O)O[C@@H]11)(C)O)[C@@H]1[C@@]1(C)[C@@H]2O1 KXLUWEYBZBGJRZ-POEOZHCLSA-N 0.000 description 1
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- GPFVKTQSZOQXLY-UHFFFAOYSA-N Chrysartemin A Natural products CC1(O)C2OC2C34OC3(C)CC5C(CC14)OC(=O)C5=C GPFVKTQSZOQXLY-UHFFFAOYSA-N 0.000 description 1
- 238000004566 IR spectroscopy Methods 0.000 description 1
- VVQNEPGJFQJSBK-UHFFFAOYSA-N Methyl methacrylate Chemical compound COC(=O)C(C)=C VVQNEPGJFQJSBK-UHFFFAOYSA-N 0.000 description 1
- 229920005372 Plexiglas® Polymers 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005274 electronic transitions Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002480 mineral oil Substances 0.000 description 1
- 235000010446 mineral oil Nutrition 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
- -1 organic acid carboxylic acid Chemical class 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000001845 vibrational spectrum Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明提供一种变压器油的状态评估方法、装置及电子设备。该方法包括:获取变压器油的状态样本集,基于状态样本集对预设评估模型进行训练,得到目标评估模型;其中,状态样本集包括变压器油的融合参数以及融合参数对应的变压器油的状态;获取待评估变压器油的粘度、颗粒粒度、酸度、颜色值;根据粘度、颗粒粒度、酸度和颜色值,得到待评估变压器油的融合参数;将融合参数输入到目标评估模型中,得到待评估变压器油的状态。本发明能够解决现有技术不能实时评估变压器油状态的问题。
Description
技术领域
本发明涉及电气设备状态检测技术领域,尤其涉及一种变压器油的状态评估方法、装置及电子设备。
背景技术
电力变压器最常见的主绝缘结构为油纸复合绝缘,其中变压器油承担了多种作用,如绝缘作用、散热作用、消弧作用等。变压器油是天然石油中经过蒸馏、精炼而获得的一种矿物油,是石油中的润滑油馏份经酸碱精制处理得到的纯净稳定、粘度小、绝缘性好、冷却性好的液体天然碳氢化合物的混合物。
电力变压器为多油设备,油的占比较高,良好的变压器油是一种浅黄色透明液体,不含沉淀物、机械杂质悬浮物及棉絮状物质。如果其受污染和氧化,并产生树脂和沉淀物,变压器油油质就会劣化,颜色会逐渐变为浅红色,直至变为深褐色的液体。当变压器有故障时,也会使油的颜色发生改变。另外,变压器油可表现为浑浊乳状、油色发黑、发暗。变压器油浑浊乳状,表明油中含有水分。油色发暗,表明变压器油绝缘老化。油色发黑,甚至有焦臭味,表明变压器内部有故障。因此,变压器油的老化程度一定上也是变压器绝缘老化的重要标志。
目前,现有技术对变压器油的老化检测主要采用离线手段,例如在电力变压器例行检修时通过取油阀采集少量油样,然后通过油色谱质检仪等仪器分析变压器油中溶解的气体和微水含量等,从而推断变压器油在电力变压器长期运行中发生的化学反应,并通过绝缘油杯试验来获取变压器油劣化的其他信息。
因此,现有技术不仅不能实时评估变压器油的状态,还会因为长期多次取油对变压器内部的绝缘存在不利影响。
发明内容
本发明实施例提供了一种变压器油的状态评估方法、装置及电子设备,以解决现有技术不能实时评估变压器油状态的问题。
第一方面,本发明实施例提供了一种变压器油的状态评估方法,包括:
获取变压器油的状态样本集,基于状态样本集对预设评估模型进行训练,得到目标评估模型;其中,状态样本集包括变压器油的融合参数以及融合参数对应的变压器油的状态;
获取待评估变压器油的粘度、颗粒粒度、酸度、颜色值;
根据粘度、颗粒粒度、酸度和颜色值,得到待评估变压器油的融合参数;
将融合参数输入到目标评估模型中,得到待评估变压器油的状态。
在一种可能的实现方式中,获取待评估变压器油的颗粒粒度,包括:
采用超声波接收模块接收超声波发送模块发送的穿过待评估变压器油的多种频率的超声波信号,计算每种频率的超声波信号所对应的超声衰减系数,得到多种频率下的超声衰减系数;
将多种频率下的超声衰减系数依次代入预先建立的第一对应关系中,得到待评估变压器油的多种初始颗粒粒度;其中,第一对应关系为超声衰减系数与变压器油的颗粒粒度的对应关系;
计算每种初始颗粒粒度的粒度分布权值,根据每种初始颗粒粒度和每种初始颗粒粒度的粒度分布权值计算待评估变压器油的平均颗粒粒度,并将平均颗粒粒度作为待评估变压器油的颗粒粒度。
在一种可能的实现方式中,计算每种初始颗粒粒度的粒度分布权值,包括:
建立第二对应关系,其中,第二对应关系为超声衰减系数与颗粒粒度的粒度分布权值的对应关系;
将第二对应关系转换为矩阵表达式;
