CN117574300A - 基于数据分析的油浸式变压器老化故障识别方法 - Google Patents
基于数据分析的油浸式变压器老化故障识别方法 Download PDFInfo
- Publication number
- CN117574300A CN117574300A CN202311728710.1A CN202311728710A CN117574300A CN 117574300 A CN117574300 A CN 117574300A CN 202311728710 A CN202311728710 A CN 202311728710A CN 117574300 A CN117574300 A CN 117574300A
- Authority
- CN
- China
- Prior art keywords
- oil
- immersed transformer
- aging
- furfural
- transformer
- 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.)
- Granted
Links
- 230000032683 aging Effects 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000007405 data analysis Methods 0.000 title claims abstract description 22
- HYBBIBNJHNGZAN-UHFFFAOYSA-N furfural Chemical compound O=CC1=CC=CO1 HYBBIBNJHNGZAN-UHFFFAOYSA-N 0.000 claims abstract description 166
- 238000004458 analytical method Methods 0.000 claims abstract description 50
- 238000010586 diagram Methods 0.000 claims abstract description 42
- HSJKGGMUJITCBW-UHFFFAOYSA-N 3-hydroxybutanal Chemical compound CC(O)CC=O HSJKGGMUJITCBW-UHFFFAOYSA-N 0.000 claims description 24
- 230000035772 mutation Effects 0.000 claims description 21
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 abstract description 6
- 239000003463 adsorbent Substances 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000006116 polymerization reaction Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009835 boiling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000007788 liquid Substances 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
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- 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
-
- 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)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明公开了基于数据分析的油浸式变压器老化故障识别方法，涉及变压器老化故障识别技术领域，包括以下步骤：收集油浸式变压器运行年限对应的糖醛含量的历史数据集Uz；建立油浸式变压器运行年限对应的糖醛含量坐标分析模型，将获取历史数据集Uz导入坐标分析模型中，获得油浸式变压器运行年限对应的糖醛含量在坐标分析模型上的区域分布模型图。本发明实现对目标油浸式变压器老化状态变化情况异常进行识别，以及对目标油浸式变压器老化状态和运行年限正常老化状态情况异常进行识别，实现从双重方向分别对油浸式变压器老化故障进行识别，同时具有对油浸式变压器老化状态正常差异性情况的容错，实现对变压器老化故障进行实时准确全面识别。
