CN117471219A - 基于油流速度和温度的油浸式变压器故障诊断方法及系统 - Google Patents
基于油流速度和温度的油浸式变压器故障诊断方法及系统 Download PDFInfo
- Publication number
- CN117471219A CN117471219A CN202311488900.0A CN202311488900A CN117471219A CN 117471219 A CN117471219 A CN 117471219A CN 202311488900 A CN202311488900 A CN 202311488900A CN 117471219 A CN117471219 A CN 117471219A
- Authority
- CN
- China
- Prior art keywords
- oil
- oil flow
- flow speed
- immersed transformer
- fault diagnosis
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims abstract description 24
- 238000010801 machine learning Methods 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000010891 electric arc Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000000630 rising effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 3
- 230000032683 aging Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000004880 explosion Methods 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 238000004804 winding Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013021 overheating Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000001816 cooling Methods 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
- 230000018109 developmental process Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000005979 thermal decomposition reaction Methods 0.000 description 1
- 238000009834 vaporization Methods 0.000 description 1
- 230000008016 vaporization Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明公开了一种基于油流速度和温度的油浸式变压器故障诊断方法及系统,本发明基于油流速度和温度的油浸式变压器故障诊断方法包括:获取油浸式变压器油箱与油枕间管道中的绝缘油流的油流速度、油温变化量以及同工况下的油流速度变化量;根据油流速度、油温变化量以及同工况下的油流速度变化量作为输入特征,确定油浸式变压器的故障诊断结果,其中确定油浸式变压器的故障诊断结果方式可以根据需要采用数值条件判断的方式或者采用机器学习模型的方式。本发明旨在实现油浸式变压器的油故障进行准确诊断,避免瓦斯继电器误动作带来的异常报警甚至跳闸。
Description
技术领域
本发明涉及变压器故障诊断技术领域,具体涉及一种基于油流速度和温度的油浸式变压器故障诊断方法及系统。
背景技术
变压器是电力系统中能量转换、传输的核心,在电网中被广泛地应用。它能够将电能从发电厂输送到用电用户,其正常运行对于电力系统的安全稳定至关重要。根据冷却方式,变压器可分为干式变压器和油浸式变压器两类,其中,油浸式变压器的线圈和铁芯都被浸泡在大量的绝缘油中,能够有效地隔离和保护线圈和铁芯,使其绝缘性能良好、散热能力强、制造维护成本低、回收利用方便,经济效益优于干式变压器,在电力系统中被广泛应用。当变压器油箱内部出现故障,设备中油的油流速度、温度和压力等会发生变化,通过现有的故障诊断技术,对变压器内部过热﹑放电等故障进行反映。