采用反演算法对矩阵表达式进行求解,得到每种初始颗粒粒度的粒度分布权值。
在一种可能的实现方式中,获取待评估变压器油的粘度,包括:
根据计算待评估变压器油的粘度;其中,μ表示待评估变压器油的粘度,v'表示待评估变压器油的流速,z表示上游超声传感器和下游超声传感器之间的距离,Δt表示传播时间差,t1表示顺流中超声波的传播时间,ρ表示待评估变压器油的密度,g'表示重力加速度,P'表示待评估变压器油所在容器的两端压差,L2表示待评估变压器油所在容器的长度,d1表示待评估变压器油所在容器的高度。
在一种可能的实现方式中,获取待评估变压器油的酸度,包括:
将待评估变压器油分为多个标准油样;
采用红外光谱技术获取每个标准油样在预设波长范围内对应的吸光度,得到多个吸光度;
根据确定第三对应关系;其中,所述第三对应关系为变压器油的酸度和吸光度的对应关系;其中,Kx表示第x个标准油样的斜率,ex表示第x个标准油样的截距,Sx表示第x个标准油样的酸度,Ax表示第x个标准油样的吸光度;
将多个吸光度依次代入第三对应关系中,得到多个标准油样的酸度;
计算多个标准油样的酸度平均值,并将平均值作为待评估变压器油的酸度。
在一种可能的实现方式中,获取待评估变压器油的颜色值,包括:
从标准色卡中选取符合预设条件的多种颜色;
将多种颜色按照由浅到深的顺序进行赋值,得到每种颜色对应的颜色值;
将待评估变压器油的颜色与每种颜色进行比对,得到待评估变压器油的颜色对应的目标颜色;
将目标颜色的颜色值作为待评估变压器油的颜色值。
在一种可能的实现方式中,根据粘度、颗粒粒度、酸度和颜色值得到待评估变压器油的融合参数,包括:
根据We=aW1+bW2+cW3+dW4公式,计算待评估变压器油的融合参数;
其中,We表示融合参数,W1表示粘度,W2表示颗粒粒度,W3表示酸度,W4表示颜色值,a、b、c、d分别表示粘度、颗粒粒度、酸度和颜色值的加权系数。
在一种可能的实现方式中,基于状态样本集对预设评估模型进行训练,得到目标评估模型,包括:
将状态样本集分为训练样本集和测试样本集;
获取训练样本集中变压器油的融合参数以及融合参数对应的变压器油的状态;
通过变压器油的融合参数以及融合参数对应的变压器油的状态对预设评估模型进行训练,得到初始评估模型;
基于测试样本集测试初始评估模型的可行性,当初始评估模型的可行性符合预设条件时,将初始评估模型作为目标评估模型。
第二方面,本发明实施例提供了一种变压器油的状态评估装置,包括:
训练模块,用于获取变压器油的状态样本集,基于状态样本集对预设评估模型进行训练,得到目标评估模型;其中,状态样本集包括变压器油的融合参数以及融合参数对应的变压器油的状态;
获取模块,用于获取待评估变压器油的粘度、颗粒粒度、酸度、颜色值;
融合模块,用于根据粘度、颗粒粒度、酸度和颜色值得到待评估变压器油的融合参数;
评估模块,用于将融合参数输入到目标评估模型中,得到待评估变压器油的状态。
第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述的方法的步骤。
本发明实施例提供了一种变压器油的状态评估方法、装置及电子设备,通过获取变压器油的状态样本集,基于状态样本集对预设评估模型进行训练,得到目标评估模型,再通过获取得到的待评估变压器油的粘度、颗粒粒度、酸度和颜色值确定待评估变压器油的融合参数;最后将融合参数输入到目标评估模型中,得到待评估变压器油的状态。
可见,本发明构建了一个用于评估变压器油的目标评估模型,通过将粘度、颗粒粒度、酸度和颜色值四方面融合得到的融合参数输入到目标评估模型中得到变压器油的实时状态。如此,本发明实施例可以先获取变压器油的相关参数,然后将相关参数输入到目标评估模型中,实现对变压器油的状态的实时评估。此外,由于目标评估模型在训练过程中参考了大量的已有数据,因此目标评估模型在实际应用中不仅可以快速得到变压器油的状态,还可以准确得到变压器油的状态。
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是本发明实施例提供的变压器油的状态评估方法的实现流程图;
图2是本发明实施例提供的待评估变压器油的颗粒粒度测量方法的实现流程图;
图3是本发明实施例提供的变压器油的状态评估装置的结构示意图;
图4是本发明实施例提供的变压器油的状态评估系统的结构示意图;
图5是本发明实施例提供的电子设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施例来进行说明。
图1为本发明实施例提供的变压器油的状态评估方法的实现流程图,详述如下:
步骤101,获取变压器油的状态样本集,基于状态样本集对预设评估模型进行训练,得到目标评估模型;其中,状态样本集包括变压器油的融合参数以及融合参数对应的变压器油的状态。
在一些实施例中,状态样本集包括训练样本集和测试样本集。其中,训练样本集用来训练预设评估模型,测试样本集用来测试训练完成的预设评估模型是否可行。
具体的,基于状态样本集对预设评估模型进行训练,得到目标评估模型的过程可以为:
1、将状态样本集分为训练样本集和测试样本集;
2、获取训练样本集中变压器油的融合参数以及融合参数对应的变压器油的状态;
3、通过变压器油的融合参数以及融合参数对应的变压器油的状态对预设评估模型进行训练,得到初始评估模型;
4、基于测试样本集测试初始评估模型的可行性,当初始评估模型的可行性符合预设条件时,将初始评估模型作为目标评估模型。
需要说明的是,预设条件可以为初始评估模型的输出正确率大于第一预设值。在本发明中,并不限定第一预设值的取值,例如,第一预设值可以为90%、95%等。
在一些可能实施例中,变压器油的状态可以划分为良好、轻度老化、中度老化和重度老化。
需要说明的是,状态样本集可以从变压器油的状态数据库中获取。