Description
技术领域
本发明涉及变压器老化故障识别技术领域，具体为基于数据分析的油浸式变压器老化故障识别方法。
背景技术
公知的，油浸式变压器因其容量大、损耗低、可靠性高等优势，儿乎占据110kV及以上输电网变电站的所有主变，以及配电网中75％左右的配电变压器，变压器的老化是电力公司面临的挑战性问题，油浸式变压器绝缘纸是变压器中可靠性最差的部件，可以将绝缘纸的老化程度作为评价变压器的老化故障识的依据，而变压器绝缘纸聚合度的直接测定需对绝缘纸进行采样，这对于正常运行的变压器是破坏性的，不可能对正常运行变压器在线采样。绝缘纸老化会分解产生溶解于油的气体和糠醛类物质，大量的数据表明，油中溶解的CO、CO2、TF、FD、AF以糠醛与绝缘纸的聚合度有较大的相关性，因此对绝缘油中糠醛进行分析可以推断出绝缘纸的聚合度即确定绝缘纸的老化情况。
如申请公布号CN105784977A，申请公布日为2016.07.20，名称为《电力变压器绝缘纸老化性能判断方法》的专利，其判定方法具体为：在变压器制造时，向变压器油中注入一定的糠醛，使变压器油中的糠醛处于预设的浓度；在吸附剂加入变压器的热虹吸过滤器前，通过将该吸附剂设置于上述预设浓度的变压器油中足够长时间，使其在该浓度的变压器油中达到吸附平衡；在变压器的运行过程中，测定变压器油中的糠醛浓度；通过测定的变压器油中的糠醛浓度以及预设的糠醛浓度，确定绝缘纸老化分解的糠醛浓度；根据绝缘纸老化分解的糠醛浓度，确定绝缘纸的老化程度，又如授权公告号为CN104062420B，名称为《一种运行中电力变压器绝缘纸老化状态的评估方法》，均是通过测定变压器绝缘油中糖醛的含量来判断绝缘纸老化情况。
但是变压器运行时其绝缘油中糖醛的含量会受到多种因素影响发生变化，如绝缘纸分解时温度、绝缘油中水分和氧气等含量均会影响糖醛的含量变化，即绝缘油中糖醛含量是一个变化的区间，通过设定一个预设值和实际监测值进行对比虽然具有在对绝缘纸老化退役状态进行评估分析的价值，但是预设值主要来源于设备厂家的设备额定参数或者通过专业技术人员根据经验提供，导致无法对变压器是否为正常老化(即出现老化故障)进行准确评估识别。
发明内容
本发明的目的是提供基于数据分析的油浸式变压器老化故障识别方法，以解决现有技术中的上述不足之处。
为了实现上述目的，本发明提供如下技术方案：基于数据分析的油浸式变压器老化故障识别方法，包括以下步骤：
收集油浸式变压器运行年限对应的糖醛含量的历史数据集Uz；
建立油浸式变压器运行年限对应的糖醛含量坐标分析模型，将获取历史数据集Uz导入坐标分析模型中，获得油浸式变压器运行年限对应的糖醛含量在坐标分析模型上的区域分布模型图；
采集目标油浸式变压器中绝缘油的特征参数并调取关联历史特征参数，其中，特征参数包括目标油浸式变压器糖醛含量Pz和目标油浸式变压器运行年限；
将目标油浸式变压器的特征参数输入坐标分析模型中与区域分布模型图进行联立识别目标油浸式变压器是否出现急变老化故障；
基于目标油浸式变压器的特征参数联立历史特征参数计算当前突变系数；
计算油浸式变压器运行年限对应的糖醛含量在坐标分析模型上的区域分布模型图中相对应年限的趋势系数，联立当前突变系数识别目标油浸式变压器是否出现递变老化故障。
作为上述技术方案的进一步描述：历史数据集Uz包括m台油浸式变压器运行n年限其绝缘油中糖醛含量的对数，其中，n≥2，即历史数据集Uz为：
其中Ymn＝lnPmn，其中Pmn表示第m台油浸式变压器运行第n年其绝缘油中糖醛的含量，即Ymn表示第m台油浸式变压器运行第n年其绝缘油中糖醛含量的对数。
作为上述技术方案的进一步描述：所述油浸式变压器运行年限对应的糖醛含量坐标模型为二维坐标模型，其中X轴用于表示油浸式变压器运行年限，Y轴用于表示油浸式变压器各运行年限对应的绝缘油中糖醛含量的对数。
作为上述技术方案的进一步描述：将获取历史数据集Uz导入坐标分析模型中，获得油浸式变压器运行年限对应的糖醛含量在坐标分析模型上的区域分布模型图具体为：
将历史数据集Uz中各油浸式变压器运行年限对应的绝缘油中糖醛含量对数录入到坐标分析模型中，实现在坐标分析模型上形成历史数据集中多个油浸式变压器各年限对应的糖醛含量对数区域分布模型图。
作为上述技术方案的进一步描述：将目标油浸式变压器特征参数输入坐标分析模型中与区域分布模型图联立识别目标油浸式变压器是否出现急变老化故障具体为：
基于采集的目标油浸式变压器特征参数中糖醛含量Pz，计算糖醛含量Pz的对数lnPz；
将目标油浸式变压器特征参数中运行年限m，以及糖醛含量Pz的对数lnPz输入到坐标分析模型中，在坐标分析模型上形成特征参数点；