当变压器过热或放电时会产生气体,气体析出并向上运动,当气体聚集在变压器瓦斯继电器上部时,瓦斯继电器的油杯会下降,接通继电器的轻瓦斯干簧节点,动作于信号;当过热及放电严重时,会引起绝缘油的分解,产生大量的瓦斯气体,使变压器内部的压力剧增,产生油流涌动,从而冲击瓦斯继电器的挡板﹐导致瓦斯继电器的重瓦斯干簧节点接通,动作于跳闸并发信号。但是近年来,瓦斯保护由于整定值偏高或偏低等原因引起误跳闸的问题时有发生。瓦斯继电器保护针对气体含量的多少,以及油流速度等物理量而相应发出信号从而控制跳闸,整定值设置太高或太低导致保护拒动或误动,因此对变压器的保护的准确性较低,保护的准确性仍有一定的提升空间。亟待提出新的诊断评价方法,以更准确高效地判断识别油浸变压器故障。
当变压器出现呼吸阀故障,呼吸阀故障导致绝缘油油流速度有所下降,导致绝缘油散热不畅,造成箱体内部热量转化为温度,引起油温升高;当变压器遭受短路冲击时,可能造成绕组短路,此时油流速度、温度很快上升;绝缘油受到高温或电弧作用,受热分解会产生大量烃类混合气体,使变压器内部的压力急剧上升,然后导致变压器油箱的结构破坏(初级变压器爆炸)。严重情况下,变压器内部压力过大可能出现油箱破裂、变压器油气泄露等事故,当可燃气体与空气混合并在高温下点燃时,可能会发生蒸汽爆炸、火灾等事故。由于变压器绝缘老化等原因,运行中经常发生故障,原因又复杂,再加上特征不明显,传统的变压器故障查找方法要准确判断故障类型比较困难;而且随着经济的发展,变压器朝着大容量方向发展,容量越大,发生故障时造成的危害也越大。因此,对变压器的故障诊断研究,一直为国内外电力部门所重视。
发明内容
本发明要解决的技术问题:针对现有技术的上述问题,提供一种基于油流速度和温度的油浸式变压器故障诊断方法及系统,本发明旨在实现油浸式变压器的油故障进行准确诊断,避免瓦斯继电器误动作带来的异常报警甚至跳闸。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于油流速度和温度的油浸式变压器故障诊断方法,包括:
S101,获取油浸式变压器油箱与油枕间管道中的绝缘油流的油流速度、油温变化量以及同工况下的油流速度变化量;
S102,根据油流速度、油温变化量以及同工况下的油流速度变化量作为输入特征,确定油浸式变压器的故障诊断结果。
可选地,步骤S102中包括在油流速度小于预设的正常油流速度α、油温变化量小于等于预设阈值δ同时成立时,判定油浸式变压器的状态为正常,否则判定油浸式变压器的状态不正常。
可选地,所述判定油浸式变压器的状态不正常之后,还包括在油流速度小于预设的正常油流速度α、油温变化量大于预设阈值δ、且同工况下的油流速度变化量小于-a%同时成立时,判定油浸式变压器的呼吸阀故障,其中a为阈值参数。
可选地,所述判定油浸式变压器的状态不正常之后,还包括在油流速度小于预设的正常油流速度α、油温变化量大于预设阈值δ、且同工况下的油流速度变化量大于等于-a%同时成立时,判定油浸式变压器的内部局部过热,其中a为阈值参数。
可选地,所述判定油浸式变压器的状态不正常之后,还包括在油流速度大于等于预设的正常油流速度α、同工况下的油流速度变化量小于等于a%、同工况下的油流速度变化量大于等于-a%同时成立时,判定油浸式变压器的油流速度偏移处于正常的范围内,其中a为阈值参数。
可选地,所述判定油浸式变压器的状态不正常之后,还包括在油流速度大于等于预设的正常油流速度α、同工况下的油流速度变化量小于等于a%、同工况下的油流速度变化量小于-a%同时成立时,根据油流速度变化量判断油流速度的变化趋势,若油流速度的变化趋势为下降,则判定油浸式变压器绝缘油老化。
可选地,所述判定油浸式变压器的状态不正常之后,还包括在油流速度大于等于预设的正常油流速度α、同工况下的油流速度变化量大于a%同时成立时,根据油流速度变化量判断油流速度的变化趋势,若油流速度的变化趋势为上升,则监测记录油流速度开始上升的时刻以及油流速度不再上升的时刻/>,根据/>计算油流速度持续上升时间,若油流速度持续上升时间/>大于预设阈值/>则判定油浸式变压器处于电弧放电故障工况;若油流速度持续上升时间/>小于等于预设阈值/>则判定油浸式变压器处于遭受短路冲击工况。
可选地,步骤S102中确定油浸式变压器的故障诊断结果具体是指将油流速度、油温变化量以及同工况下的油流速度变化量三个输入特征作为预先训练好的机器学习模型得到油浸式变压器的故障诊断结果,所述机器学习模型被预先训练建立了三个输入特征和油浸式变压器的故障诊断结果之间的映射关系。
此外,本发明还提供一种基于油流速度和温度的油浸式变压器故障诊断系统,包括相互连接的微处理器和存储器,所述微处理器被编程或配置以执行所述基于油流速度和温度的油浸式变压器故障诊断方法。