步骤102,获取待评估变压器油的粘度、颗粒粒度、酸度、颜色值。
下面分别对待评估变压器油的粘度、颗粒粒度、酸度以及颜色值的获取处理过程进行介绍。
(1)待评估变压器油的粘度测量方法:
在一些实施例中,本发明公开了通过超声波流量计获取待评估变压器油的粘度。超声波流量计是一种通过检测流体流动对超声束的作用以测量流量的仪表。
在一些实施例中,在实际应用过程中,可以将两个超声传感器安装在变压器油所在容器的上游和下游。由于超声波在顺流和逆流中的传播速度不同,超声波在顺流和逆流中存在着传播时间差。
因此,可以利用传播时间差、两个超声波传感器之间的距离以及超声波的声速计算待评估变压器油的流速。
具体的,流速的公式如下:
其中,v'表示流速,c表示声速,z表示两传感器之间的距离,d表示仪表系数。
需要说明的是,由于声速在待评估变压器油中可能会因为待评估变压器油的温度而变化,所以为保证流速的准确度,有必要对声速进行修正。
具体的,得到修改后的流速的公式可以为:
其中,t2表示逆流中超声波的传播时间,t1表示顺流中超声波的传播时间。
实际生产中,存在着:流体的粘度越大,流体的流动性越差;流体的粘度越小,流体的流动性越好。可见,流体的流速和粘度是反相关关系。因此,是可以通过流体的流速反推出流体的粘度的。
具体的,在多次实验之后,可以采用以下公式表达待评估变压器油的流速和粘度之间的关系:
其中,μ表示待评估变压器油的粘度,ρ表示待评估变压器油的密度,g'表示重力加速度,P'表示待评估变压器油所在容器的两端压差,L2表示待评估变压器油所在容器的长度,d1表示待评估变压器油所在容器的高度。
需要说明的是,为了更加方便快捷的得到待评估变压器油的粘度,待评估变压器油所在容器可以为圆柱体、长方体等规则形状的容器。
在一些实施例中,还可以使用毛细管粘度计替换超声波流量计测量待评估变压器油的粘度。
在一些实施例中,毛细管粘度计的工作原理是使样品容器(包括流出毛细管)内充满待测样品,且使样本容器处于恒温浴内。打开旋塞,使样品开始流向受液器,同时开始计算时间,到样品液面达到刻度线为止。样品粘度越大,这段时间越长。因此,这段时间直接反映出样品的粘度。
值得一提的是,运动粘度是指在相同温度下,液体的动力粘度与它的密度之比。
在一些实施例中,运动粘度的表达式可以为:
其中,λ表示待评估变压器油的粘度,π表示圆周率,R表示毛细管半径,g表示重力加速度,H表示液柱高度,l表示毛细管长度,V表示时间τ内流出的待评估变压器油的体积,τ表示流出V体积待评估变压器油所需时间。
(2)待评估变压器油的酸度测量方法:
在一些实施例中,光在介质内传播时,介质中的束缚电子在光波电场的作用下作受迫振动,因此光波要消耗能量来激发电子的振动,这些能量一部分又以次波的形式与入射波叠加成折射光波而射出介质,另外,由于与周围原子和分子的相互作用,束缚电子受迫振动的一部分能量将变为其他形式的能量,例如分子热运动能量,这一部分能量损耗就是通常所指的介质对光的吸收。
在一些实施例中,朗伯-比耳定律指出:当一束平行单色光垂直于介质平面进行介质时,光波的透过率随着光程长度或吸收介质浓度的增大按指数规律衰减。
因此,可以根据计算某一介质的吸光度;其中,A表示介质吸光度,T表示透过率,Io表示入射光光强,I表示出射光光强,q表示介质的吸光系数,r表示介质的光程长度,s表示介质的介质浓度。
在一些实施例中,分子的能量可以认为是平动、振动、转动和电子跃迁四种能量的总和。因此,当分子吸收了不同的能量后,所对应的光谱区域也不同。表1给出了分子的光谱区域。
表1分子光谱区域表
辐射区域 | 波长范围(cm) | 波数范围(cm-1) | 光谱类型 |
紫外 | 1×10-6~3.8×10-5 | 1×106~26300 | 电子光谱 |
可见光 | 3.8×10-5~7.8×10-5 | 26300~12800 | 电子光谱 |
红外近红外 | 7.8×10-5~2.5×10-4 | 12800~4000 | 振动光谱的倍频和组合频 |
中红外 | 2.5×10-4~5×10-3 | 4000~200 | 振动、转动光谱 |
远红外 | 5×10-3~1×10-1 | 200~10 | 转动光谱 |
微波 | 1×10-1~1×102 | 10~0.01 | 转动光谱 |
在一些实施例中,由表1可见,红外吸收光谱主要来源于分子振动,同时也因分子转动而产生。当具有一定频率的红外光照射到分子时,如果分子中某化学键或基团的振动频率和红外辐射的频率一样,该化学键或基团会吸收红外线从而增加能量,振动也会加强频率。而组成分子的各种基团通常具有各自的特征吸收峰和特征吸收频率,即每种基团具有一定的吸收频率范围
需要说明的是,油性产品中的酸主要为有机酸羧酸,羧酸由于氢键作用,在油性产品中通常是以二分子缔合的形式存在。通过分析羧酸中的羰基的特征吸收峰范围和吸收强度的关系,可得到羰基的特征吸收峰在1710±10cm-1处时,吸收强度较强。可见,可以选择1710±10cm-1范围内由羰基的强吸收峰作为酸度值定量分析的波数范围。
因此,可以通过测量待评估变压器油的吸光度,分析有机酸即羰基的含量,从而间接得到待评估变压器油的酸度。
具体的,待评估变压器油的酸度的具体计算步骤可以包括:
1、将待评估变压器油分为y个标准油样;
2、采用红外光谱技术获取所有标准油样预设波长范围的吸光度;
3、根据确定第三对应关系;其中,第三对应关系为变压器油的酸度和吸光度的对应关系;其中,Kx表示第x个标准油样的斜率,ex表示第x个标准油样的截距,Sx表示第x个标准油样的酸度,Ax表示第x个标准油样的吸光度;
4、将吸光度代入酸度和吸光度的对应关系中,得到所有标准油样的酸度;
5、计算所有标准油样的酸度平均值,并将平均值作为待评估变压器油的酸度;