当特征参数点位于区域分布模型图外部时则表示目标油浸式变压器出现急变老化故障。
作为上述技术方案的进一步描述：基于目标油浸式变压器特征参数联立历史特征参数计算当前突变系数具体为；
将采集目标油浸式变压器的特征参数设定为Pz，其中Pz表示目标油浸式变压器运行第z年其绝缘油中糖醛含量，其单位为mg/L；
调取相邻一年采集的历史特征参数设定为Pz-1，其中Pz-1表示目标油浸式变压器运行第z-1年其绝缘油中糖醛含量，其单位为mg/L；
计算目标油浸式变压器突变系数K，
作为上述技术方案的进一步描述：所述计算油浸式变压器运行年限对应的糖醛含量在坐标分析模型上的区域分布模型图中相对应年限的趋势系数具体为：
识别坐标分析模型上第z年以及第z-1年区域分布模型图；
计算油浸式变压器第z年区域分布模型图对应的糖醛含量整合值以及油浸式变压器第z-1年区域分布模型图对应的糖醛含量整合值/>
计算趋势系数K,，其中
作为上述技术方案的进一步描述：油浸式变压器第z年区域分布模型图对应的糖醛含量整合值以及油浸式变压器第z-1年区域分布模型图对应的糖醛含量整合值的计算公式为：
其中Yzm＝lnPzm，Pzm表示第m台油浸式变压器运行第z年其绝缘油中糖醛的含量，其中z为整数且z≤n。
作为上述技术方案的进一步描述：基于坐标分析模型上的区域分布模型图中相对应年限的趋势系数，联立当前突变系数识别目标油浸式变压器是否出现递变老化故障具体为；
将突变系数K与趋势系数K,进行比较，当K＞K,时表示目标油浸式变压器出现递变老化故障。
作为上述技术方案的进一步描述：当目标油浸式变压器出现急变老化故障或递变老化故障任一种时均表示目标油浸式变压器出现老化故障。
在上述技术方案中，本发明提供的基于数据分析的油浸式变压器老化故障识别方法，具备以下有益效果：
该基于数据分析的油浸式变压器老化故障识别方法，实现对目标油浸式变压器老化状态变化情况异常进行识别，以及对目标油浸式变压器老化状态和运行年限正常老化状态情况异常进行识别，实现从双重方向分别对油浸式变压器老化故障进行识别，同时具有对油浸式变压器老化状态正常差异性情况的容错，提高识别的准确性，实现对变压器老化故障进行实时准确全面识别，提高电缆系统运行的可靠性。
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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于数据分析的油浸式变压器老化故障识别方法的流程框图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。
实施例一：
请参阅图1，本发明实施例提供一种技术方案：基于数据分析的油浸式变压器老化故障识别方法，其用于对油浸式变压器绝缘纸的老化情况进行识别，以确定油浸式变压器绝缘纸是否为正常老化，当油浸式变压器绝缘纸出现非正常老化情况时则认定油浸式变压器出现老化故障，从而提醒管理部分对出现老化故障的油浸式变压器进行维护检修，包括以下步骤：
收集油浸式变压器运行年限对应的糖醛含量的历史数据集Uz；其中收集历史数据集Uz可以直接调取电力巡检平台中储存的变压器巡检采集的数据，然后选取正常运行年限的变压器的采集参数组成历史数据集Uz；
历史数据集Uz包括m台油浸式变压器运行n年限其绝缘油中糖醛含量的对数，其中，n≥2，由于油浸式变压器中绝缘纸在老化分解时产生的糖醛会因为绝缘油自身过滤时被吸附剂吸附导致其绝缘油中糖醛含量出现变化，当油浸式变压器运行一段时间后，吸附剂保持吸附平衡后对糖醛含量影响较小，故在采集历史数据时采集运行年限大于等于两年的运行年限对应的糖醛含量的历史数据集，显著提高采集的历史数据的有效性；
即历史数据集Uz为：
其中Ymn＝lnPmn，其中Pmn表示第m台油浸式变压器运行第n年其绝缘油中糖醛的含量，即Ymn表示第m台油浸式变压器运行第n年其绝缘油中糖醛含量对数。油浸式变压器绝缘油中糖醛含量与其运行的年限呈指数关系，通过对糖醛含量转换成对数表示，实现将糖醛含量对数与运行年限之间变成直线关系。
建立油浸式变压器运行年限对应的糖醛含量坐标分析模型，其中，油浸式变压器运行年限对应的糖醛含量坐标模型为二维坐标模型，可选的通过MATLAB进行创建，其中X轴用于表示油浸式变压器运行年限，Y轴用于表示油浸式变压器各运行年限对应的绝缘油中糖醛含量的对数；
将获取历史数据集Uz导入坐标分析模型中，获得油浸式变压器运行年限对应的糖醛含量在坐标分析模型上的区域分布模型图，具体为：将历史数据集Uz中各油浸式变压器运行年限对应的绝缘油中糖醛含量对数录入到坐标分析模型中，实现在坐标分析模型上形成历史数据集中多个油浸式变压器各年限对应的糖醛含量对数区域分布模型图，即将每个年限m台油浸式变压器中绝缘油的糖醛含量对数点对应标记在二维坐标模型上，然后对每个年限糖醛含量对数的最大值和最小值行程Y轴区间，对应年限行程Y轴区间，最终形成各个年限对应的糖醛含量对数区域分布模型图；