此外,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序用于被微处理器编程或配置以执行所述基于油流速度和温度的油浸式变压器故障诊断方法。
与现有技术相比,本发明的优点如下:
(1)本发明所涉及设备简单、方法明确,有助于实现变压器油在线监测与故障诊断。
(2)本发明通过对油浸式变压器油箱与油枕间连接管中的绝缘油流进行流速测量,同时以采集到的油浸式变压器油温值作为辅助判断,结合故障期内油流涌动的变化过程数据,能够进行较为准确的变压器油在线监测与故障诊断。
(3)瓦斯保护是变压器油箱内部故障的主保护,变压器油箱内部有铁芯绕组,发生故障往往伴随着发热,热油分解产生气体,气体密度轻于油,气体上升,瓦斯继电器达到整定值动作。但是如果整定值偏高或偏低都会导致瓦斯保护拒动或误动,基于本发明方法,设备可在线长期运行,监测数据,对变压器油故障进行准确诊断,避免瓦斯继电器误动作带来的异常报警甚至跳闸。
附图说明
图1为本发明实施例一方法的基本流程示意图。
图2为本发明实施例一中油流流速、油温采集装置的结构示意图。
图3为本发明实施例一方法的第一部分故障诊断流程示意图。
图4为本发明实施例一方法的第二部分故障诊断流程示意图。
具体实施方式
实施例一:
如图1所示,本实施例基于油流速度和温度的油浸式变压器故障诊断方法包括:
S101,获取油浸式变压器油箱与油枕间管道中的绝缘油流的油流速度、油温变化量以及同工况下的油流速度变化量;
S102,根据油流速度、油温变化量以及同工况下的油流速度变化量作为输入特征,确定油浸式变压器的故障诊断结果。
图2为本实施例中油流流速、油温采集装置的结构示意图,其中1为油枕,2为瓦斯继电器,3为流速监控传感器,4为温度传感器,5为变压器油箱,可以通过在油枕1连接油枕油道底部布置流速监控传感器3和温度传感器4,瓦斯继电器2安装于油枕1与油浸式变压器油箱5之间近油枕1一侧的管道上,当油浸式变压器内释放气体过多时将使瓦斯继电器2内积存气体,从而使油位下降导致轻瓦斯保护动作。本实施例中选取瓦斯继电器2与油浸式变压器油箱5连接管道处安装流速监控传感器3,流经管道的绝缘油完全流入瓦斯继电器2,因此管道的内部油流涌动情况与瓦斯继电器2内部完全一致,能够显著地提高测量精度。温度传感器4安装在变压器油箱内部,以采集到的油浸式变压器油温值作为辅助判断。流速监控传感器3的信号输出端通过导线连接记录装置的信号输入端,记录装置的油温信号输入端连接油浸式变压器上温度传感器4的油温信号输出端。本实施例中油流流速、油温采集装置能够对油浸式变压器油箱与油枕间管道中的绝缘油流进行流速测量,同时实时记录油温值,监测记录数据作为变压器故障诊断依据,通过油流速度和温度两种参量对电弧放电、内部局部过热、呼吸问题或油老化引起的油粘滞系数下降等多类故障进行判断。本实施例基于油流速度和温度的油浸式变压器故障诊断方法根据油流速度、油温变化量以及同工况下的油流速度变化量作为输入特征,确定油浸式变压器的故障诊断结果,其所需参量仅仅包括油流速度和温度两种,双参量获取方法简单,传感器布置工艺成熟,判断方法直接,相比传统瓦斯继电器可识别更多故障类型;方法补充温度检测量后,可降低瓦斯继电器误动作或拒动作概率。
参见图3,本实施例步骤S102中包括在油流速度小于预设的正常油流速度α、油温变化量小于等于预设阈值δ同时成立时,判定油浸式变压器的状态为正常,否则判定油浸式变压器的状态不正常。本实施例中,油流速度和正常油流速度α的单位为m/s,正常油流速度α须经过仿真和实验优化。预设阈值δ为经验值,可根据仿真和现场的大量试验得到。
参见图3,本实施例判定油浸式变压器的状态不正常之后,还包括在油流速度小于预设的正常油流速度α、油温变化量大于预设阈值δ、且同工况下的油流速度变化量小于-a%同时成立时,判定油浸式变压器的呼吸阀故障,其中a为阈值参数。同工况(即相同的运行工况,相同的温湿度条件和负载情况)下的油流速度变化量的计算方法为即通过流量监控传感器采集到的上一时刻的油流速度/>,与相同的运行工况的本时刻/>采集的油流速度/>对比,计算/>,解得到同工况下的油流速度/>。本实施例中阈值参数a取值为5,即:在油流速度小于预设的正常油流速度α、油温变化量大于预设阈值δ、且同工况下的油流速度变化量/>小于-5%同时成立时,判定油浸式变压器的呼吸阀故障,而且由于呼吸阀故障的原因,随着绝缘油流的粘度系数(粘度系数是油的一个物理参数,通常取决于油品和温度,用来表征流体的抵抗流动能力)的增加,油流速度下降、温度上升。粘度系数增加,绝缘油的抗流动能力增强,流动速度会变慢,甚至造成油路阻塞。
参见图3,本实施例判定油浸式变压器的状态不正常之后,还包括在油流速度小于预设的正常油流速度α、油温变化量大于预设阈值δ、且同工况下的油流速度变化量大于等于-a%同时成立时,判定油浸式变压器的内部局部过热(考虑时间累计效应)。