在一种可能实施方式中,油样的酸度和吸光度的对应关系可以采用工作曲线法获得。工作曲线法是根据一系列已知酸度的油品标准样和测得特定波数(样品波长)处的吸光度,以酸度为纵坐标,相对应的吸光度为横坐标,得到的油样酸度与吸光度之间的关系曲线。
在一些实施例中,由于变压器油属于油性产品,因此,预设波长范围可以为1710±10cm-1范围。
在一些实施例中,应用到具体应用中,要想得到待评估变压器油的酸度,需要:1、将待评估变压器油分为y份;2、获取y份标准油样在1710±10cm-1范围内的吸光度;3、计算y个吸光度对应的酸度;4、对y个酸度求平均值,得到待评估变压器油的酸度。
在一种可能实施方式中,对多个酸度求平均值可以避免标准油样内部组成差异而引起的酸度差别大的情况发生,从而得到更加准确的酸度值。
(3)待评估变压器油的颗粒粒度测量方法:
步骤201,采用超声波接收模块接收超声波发送模块发送的穿过待评估变压器油的多种频率的超声波信号,计算每种频率的超声波信号所对应的超声衰减系数,得到多种频率下的超声衰减系数。
在一些实施例中,超声波发送模块和超声波接收模块位于待评估变压器油所在容器的两侧,超声波发送模块用于产生可穿透待评估变压器油的超声波信号,超声波接收模块用于接收并输出穿过待评估变压器油的超声波信号。
具体的,不同频率下超声波信号对应的超声衰减系数的计算方法可以为:
1、接收多种频率的穿过标准变压器油的第一超声波信号和穿过待评估变压器油的超声波信号,对第一超声波信号和超声波信号分别进行快速傅里叶变换,得到多种频率下标准变压器油对应的信号幅值A0和待评估变压器油对应的信号幅值A1;
2、根据计算多种频率下穿过待评估变压器油的超声波信号对应的超声衰减系数;
其中,α表示超声衰减系数,L1表示超声波发送模块和超声波接收模块之间的距离,A0表示标准变压器油的超声波信号幅值,A1表示待评估变压器油的超声波信号幅值;
步骤202,将多种频率下的超声衰减系数依次代入预先建立的第一对应关系中,得到待评估变压器油的多种初始颗粒粒度;其中,第一对应关系为超声衰减系数与变压器油的颗粒粒度的对应关系。
在一些实施例中,第一对应关系可以为:
其中,α表示超声衰减系数,D表示颗粒粒度,β表示超声波的声压级,φ表示体积浓度,P表示超声波接收模块的接收声压值,P0表示超声波发送模块的声压值,L表示从超声波发送模块到超声波接收模块的传播路径长度,Kext表示消声频率系数,f表示超声波信号的频率。
在一种可能实施方式中,第一对应关系不仅可以表示超声衰减系数与变压器油的颗粒粒度的对应关系,还可以表示超声衰减系数和变压器油的体积浓度的对应关系。
需要说明的是,一种频率和一个超声衰减系数可以用来共同确定一种初始颗粒粒度。因此,在确定颗粒粒度的过程中,超声波的频率是一个不可或缺的因素。
步骤203,计算每种初始颗粒粒度的粒度分布权值,根据每种初始颗粒粒度和每种初始颗粒粒度的粒度分布权值计算待评估变压器油的平均颗粒粒度,并将平均颗粒粒度作为待评估变压器油的颗粒粒度。
具体的,计算每种初始颗粒粒度的粒度分布权值的过程可以为:
1、建立第二对应关系,其中,第二关系为超声衰减系数和颗粒粒度的粒度分布权值的对应关系。
需要说明的是,在应用第二对应关系之前,需要将多种初始颗粒粒度划分n组初始颗粒粒度和m组超声衰减系数。
在一些实施例中,第二对应关系的公式如下:
其中γ表示粒度为D的颗粒总体积占所有粒度的颗粒体积的比例,Mi表示数值积分权系数,j表示超声衰减系数的频率分量的组数,i表示颗粒粒度的组数。
2、将第二对应关系转换为矩阵表达式。
在一些实施例中,假设在计算粒度分布权值的过程中,体积浓度已知,则第二对应关系中的为常数项。
在一种可能实施方式中,采用V=H-1A将第二对应关系以矩阵形式表达;式中,V表示初始颗粒粒度占比的分布向量,其中的元素为γi;H表示系数矩阵,其中的元素hi,j=WiKi,j;A表示多种频率下的超声衰减系数组成的向量,其中的元素为αj。
3、采用反演算法对矩阵表达式进行求解,得到每种初始颗粒粒度的粒度分布权值。
在一些实施例中,本发明可以采用Philip-Twomey-NNLS算法或者改进的Chahine算法作为反演算法对矩阵表达式进行求解。
为了便于理解,下面以一个具体应用场景为例对颗粒粒度的确定过程进行说明:
1、为保证后续可以根据粒度分布权值计算平均颗粒粒度,所以至少选取两种不同频率的超声波去穿透待评估变压器油;
2、将多种频率的超声波依次穿过标准变压器油和待评估变压器油,得到每种频率对应的超声衰减系数;
3、在浓度已知的情况下,将多种频率对应的超声衰减系数依次代入预先建立的第一对应关系,得到待评估变压器油的多种初始颗粒粒度;其中,第一对应关系可以通过已知的超声衰减系数和变压器油颗粒粒度得到;
4、计算每种初始颗粒粒度对应的粒度分值权值;
5、将每种初始颗粒粒度和与其对应的粒度分布权值相乘,得到待评估变压器油的平均颗粒颗粒即待评估变压器油的颗粒粒度。例如,待评估变压器油中存在颗粒粒度为30μm、40μm和50μm的颗粒,且30μm的粒度分布权值为0.2,40μm的粒度分布权值为0.5,50μm的粒度分布权值为0.3,则该待评估变压器油的平均颗粒粒度为30μm*0.2+40μm*0.5+50μm*0.3=41μm。此时,该待评估变压器油的颗粒粒度为41μm。
需要说明的是,在实际应用中,所有粒度分布权值的和是一个小于或等于1的值。其中,所有粒度分布权值的和小于1是因为变压器油中可能存在一些不能测量得到的杂质。因此,每种颗粒粒度的粒度分布权值应该以实际测量得到的值为准。
在一种可能实施方式中,相比于求颗粒粒度的平均值,采用粒度分布权值的方式可以考虑到待评估变压器油中占比较多和占比较少的颗粒粒度,得到更加准确的平均颗粒粒度。
在一些实施例中,可以通过计算得到的颗粒粒度获得颗粒粒度的变化规律,从而推算不同时间下对应的颗粒粒度。
(4)待评估变压器油的颜色值测量方法:
在一些实施例中,变压器油的颜色可以作为一种变压器运行状况的辅助判断方式。良好的变压器油是一种浅黄色透明液体,不含沉淀物、机械杂质悬浮物及棉絮状物质。如果其受污染和氧化,并产生树脂和沉淀物,变压器油油质就会劣化,颜色会逐渐变为浅红色,直至变为深褐色的液体。当变压器有故障时,也会使油的颜色发生改变。另外,变压器油可表现为浑浊乳状、油色发黑、发暗。变压器油浑浊乳状,表明油中含有水分。油色发暗,表明变压器油绝缘老化。油色发黑,甚至有焦臭味,表明变压器内部有故障。
需要说明的是,由于传统的标准色卡中与变压器油颜色不相关的颜色过多,因此,本发明会选用符合预设条件的颜色组成新的标准色卡。
在一些实施例中,符合预设条件的颜色即变压器油在使用过程中可能会出现的颜色,例如淡黄色、浅黄色、黄色、深黄色、橘黄色、淡橙色、橙色、深橙色、橘红色、浅棕色、棕红色、棕色、棕褐色、褐色、黑色和白色等颜色。
在一些实施例中,将上述提到的颜色按照由浅到深的顺序排序,排序后再进行赋值,得到标准色卡中每种颜色对应的颜色值。
在一些实施例中,在得到每种颜色对应的颜色值之后:
如果待评估变压器油的容器为透明的,则可以直接通过观察该容器中待评估变压器油的颜色,选择与待评估变压器油的颜色最相近的标准色卡中的颜色。例如,待评估变压器油的容器的材料可以为有机玻璃;
如果待评估变压器油的容器不是透明的,则可以在待评估变压器油的容器取出适量待评估变压器油,并在标准色卡的颜色中选择与待评估变压器油的颜色最相近的颜色。
具体的,将与待评估变压器油的颜色最相近的标准色卡中的颜色的颜色值作为待评估变压器油的颜色值。
在一些实施例中,由于温度对红外光谱和超声波的测量结果存在较大的影响。因此,为避免粘度、颗粒粒度、酸度和颜色因外界环境(高温或极低温)等产生误差,在获取粘度、颗粒粒度、酸度和颜色的过程中应保证一致的外界温度。
步骤103,根据粘度、颗粒粒度、酸度和颜色值得到待评估变压器油的融合参数。
在一种可能实施方式中,可以根据We=aW1+bW2+cW3+dW4公式,计算待评估变压器油的融合参数;
其中,We表示融合参数,W1表示粘度,W2表示颗粒粒度,W3表示酸度,W4表示颜色值,a、b、c、d分别表示粘度、颗粒粒度、酸度和颜色值的加权系数。
需要说明的是,a、b、c、d的取值可以根据实际需求进行调整,但需保证a、b、c、d∈[0,1],且a+b+c+d=1。
在一种可能实施方式中,采用融合参数的方式对粘度、颗粒粒度、酸度和颜色值四个特征进行融合,不仅可以采用一个数据表征四个方面的特征,还可以使训练过程变得更加简单方便。
步骤104,将融合参数输入到目标评估模型中,得到待评估变压器油的状态。
在一些实施例中,在得到待评估变压器油的状态后,应该根据变压器油的状态对变压器油进行相关处理。例如,当待评估变压器油的状态为重度老化时,为保证变压器的正常运行,相关技术人员需更换变压器油;当待评估变压器油的状态为中度老化时,相关技术人员需更加关注该待评估变压器油虽在的变压器,并提高检测该待评估变压器油的频率;当待评估变压器油的状态为轻度老化或良好时,相关技术人员可以暂时不用对该待评估变压器进行再次检测。
本发明实施例提供了一种变压器油的状态评估方法,通过获取变压器油的状态样本集,基于状态样本集对预设评估模型进行训练,得到目标评估模型,再通过获取得到的待评估变压器油的粘度、颗粒粒度、酸度和颜色值确定待评估变压器油的融合参数;最后将融合参数输入到目标评估模型中,得到待评估变压器油的状态。
可见,本发明构建了一个用于评估变压器油的目标评估模型,通过将粘度、颗粒粒度、酸度和颜色值四方面融合得到的融合参数输入到目标评估模型中得到变压器油的实时状态。如此,本发明实施例可以先获取变压器油的相关参数,然后将相关参数输入到目标评估模型中,实现对变压器油的状态的实时评估。此外,由于目标评估模型在训练过程中参考了大量的已有数据,因此目标评估模型在实际应用中不仅可以快速得到变压器油的状态,还可以准确得到变压器油的状态。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例,对于其中未详尽描述的细节,可以参考上述对应的方法实施例。
图3示出了本发明实施例提供的变压器油的状态评估装置的结构示意图,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
如图3所示,变压器油的状态评估装置3包括:训练模块31、获取模块32、融合模块33和评估模块34。
训练模块31,用于获取变压器油的状态样本集,基于状态样本集对预设评估模型进行训练,得到目标评估模型;其中,状态样本集包括变压器油的融合参数以及融合参数对应的变压器油的状态;
获取模块32,用于获取待评估变压器油的粘度、颗粒粒度、酸度、颜色值;
融合模块33,用于根据粘度、颗粒粒度、酸度和颜色值得到待评估变压器油的融合参数;
评估模块34,用于将融合参数输入到目标评估模型中,得到待评估变压器油的状态。
在一种可能实施方式中,获取模块32具体用于:
采用超声波接收模块接收超声波发送模块发送的穿过待评估变压器油的多种频率的超声波信号,计算每种频率的超声波信号所对应的超声衰减系数,得到多种频率下的超声衰减系数;
将多种频率下的超声衰减系数依次代入预先建立的第一对应关系中,得到待评估变压器油的多种初始颗粒粒度;其中,第一对应关系为超声衰减系数与变压器油的颗粒粒度的对应关系;
计算每种初始颗粒粒度的粒度分布权值,根据每种初始颗粒粒度和每种初始颗粒粒度的粒度分布权值计算待评估变压器油的平均颗粒粒度,并将平均颗粒粒度作为待评估变压器油的颗粒粒度。
在一种可能实施方式中,获取模块32具体用于:
建立第二对应关系,其中,第二对应关系为超声衰减系数与颗粒粒度的粒度分布权值的对应关系;
将第二对应关系转换为矩阵表达式;
采用反演算法对矩阵表达式进行求解,得到每种初始颗粒粒度的粒度分布权值。