采集目标油浸式变压器中绝缘油的特征参数并调取关联历史特征参数，其中，特征参数包括目标油浸式变压器糖醛含量Pz和目标油浸式变压器运行年限；将目标油浸式变压器的特征参数输入坐标分析模型中与区域分布模型图进行联立识别目标油浸式变压器是否出现急变老化故障；由于油分子的运动与扩散遵循菲克定律，因此糖醛在绝缘油中分布均匀，且糖醛沸点高不易挥发，采集目标油浸式变压器中绝缘油的特征参数具体为即通过对目标油浸式变压器中的绝缘油进行采样，然后通过高效液相色谱仪进行检测，其中，急变老化故障表示目标油浸式变压器老化状态情况和其运行年限正常老化状态情况不一致，出现老化异常；
将特征参数输入坐标分析模型中与区域分布模型图联立识别目标油浸式变压器是否出现急变老化故障具体为：基于采集的目标油浸式变压器特征参数中糖醛含量Pz，计算糖醛含量Pz的对数lnPz；
将采集的目标油浸式变压器特征参数中运行年限m，以及糖醛含量Pz的对数lnPz输入到坐标分析模型中，在坐标分析模型上形成特征参数点；
当特征参数点位于区域分布模型图外部时，即表示目标油浸式变压器老化状态情况和其运行年限正常老化状态情况不一致，则目标油浸式变压器出现急变老化故障。
本实施例提供基于数据分析的油浸式变压器老化故障识别方法，通过收集油浸式变压器运行年限对应的糖醛含量的历史数据集，然后建立坐标分析模型，将历史聚集导入坐标分析模型中形成油浸式变压器各个年限对应的糖醛含量对数区域分布模型图，然后通过将采集的目标油浸式变压器特征参数对应输入坐标分析模型上形成也在参数点，实现对比识别目标油浸式变压器是否出现急变老化故障，具有对油浸式变压器老化状态正常差异性情况的容错，提高识别的准确性。
实施例二：本实施例未详细叙述部分见实施例一描述内容：
基于目标油浸式变压器的特征参数联立历史特征参数计算当前突变系数，计算油浸式变压器运行年限对应的糖醛含量在坐标分析模型上的区域分布模型图中相对应年限的趋势系数，联立当前突变系数识别目标油浸式变压器是否出现递变老化故障，其中油浸式变压器递变老化故障表示目标油浸式变压器老化状态变化情况和其正常运行年限正常老化状态变化情况不一致，出现老化异常，操作简单，实现对变压器老化故障进行准确评估识别。
具体的，基于目标油浸式变压器的特征参数联立历史特征参数计算当前突变系数；具体的，将采集目标油浸式变压器的特征参数设定为Pz，其中Pz表示目标油浸式变压器运行第z年其绝缘油中糖醛含量，其单位为mg/L；其中z为整数且z≤n；
调取相邻一年采集的历史特征参数设定为Pz-1，其中Pz-1表示目标油浸式变压器运行第z-1年其绝缘油中糖醛含量，其单位为mg/L；
计算目标油浸式变压器突变系数K，
进一步的，当目标油浸式变压器突变系数K＜0时，则表示当前采集的目标油浸式变压器的特征参数错误，需要重新采集进行测算。
计算油浸式变压器运行年限对应的糖醛含量在坐标分析模型上的区域分布模型图中相对应年限的趋势系数；
识别坐标分析模型上第z年以及第z-1年区域分布模型图；
计算油浸式变压器第z年区域分布模型图对应的糖醛含量整合值以及油浸式变压器第z-1年区域分布模型图对应的糖醛含量整合值/>
油浸式变压器第z年区域分布模型图对应的糖醛含量整合值以及油浸式变压器第z-1年区域分布模型图对应的糖醛含量整合值/>的计算公式为：
其中Yzm＝lnPzm，Pzm表示第m台油浸式变压器运行第z年其绝缘油中糖醛的含量，其中z为整数且z≤n；
计算趋势系数K,，其中
联立当前突变系数识别目标油浸式变压器是否出现递变老化故障，即将突变系数K与趋势系数K,进行比较，当K＞K,时表示目标油浸式变压器出现递变老化故障。
进一步的，当目标油浸式变压器出现急变老化故障或递变老化故障任一种时均表示目标油浸式变压器出现老化故障。
本实施例提供基于数据分析的油浸式变压器老化故障识别方法，通过计算目标油浸式变压器突变系数K，并基于在坐标分析模型上的区域分布模型图计算相对应年限的趋势系数K,，将突变系数K与趋势系数K,进行比较，实现对目标油浸式变压器老化状态变化情况异常进行识别，实现从双重方向分别对油浸式变压器老化故障进行识别，实现对变压器老化故障进行实时准确全面识别，提高电缆系统运行的可靠性。
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。
Claims (10)
1.基于数据分析的油浸式变压器老化故障识别方法，其特征在于，包括以下步骤：