参见图4,本实施例判定油浸式变压器的状态不正常之后,还包括在油流速度大于等于预设的正常油流速度α、同工况下的油流速度变化量小于等于a%、同工况下的油流速度变化量大于等于-a%同时成立时,判定油浸式变压器的油流速度偏移处于正常的范围内,其中a为阈值参数。
参见图4,本实施例判定油浸式变压器的状态不正常之后,还包括在油流速度大于等于预设的正常油流速度α、同工况下的油流速度变化量小于等于a%、同工况下的油流速度变化量小于-a%同时成立时,根据油流速度变化量判断油流速度的变化趋势,若油流速度的变化趋势为下降,则判定油浸式变压器绝缘油老化,其中a为阈值参数。
参见图4,本实施例判定油浸式变压器的状态不正常之后,还包括在油流速度大于等于预设的正常油流速度α、同工况下的油流速度变化量大于a%同时成立时,根据油流速度变化量判断油流速度的变化趋势,若油流速度的变化趋势为上升,则监测记录油流速度开始上升的时刻以及油流速度不再上升的时刻/>,根据/>计算油流速度持续上升时间/>,若油流速度持续上升时间/>大于预设阈值/>则判定油浸式变压器处于电弧放电故障工况;若油流速度持续上升时间/>小于等于预设阈值/>则判定油浸式变压器处于遭受短路冲击工况。若/>,则变压器处于遭受短路冲击工况,这种工况可能造成绕组短路。若,变压器处于电弧放电故障工况,故障电流较大,电弧故障引起绝缘油气化导致压力波传播而造成油箱内压力升高,在这个过程中,在故障发生的初始阶段,由于电弧瞬间汽化周围大量绝缘油,油蒸汽气泡体积及表面压强急剧增大,这是由于短路瞬间压强最大造成的,电弧使变压器油大量分解,产生大量气体和油流,冲击档板使重瓦斯继电器保护动作(重瓦斯保护是油箱内部故障的主保护,他能反映变压器内部的各种故障),发出重瓦斯信号并出口跳闸,切除变压器,电弧迅速衰减,而后会继续衰减。
本实施例中若设变压器处于正常状态时的油流速度,在同工况下(即相同的运行工况,相同的温湿度条件和负载情况),对比油流速度相比前一次是上升还是下降,即通过流量监控传感器采集到的上一时刻/>的油流速度/>,与本时刻/>采集的油流速度/>对比,计算/>,通过油流速度的变化判断油流速度是上升还是下降。(1)当变压器处于油流速度异常的状态,且油流速度下降时,说明变压器油老化,油的粘度系数(粘度系数是油的一个物理参数,通常取决于油品和温度,用来表征流体的抵抗流动能力)会变大, 油的抗流动能力增强,流动速度会变慢,甚至造成油路阻塞。(2)当变压器处于油流速度异常的状态,且油流速度上升时,计算油流速度持续上升时间/>(设/>为油流速度开始上升的时刻,/>为油流速度不再上升的时刻,通过三维仿真建模与大量试验得到的工程经验值/>),分为两种情况:若/>极短,则变压器处于遭受短路冲击工况;若/>较长,变压器处于电弧放电故障工况。(3)当变压器处于油流速度正常的状态,此时结合变压器油温,分为两种情况:若油温处于正常状态,则变压器处于正常工况;若变压器油箱整体温度上升,还需判断油流速度是否下降,若下降,呼吸阀故障,随着粘度系数的增加,油流速度下降,温度有所上升;若没有下降,考虑时间累计效应,则变压器处于局部过热故障工况。
综上所述,本实施例基于油流速度和温度的油浸式变压器故障诊断方法基于油流速度-温度双参量进行油浸变压器故障诊断,基于对变压器在正常、呼吸系统异常、遭受短路电流冲击等不同运行工况或内部故障情况下的油流速度、温度分布进行研究,能够进行较为准确的变压器故障诊断,及时发现早期缺陷,通过进行故障诊断,可以避免定期的大修和小修,在变压器稳定工作的前提下,可以取得很好的经济效益,从而避免了传统试验对变压器过度检修造成的巨大损失,有效延长了变压器的使用寿命,在很大程度上提高了电力系统运行的可靠性。本实施例基于油流速度和温度的油浸式变压器故障诊断方法能够有效延长了变压器的使用寿命,避免变压器故障、爆炸等引起的事故,在很大程度上提高了电力系统运行的可靠性,具有良好的社会经济效益。
此外,本实施例还提供一种基于油流速度和温度的油浸式变压器故障诊断系统,包括相互连接的微处理器和存储器,所述微处理器被编程或配置以执行所述基于油流速度和温度的油浸式变压器故障诊断方法。本实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序用于被微处理器编程或配置以执行所述基于油流速度和温度的油浸式变压器故障诊断方法。
实施例二:
本实施例与实施例一基本思路相同,其均为根据油流速度、油温变化量以及同工况下的油流速度变化量作为输入特征,确定油浸式变压器的故障诊断结果。但是与实施例一不同的是,本实施例步骤S102中确定油浸式变压器的故障诊断结果具体是指将油流速度、油温变化量以及同工况下的油流速度变化量三个输入特征作为预先训练好的机器学习模型(例如支持向量机SVM等)得到油浸式变压器的故障诊断结果,机器学习模型被预先训练建立了三个输入特征和油浸式变压器的故障诊断结果之间的映射关系,油浸式变压器的故障诊断结果与实施例一中图3和图4中的各个油浸式变压器的故障诊断结果相同,通过机器学习模型,同样也可以实现根据油流速度、油温变化量以及同工况下的油流速度变化量作为输入特征,确定油浸式变压器的故障诊断结果。由于本实施例仅仅涉及机器学习模型(例如支持向量机SVM)的应用,而不涉及机器学习模型及其训练方法的改进,故对机器学习模型的结构及其训练方法,在此不再详述。
此外,本实施例还提供一种基于油流速度和温度的油浸式变压器故障诊断系统,包括相互连接的微处理器和存储器,所述微处理器被编程或配置以执行所述基于油流速度和温度的油浸式变压器故障诊断方法。本实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序用于被微处理器编程或配置以执行所述基于油流速度和温度的油浸式变压器故障诊断方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可读存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于油流速度和温度的油浸式变压器故障诊断方法,其特征在于,包括:
S101,获取油浸式变压器油箱与油枕间管道中的绝缘油流的油流速度、油温变化量以及同工况下的油流速度变化量;
S102,根据油流速度、油温变化量以及同工况下的油流速度变化量作为输入特征,确定油浸式变压器的故障诊断结果。
2.根据权利要求1所述的基于油流速度和温度的油浸式变压器故障诊断方法,其特征在于,步骤S102中包括在油流速度小于预设的正常油流速度α、油温变化量小于等于预设阈值δ同时成立时,判定油浸式变压器的状态为正常,否则判定油浸式变压器的状态不正常。
3.根据权利要求2所述的基于油流速度和温度的油浸式变压器故障诊断方法,其特征在于,所述判定油浸式变压器的状态不正常之后,还包括在油流速度小于预设的正常油流速度α、油温变化量大于预设阈值δ、且同工况下的油流速度变化量小于-a%同时成立时,判定油浸式变压器的呼吸阀故障,其中a为阈值参数。
4.根据权利要求3所述的基于油流速度和温度的油浸式变压器故障诊断方法,其特征在于,所述判定油浸式变压器的状态不正常之后,还包括在油流速度小于预设的正常油流速度α、油温变化量大于预设阈值δ、且同工况下的油流速度变化量大于等于-a%同时成立时,判定油浸式变压器的内部局部过热。
5.根据权利要求4所述的基于油流速度和温度的油浸式变压器故障诊断方法,其特征在于,所述判定油浸式变压器的状态不正常之后,还包括在油流速度大于等于预设的正常油流速度α、同工况下的油流速度变化量小于等于a%、同工况下的油流速度变化量大于等于-a%同时成立时,判定油浸式变压器的油流速度偏移处于正常的范围内,其中a为阈值参数。
6.根据权利要求5所述的基于油流速度和温度的油浸式变压器故障诊断方法,其特征在于,所述判定油浸式变压器的状态不正常之后,还包括在油流速度大于等于预设的正常油流速度α、同工况下的油流速度变化量小于等于a%、同工况下的油流速度变化量小于-a%同时成立时,根据油流速度变化量判断油流速度的变化趋势,若油流速度的变化趋势为下降,则判定油浸式变压器绝缘油老化。
7.根据权利要求6所述的基于油流速度和温度的油浸式变压器故障诊断方法,其特征在于,所述判定油浸式变压器的状态不正常之后,还包括在油流速度大于等于预设的正常油流速度α、同工况下的油流速度变化量大于a%同时成立时,根据油流速度变化量判断油流速度的变化趋势,若油流速度的变化趋势为上升,则监测记录油流速度开始上升的时刻以及油流速度不再上升的时刻/>,根据/>计算油流速度持续上升时间/>,若油流速度持续上升时间/>大于预设阈值/>则判定油浸式变压器处于电弧放电故障工况;若油流速度持续上升时间/>小于等于预设阈值/>则判定油浸式变压器处于遭受短路冲击工况。
8.根据权利要求1所述的基于油流速度和温度的油浸式变压器故障诊断方法,其特征在于,步骤S102中确定油浸式变压器的故障诊断结果具体是指将油流速度、油温变化量以及同工况下的油流速度变化量三个输入特征作为预先训练好的机器学习模型得到油浸式变压器的故障诊断结果,所述机器学习模型被预先训练建立了三个输入特征和油浸式变压器的故障诊断结果之间的映射关系。
9.一种基于油流速度和温度的油浸式变压器故障诊断系统,包括相互连接的微处理器和存储器,其特征在于,所述微处理器被编程或配置以执行权利要求1~8中任意一项所述基于油流速度和温度的油浸式变压器故障诊断方法。