在一种可能实施方式中,获取模块32具体用于:
根据计算待评估变压器油的粘度;其中,μ表示待评估变压器油的粘度,v'表示待评估变压器油的流速,z表示上游超声传感器和下游超声传感器之间的距离,Δt表示传播时间差,t1表示顺流中超声波的传播时间,ρ表示待评估变压器油的密度,g'表示重力加速度,P'表示待评估变压器油所在容器的两端压差,L2表示待评估变压器油所在容器的长度,d1表示待评估变压器油所在容器的高度。
在一种可能实施方式中,获取模块32具体用于:
将待评估变压器油分为多个标准油样;
采用红外光谱技术获取每个标准油样在预设波长范围内对应的吸光度,得到多个吸光度;
根据确定第三对应关系;其中,第三对应关系为变压器油的酸度和吸光度的对应关系;其中,Kx表示第x个标准油样的斜率,ex表示第x个标准油样的截距,Sx表示第x个标准油样的酸度,Ax表示第x个标准油样的吸光度;
将多个吸光度依次代入第三对应关系中,得到多个标准油样的酸度;
计算多个标准油样的酸度平均值,并将平均值作为待评估变压器油的酸度。
在一种可能实施方式中,获取模块32具体用于:
从标准色卡中选取符合预设条件的多种颜色;
将多种颜色按照由浅到深的顺序进行赋值,得到每种颜色对应的颜色值;
将待评估变压器油的颜色与每种颜色进行比对,得到待评估变压器油的颜色对应的目标颜色;
将目标颜色的颜色值作为待评估变压器油的颜色值。
在一种可能实施方式中,融合模块33具体用于:
根据We=aW1+bW2+cW3+dW4公式计算待评估变压器油的融合参数;
其中,We表示融合参数,W1表示粘度,W2表示颗粒粒度,W3表示酸度,W4表示颜色值,a、b、c、d分别表示粘度、颗粒粒度、酸度和颜色值的加权系数。
在一种可能实施方式中,训练模块31具体用于:
将状态样本集分为训练样本集和测试样本集;
获取训练样本集中变压器油的融合参数以及融合参数对应的变压器油的状态;
通过变压器油的融合参数以及融合参数对应的变压器油的状态对预设评估模型进行训练,得到初始评估模型;
基于测试样本集测试初始评估模型的可行性,当初始评估模型的可行性符合预设条件时,将初始评估模型作为目标评估模型。
本发明实施例提供了一种变压器油的状态评装置,通过获取变压器油的状态样本集,基于状态样本集对预设评估模型进行训练,得到目标评估模型,再通过获取得到的待评估变压器油的粘度、颗粒粒度、酸度和颜色值确定待评估变压器油的融合参数;最后将融合参数输入到目标评估模型中,得到待评估变压器油的状态。
可见,本发明构建了一个用于评估变压器油的目标评估模型,通过将粘度、颗粒粒度、酸度和颜色值四方面融合得到的融合参数输入到目标评估模型中得到变压器油的实时状态。如此,本发明实施例可以先获取变压器油的相关参数,然后将相关参数输入到目标评估模型中,实现对变压器油的状态的实时评估。此外,由于目标评估模型在训练过程中参考了大量的已有数据,因此目标评估模型在实际应用中不仅可以快速得到变压器油的状态,还可以准确得到变压器油的状态。
图4是本发明实施例提供的变压器油的状态评估系统的结构示意图,变压器油的状态评估系统包括待评估变压器油的容器10、超声波发送模块11、超声波接收模块12、红外光谱发射器13、上游超声传感器14和下游超声超感器15。
在一些实施例中,超声波发送模块11、超声波接收模块12、红外光谱发射器13、上游超声传感器14和下游超声超感器15都连接计算机,并将测量得到的数据发送给计算机。
在一些实施例中,计算机还可以连接警示器,警示器用于监测待评估变压器油的状态,并在待评估变压器油的状态为重度老化时,发出警报。
在一些实施例中,变压器油的状态评估系统可以安装在变压器底部,形成离线和在线功能齐备的变压器油综合检测系统。
在一些实施例中,可以采用全反射X射线荧光光谱技术替代红外光谱技术,但全反射X射线荧光光谱技术的装置体积大,且使用成本较高。
本发明实施例提供了一种变压器油的状态评估系统,通过设置超声波发送模块和超声波接收模块获取待评估变压器油的颗粒粒度,通过设置红外光谱发射器获取待评估变压器油的酸度,通过设置上游超声传感器和下游超声传感器获取待评估变压器油的粘度,最后通过将待评估变压器油的颜色与标准色卡进行对比,得到待评估变压器油的颜色值。本发明可以实现在无需化学试剂和多次采样的前提下实时检测变压器油的参数,更加简单方便的得到变压器油的参数,随后通过变压器油相关参数对变压器油的状态进行实时评估。
图5是本发明实施例提供的电子设备的示意图。如图5所示,该实施例的电子设备5包括:处理器50、存储器51以及存储在存储器51中并可在处理器50上运行的计算机程序52。处理器50执行计算机程序52时实现上述各个变压器油的状态评估方法实施例中的步骤,例如图1所示的步骤101至步骤104。或者,处理器50执行计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图3所示各模块/单元的功能。
示例性的,计算机程序52可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器51中,并由处理器50执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序52在电子设备5中的执行过程。例如,计算机程序52可以被分割成图3所示的各模块/单元。