收集油浸式变压器运行年限对应的糖醛含量的历史数据集Uz；
建立油浸式变压器运行年限对应的糖醛含量坐标分析模型，将获取历史数据集Uz导入坐标分析模型中，获得油浸式变压器运行年限对应的糖醛含量在坐标分析模型上的区域分布模型图；
采集目标油浸式变压器中绝缘油的特征参数并调取关联历史特征参数其中，特征参数包括目标油浸式变压器糖醛含量Pz和目标油浸式变压器运行年限；
将目标油浸式变压器的特征参数输入坐标分析模型中与区域分布模型图进行联立识别目标油浸式变压器是否出现急变老化故障；
基于目标油浸式变压器的特征参数联立历史特征参数计算当前突变系数；
计算油浸式变压器运行年限对应的糖醛含量在坐标分析模型上的区域分布模型图中相对应年限的趋势系数，联立当前突变系数识别目标油浸式变压器是否出现递变老化故障。
2.根据权利要求1所述的基于数据分析的油浸式变压器老化故障识别方法，其特征在于,历史数据集Uz包括m台油浸式变压器运行n年限其绝缘油中糖醛含量的对数，其中，n≥2，即历史数据集Uz为：
其中Ymn＝lnPmn，其中Pmn表示第m台油浸式变压器运行第n年其绝缘油中糖醛的含量，即Ymn表示第m台油浸式变压器运行第n年其绝缘油中糖醛含量的对数。
3.根据权利要求2所述的基于数据分析的油浸式变压器老化故障识别方法，其特征在于，所述油浸式变压器运行年限对应的糖醛含量坐标模型为二维坐标模型，其中X轴用于表示油浸式变压器运行年限，Y轴用于表示油浸式变压器各运行年限对应的绝缘油中糖醛含量的对数。
4.根据权利要求2所述的基于数据分析的油浸式变压器老化故障识别方法，其特征在于，将获取历史数据集Uz导入坐标分析模型中，获得油浸式变压器运行年限对应的糖醛含量在坐标分析模型上的区域分布模型图具体为：
将历史数据集Uz中各油浸式变压器运行年限对应的绝缘油中糖醛含量对数录入到坐标分析模型中，实现在坐标分析模型上形成历史数据集中多个油浸式变压器各年限对应的糖醛含量对数区域分布模型图。
5.根据权利要求4所述的基于数据分析的油浸式变压器老化故障识别方法，其特征在于，将目标油浸式变压器的特征参数输入坐标分析模型中与区域分布模型图联立识别目标油浸式变压器是否出现急变老化故障具体为：
基于采集的目标油浸式变压器特征参数中糖醛含量Pz，计算糖醛含量Pz的对数lnPz；
将目标油浸式变压器特征参数中运行年限m，以及糖醛含量Pz的对数lnPz输入到坐标分析模型中，在坐标分析模型上形成特征参数点
当特征参数点位于区域分布模型图外部时则表示目标油浸式变压器出现急变老化故障。
6.根据权利要求1所述的基于数据分析的油浸式变压器老化故障识别方法，其特征在于，基于目标油浸式变压器特征参数联立历史特征参数计算当前突变系数具体为；
将采集目标油浸式变压器的特征参数设定为Pz，其中Pz表示目标油浸式变压器运行第z年其绝缘油中糖醛含量，其单位为mg/L；
调取相邻一年目标油浸式变压器采集的历史特征参数设定为Pz-1，其中Pz-1表示目标油浸式变压器运行第z-1年其绝缘油中糖醛含量，其单位为mg/L；
计算目标油浸式变压器突变系数K，
7.根据权利要求6所述的基于数据分析的油浸式变压器老化故障识别方法，其特征在于，所述计算油浸式变压器运行年限对应的糖醛含量在坐标分析模型上的区域分布模型图中相对应年限的趋势系数具体为：
识别坐标分析模型上第z年以及第z-1年区域分布模型图；
计算油浸式变压器第z年区域分布模型图对应的糖醛含量整合值以及油浸式变压器第z-1年区域分布模型图对应的糖醛含量整合值/>
计算趋势系数K’，其中
8.根据权利要求7所述的基于数据分析的油浸式变压器老化故障识别方法，其特征在于，油浸式变压器第z年区域分布模型图对应的糖醛含量整合值以及油浸式变压器第z-1年区域分布模型图对应的糖醛含量整合值/>的计算公式为：
其中Yzm＝lnPzm，Pzm表示第m台油浸式变压器运行第z年其绝缘油中糖醛的含量，其中z为整数且z≤n。
9.根据权利要求7所述的基于数据分析的油浸式变压器老化故障识别方法，其特征在于，基于坐标分析模型上的区域分布模型图中相对应年限的趋势系数，联立当前突变系数识别目标油浸式变压器是否出现递变老化故障具体为；
将突变系数K与趋势系数K’进行比较，当K＞K’时表示目标油浸式变压器出现递变老化故障。