10.一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其特征在于,所述计算机程序用于被微处理器编程或配置以执行权利要求1~8中任意一项所述基于油流速度和温度的油浸式变压器故障诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311488900.0A CN117471219A (zh) | 2023-11-09 | 2023-11-09 | 基于油流速度和温度的油浸式变压器故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311488900.0A CN117471219A (zh) | 2023-11-09 | 2023-11-09 | 基于油流速度和温度的油浸式变压器故障诊断方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117471219A true CN117471219A (zh) | 2024-01-30 |
Family
ID=89634535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311488900.0A Pending CN117471219A (zh) | 2023-11-09 | 2023-11-09 | 基于油流速度和温度的油浸式变压器故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117471219A (zh) |
-
2023
- 2023-11-09 CN CN202311488900.0A patent/CN117471219A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020224553A1 (zh) | 一种基于非电量综合特征信息的变压器监测装置及方法 | |
CN111784178B (zh) | 一种基于多源信息融合的配电变压器状态评估方法 | |
CN107633354B (zh) | 一种站用直流系统运行状态健康程度的综合评价方法 | |
EP2951655B1 (en) | System and method for power transmission and distribution asset condition prediction and diagnosis | |
CN106841846A (zh) | 一种变压器状态分析与故障诊断方法及系统 | |
CN105223293B (zh) | 基于油色谱在线监测的变压器状态预警方法 | |
CN110018328B (zh) | 一种基于瞬态油流特征的电力变压器在线监测装置及方法 | |
CN112701660B (zh) | 有载调压开关顶盖形变监测与保护一体化装置及方法 | |
KR101046752B1 (ko) | 변압기 수명 평가 방법 | |
CN103414156A (zh) | 油浸式变压器轻瓦斯保护故障判断方法 | |
CN106199263B (zh) | 一种变压器的在线监测方法及系统 | |
CN108390356B (zh) | 一种基于故障时间特征的重瓦斯保护方法 | |
WO2020224536A1 (zh) | 变压器数字式瓦斯保护与油流涌动监测一体化装置及方法 | |
CN112630643B (zh) | 换流变有载调压开关顶盖状态监测装置及方法 | |
CN117471219A (zh) | 基于油流速度和温度的油浸式变压器故障诊断方法及系统 | |
CN106338593B (zh) | 一种变压器专用维护装置和方法 | |
CN116538686A (zh) | 一种速热式空气源热水器预警方法 | |
CN111177907A (zh) | 电抗器寿命自动评估方法及装置 | |
CN111323699B (zh) | 一种变压器油流继电器服役性能的测评方法 | |
CN113565575B (zh) | 一种汽泵故障联起电泵的锅炉壁温保护评估及控制方法 | |
CN109787190B (zh) | 基于油流速度变化量的油浸式变压器数字式非电量保护方法 | |
Pengfei et al. | The condition assessment of transformer bushing based on fuzzy logic | |
CN220443098U (zh) | 变压器保护与消防设备联动逻辑模块 | |
CN112630637B (zh) | 一种电力变压器瓦斯继电器在线校验系统及方法 | |
CN117368600A (zh) | 一种基于在线监测的电力变压器健康监测方法 |
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 |