电子设备5可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是电子设备5的示例,并不构成对电子设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器51可以是电子设备5的内部存储单元,例如电子设备5的硬盘或内存。存储器51也可以是电子设备5的外部存储设备,例如电子设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器51还可以既包括电子设备5的内部存储单元也包括外部存储设备。存储器51用于存储计算机程序以及电子设备所需的其他程序和数据。存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块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。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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。
集成的模块/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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个变压器油的状态评估方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,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发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种变压器油的状态评估方法,其特征在于,包括:
获取变压器油的状态样本集,基于所述状态样本集对预设评估模型进行训练,得到目标评估模型;其中,所述状态样本集包括所述变压器油的融合参数以及所述融合参数对应的所述变压器油的状态;
获取待评估变压器油的粘度、颗粒粒度、酸度、颜色值;
根据所述粘度、所述颗粒粒度、所述酸度和所述颜色值,得到所述待评估变压器油的融合参数;
将所述融合参数输入到所述目标评估模型中,得到所述待评估变压器油的状态。
2.根据权利要求1所述的变压器油的状态评估方法,其特征在于,所述获取待评估变压器油的颗粒粒度,包括:
采用超声波接收模块接收超声波发送模块发送的穿过所述待评估变压器油的多种频率的超声波信号,计算每种频率的超声波信号所对应的超声衰减系数,得到多种频率下的超声衰减系数;
将所述多种频率下的超声衰减系数依次代入预先建立的第一对应关系中,得到所述待评估变压器油的多种初始颗粒粒度;其中,所述第一对应关系为超声衰减系数与变压器油的颗粒粒度的对应关系;
计算每种初始颗粒粒度的粒度分布权值,根据所述每种初始颗粒粒度和所述每种初始颗粒粒度的粒度分布权值计算所述待评估变压器油的平均颗粒粒度,并将所述平均颗粒粒度作为所述待评估变压器油的颗粒粒度。
3.根据权利要求2所述的变压器油的状态评估方法,其特征在于,所述计算每种初始颗粒粒度的粒度分布权值,包括:
建立第二对应关系,其中,所述第二对应关系为所述超声衰减系数与颗粒粒度的粒度分布权值的对应关系;
将所述第二对应关系转换为矩阵表达式;
采用反演算法对所述矩阵表达式进行求解,得到每种初始颗粒粒度的粒度分布权值。
4.根据权利要求2所述的变压器油的状态评估方法,其特征在于,所述获取待评估变压器油的粘度,包括:
根据计算所述待评估变压器油的粘度;其中,μ表示待评估变压器油的粘度,v'表示待评估变压器油的流速,z表示上游超声传感器和下游超声传感器之间的距离,Δt表示传播时间差,t1表示顺流中超声波的传播时间,ρ表示待评估变压器油的密度,g'表示重力加速度,P'表示待评估变压器油所在容器的两端压差,L2表示待评估变压器油所在容器的长度,d1表示待评估变压器油所在容器的高度。
5.根据权利要求1所述的变压器油的状态评估方法,其特征在于,所述获取待评估变压器油的酸度,包括:
将所述待评估变压器油分为多个标准油样;
采用红外光谱技术获取所述每个标准油样在预设波长范围内对应的吸光度,得到多个吸光度;
根据确定第三对应关系;其中,所述第三对应关系为变压器油的酸度和吸光度的对应关系;其中,Kx表示第x个标准油样的斜率,ex表示第x个标准油样的截距,Sx表示第x个标准油样的酸度,Ax表示第x个标准油样的吸光度;
将所述多个吸光度依次代入所述第三对应关系中,得到所述多个标准油样的酸度;
计算所述多个标准油样的酸度平均值,并将所述平均值作为所述待评估变压器油的酸度。
6.根据权利要求1所述的变压器油的状态评估方法,其特征在于,所述获取待评估变压器油的颜色值,包括:
从标准色卡中选取符合预设条件的多种颜色;
将所述多种颜色按照由浅到深的顺序进行赋值,得到每种颜色对应的颜色值;
将所述待评估变压器油的颜色与所述每种颜色进行比对,得到所述待评估变压器油的颜色对应的目标颜色;
将所述目标颜色的颜色值作为所述待评估变压器油的颜色值。
7.根据权利要求6所述的变压器油的状态评估方法,其特征在于,所述根据所述粘度、所述颗粒粒度、所述酸度和所述颜色值得到所述待评估变压器油的融合参数,包括:
根据We=aW1+bW2+cW3+dW4公式,计算所述待评估变压器油的融合参数;
其中,We表示融合参数,W1表示粘度,W2表示颗粒粒度,W3表示酸度,W4表示颜色值,a、b、c、d分别表示粘度、颗粒粒度、酸度和颜色值的加权系数。
8.根据权利要求1所述的变压器油的状态评估方法,其特征在于,所述基于所述状态样本集对预设评估模型进行训练,得到目标评估模型,包括:
将所述状态样本集分为训练样本集和测试样本集;
获取所述训练样本集中所述变压器油的融合参数以及所述融合参数对应的所述变压器油的状态;
通过所述变压器油的融合参数以及所述融合参数对应的所述变压器油的状态对所述预设评估模型进行训练,得到初始评估模型;
基于所述测试样本集测试所述初始评估模型的可行性,当所述初始评估模型的可行性符合预设条件时,将所述初始评估模型作为所述目标评估模型。
9.一种变压器油的状态评估装置,其特征在于,包括:
训练模块,用于获取变压器油的状态样本集,基于所述状态样本集对预设评估模型进行训练,得到目标评估模型;其中,所述状态样本集包括所述变压器油的融合参数以及所述融合参数对应的所述变压器油的状态;
获取模块,用于获取待评估变压器油的粘度、颗粒粒度、酸度、颜色值;
融合模块,用于根据所述粘度、所述颗粒粒度、所述酸度和所述颜色值,得到所述待评估变压器油的融合参数;
评估模块,用于将所述融合参数输入到所述目标评估模型中,得到所述待评估变压器油的状态。
10.一种电子设备,包括存储器和处理器,所述存储器用于存储计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311080551.9A CN117194914A (zh) | 2023-08-25 | 2023-08-25 | 变压器油的状态评估方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311080551.9A CN117194914A (zh) | 2023-08-25 | 2023-08-25 | 变压器油的状态评估方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117194914A true CN117194914A (zh) | 2023-12-08 |
Family
ID=88984212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311080551.9A Pending CN117194914A (zh) | 2023-08-25 | 2023-08-25 | 变压器油的状态评估方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117194914A (zh) |
-
2023
- 2023-08-25 CN CN202311080551.9A patent/CN117194914A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2366943C1 (ru) | Способ оценки чистоты растительных масел и устройство для его осуществления | |
US5225679A (en) | Methods and apparatus for determining hydrocarbon fuel properties | |
CN101706307B (zh) | 基于透射光谱的输油管道油品界面的检测方法及其装置 | |
CN103134767B (zh) | 一种红外光谱校正鉴定白酒品质的方法 | |
CN108982405B (zh) | 一种基于深度学习的油品含水率测量方法及测量仪 | |
CN109298070B (zh) | 基于超声波声速法的原油含水率检测方法 | |
CN106932378A (zh) | 一种基于拉曼光谱的炼厂酸性气成分的在线检测系统和方法 | |
JPH03504769A (ja) | 組成物の分光比較のための方法及び装置 | |
JPH08503075A (ja) | 物質の特性の化学測定学的評価を向上させる方法 | |
CN107703097B (zh) | 利用近红外光谱仪构建快速预测原油性质的模型的方法 | |
CN1214767A (zh) | 多变量样品分析 | |
CN108846203A (zh) | 水果无损检测的方法及装置 | |
Teixeira et al. | An ultrasound-based water-cut meter for heavy fuel oil | |
CN107860743A (zh) | 利用反射式近红外光纤探头构建快速预测原油性质的模型的方法及其应用 | |
WO2021196416A1 (zh) | 用于钨浮选精矿品位在线检测的光纤拉曼系统及方法 | |
KR20140023264A (ko) | 유동 비균질 물질의 중간 적외선 스펙트럼 분석 | |
CN112179871A (zh) | 一种酱类食品中己内酰胺含量无损检测的方法 | |
CN201622228U (zh) | 动态偏振光散射颗粒测量装置 | |
CN101949825B (zh) | 光开放环境下的叶片水分近红外无损检测装置及方法 | |
CN117194914A (zh) | 变压器油的状态评估方法、装置及电子设备 | |
RU2544264C1 (ru) | Способ газоанализа природного газа | |
Wang et al. | Application of multi-wavelength dual-position absorption spectrum to improve the accuracy of leukocyte spectral quantitative analysis based on “M+ N” theory | |
RU2688886C1 (ru) | Способ газоанализа природного газа | |
CA2323878A1 (en) | Automatic calibration method | |
Jiménez et al. | Authentication of pure and adulterated edible oils using non-destructive ultrasound |
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 |