10.根据权利要求1所述的基于数据分析的油浸式变压器老化故障识别方法，其特征在于，当目标油浸式变压器出现急变老化故障或递变老化故障任一种时均表示目标油浸式变压器出现老化故障。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311728710.1A CN117574300B (zh) | 2023-12-15 | 2023-12-15 | 基于数据分析的油浸式变压器老化故障识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311728710.1A CN117574300B (zh) | 2023-12-15 | 2023-12-15 | 基于数据分析的油浸式变压器老化故障识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117574300A true CN117574300A (zh) | 2024-02-20 |
| CN117574300B CN117574300B (zh) | 2024-09-03 |
Family
ID=89862431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311728710.1A Active CN117574300B (zh) | 2023-12-15 | 2023-12-15 | 基于数据分析的油浸式变压器老化故障识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117574300B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117984333A (zh) * | 2024-04-03 | 2024-05-07 | 广东电网有限责任公司东莞供电局 | 一种油浸式变压器的巡检方法、装置、设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107860894A (zh) * | 2017-10-10 | 2018-03-30 | 三峡大学 | 一种基于频域复介电常数初始斜率的变压器绝缘油中糠醛含量预测方法 |
| CN108844612A (zh) * | 2018-08-27 | 2018-11-20 | 重庆大学 | 一种基于数理统计概率模型的变压器内部故障识别方法 |
| CN112578213A (zh) * | 2020-12-23 | 2021-03-30 | 交控科技股份有限公司 | 轨道电源屏的故障预测方法及装置 |
| CN114116829A (zh) * | 2020-08-31 | 2022-03-01 | 中兴通讯股份有限公司 | 异常数据分析方法、异常数据分析系统和存储介质 |
| CN114358116A (zh) * | 2021-11-25 | 2022-04-15 | 华北电力大学 | 油浸式变压器故障诊断方法、系统及可读存储介质 |
| CN116223968A (zh) * | 2022-12-27 | 2023-06-06 | 三峡大学 | 基于电力互感器的分散式单相接地故障检测方法 |
| CN117113729A (zh) * | 2023-10-20 | 2023-11-24 | 国网吉林省电力有限公司长春供电公司 | 一种基于数字孪生的电力设备在线状态监测系统 |
| CN117169638A (zh) * | 2023-11-02 | 2023-12-05 | 湖南华夏特变股份有限公司 | 变压器绝缘纸老化程度检测方法、系统、设备及存储介质 |
-
2023
- 2023-12-15 CN CN202311728710.1A patent/CN117574300B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107860894A (zh) * | 2017-10-10 | 2018-03-30 | 三峡大学 | 一种基于频域复介电常数初始斜率的变压器绝缘油中糠醛含量预测方法 |
| CN108844612A (zh) * | 2018-08-27 | 2018-11-20 | 重庆大学 | 一种基于数理统计概率模型的变压器内部故障识别方法 |
| CN114116829A (zh) * | 2020-08-31 | 2022-03-01 | 中兴通讯股份有限公司 | 异常数据分析方法、异常数据分析系统和存储介质 |
| CN112578213A (zh) * | 2020-12-23 | 2021-03-30 | 交控科技股份有限公司 | 轨道电源屏的故障预测方法及装置 |
| CN114358116A (zh) * | 2021-11-25 | 2022-04-15 | 华北电力大学 | 油浸式变压器故障诊断方法、系统及可读存储介质 |
| CN116223968A (zh) * | 2022-12-27 | 2023-06-06 | 三峡大学 | 基于电力互感器的分散式单相接地故障检测方法 |
| CN117113729A (zh) * | 2023-10-20 | 2023-11-24 | 国网吉林省电力有限公司长春供电公司 | 一种基于数字孪生的电力设备在线状态监测系统 |
| CN117169638A (zh) * | 2023-11-02 | 2023-12-05 | 湖南华夏特变股份有限公司 | 变压器绝缘纸老化程度检测方法、系统、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 董明;张伟;张冠军;严璋: "《基于糠醛含量分析的电力变压器绝缘老化诊断》", 《变压器》, vol. 45, no. 12, 31 December 2008 (2008-12-31), pages 51 - 55 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117984333A (zh) * | 2024-04-03 | 2024-05-07 | 广东电网有限责任公司东莞供电局 | 一种油浸式变压器的巡检方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117574300B (zh) | 2024-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117574300B (zh) | 基于数据分析的油浸式变压器老化故障识别方法 | |
| CN106505557B (zh) | 一种遥测错误辨识方法及装置 | |
| CN107292501B (zh) | 一种评估废水监测数据质量的方法及设备 | |
| CN111669123B (zh) | 用于对光伏组串进行故障诊断的方法和装置 | |
| 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 | |
| CN109490685B (zh) | 基于油中溶解气体在线监测的变压器早期缺陷预警方法 | |
| CN103699668A (zh) | 基于数据断面一致性的配电网电气设备组合状态评估方法 | |
| CN112115618A (zh) | 一种基于矩阵图及置信度的电力设备故障诊断方法及系统 | |
| CN110738346A (zh) | 一种基于威布尔分布的批次电能表可靠度预测方法 | |
| CN114152685B (zh) | 基于多元线性回归的变压器油色谱的故障诊断方法及系统 | |
| CN115248402A (zh) | 油浸变压器在线监测系统及方法 | |
| CN106570644B (zh) | 一种基于统计工具的输变电设备量化评估方法 | |
| CN110750760A (zh) | 一种基于态势感知和控制图的异常理论线损检测方法 | |
| CN117554885B (zh) | 一种智能计量箱运行异常检测方法及系统 | |
| CN110930057A (zh) | 基于lof算法的配电变压器检验结果可信度的量化评判方法 | |
| CN115685013A (zh) | 基于多监测参量统计特性的变压器故障诊断方法及系统 | |
| Stepančič et al. | Fault detection of fuel cell systems based on statistical assessment of impedance data | |
| CN113392511B (zh) | 基于频谱包络符号熵的有载分接开关机械状态监测方法 | |
| CN117723878A (zh) | 一种配电网干式变压器故障预警装置及方法 | |
| CN114970311A (zh) | 一种远端模块寿命预测模型的建立方法与寿命预测方法 | |
| CN112668867B (zh) | 一种基于现场数据量的设备故障率评估方法及系统 | |
| CN110927488B (zh) | 一种基于隶属度函数的变压器运行状态监测方法 | |
| RU2791597C1 (ru) | Система мониторинга, диагностирования и управления техническим состоянием силовых трансформаторов | |
| TWI693415B (zh) | 變壓器診斷方法及其系統、電腦程式產品及電腦可讀取記錄媒體 | |
| CN117761419B (zh) | 一种变压器用运行状态监测方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |