CN117633695B - 一种基于电参数时序分析的变压器运行监测方法 - Google Patents

Abstract

本发明涉及电变量测量技术领域，具体涉及一种基于电参数时序分析的变压器运行监测方法，包括：采集变压器电流数据序列；根据变压器电流数据序列得到传统异常电流数据段；根据传统异常电流数据段得到连续异常性以及稳定异常性；根据连续异常性以及稳定异常性得到连续变化修正系数；根据传统异常电流数据段内传统变压器异常电流数据之间的趋势变化差异，得到趋势变化修正系数；根据连续变化修正系数以及趋势变化修正系数得到真实异常修正系数；根据真实异常修正系数获取真实异常电流数据。本发明降低了异常检测结果的误差，提高了运行监测的效率。

Description

一种基于电参数时序分析的变压器运行监测方法

技术领域

本发明涉及电变量测量技术领域，具体涉及一种基于电参数时序分析的变压器运行监测方法。

背景技术

变压器的电流作为变压器运行时监测的重要电变量参数之一，其电流变化会直接影响电路系统是否能正常运行，为了保证电路系统的稳定运行，需要对电流数据进行异常检测。传统方法利用箱线图算法对电流数据进行异常检测，但由于采集的电流数据会受到变压器内部电子器件的电磁干扰，使传统的箱线图算法将原本部分正常的电流数据错误识别为异常的电流数据，导致异常检测结果存在较大误差。

发明内容

本发明提供一种基于电参数时序分析的变压器运行监测方法，以解决现有的问题：采集的电流数据会受到变压器内部电子器件的电磁干扰，使传统的箱线图算法将部分原本正常的电流数据错误识别为异常的电流数据。

本发明的一种基于电参数时序分析的变压器运行监测方法采用如下技术方案：

包括以下步骤：

采集变压器电流数据序列；

对变压器电流数据序列进行异常检测分段得到若干传统异常电流数据段，所述传统异常电流数据段内包含多个传统变压器异常电流数据；根据传统异常电流数据段内传统变压器异常电流数据之间的时间变化差异，得到每个传统异常电流数据段的连续异常性；根据传统异常电流数据段内传统变压器异常电流数据之间的数值差异，得到每个传统异常电流数据段的稳定异常性；根据连续异常性以及稳定异常性得到每个传统异常电流数据段的连续变化修正系数，所述连续变化修正系数用于描述正常电流数据与异常电流数据之间数量的初始差异；

根据传统异常电流数据段内传统变压器异常电流数据之间的趋势变化差异，得到每个传统异常电流数据段的初始趋势变化修正系数；根据初始趋势变化修正系数得到每个传统异常电流数据段的趋势变化修正系数；根据连续变化修正系数以及趋势变化修正系数得到变压器电流数据序列的真实异常修正系数，真实异常修正系数用于描述正常电流数据与异常电流数据之间数量的最终差异；

根据真实异常修正系数对变压器电流数据序列进行阈值调整得到变压器电流数据序列的自适应上限以及自适应下限；根据自适应上限以及自适应下限从变压器电流数据序列中获取若干真实异常电流数据。

优选的，所述对变压器电流数据序列进行异常检测分段得到若干传统异常电流数据段，包括的具体方法为：

利用箱线图算法获取变压器电流数据序列的若干异常值，并记为传统变压器异常电流数据，将所有传统变压器异常电流数据按照采集时间从小到大的顺序进行排列，将排列后的序列记为传统异常电流数据序列；

预设一个数据段数量K1，将传统异常电流数据序列均分为K1个数据段，并将每个数据段均记为一个传统异常电流数据段。

优选的，所述根据传统异常电流数据段内传统变压器异常电流数据之间的时间变化差异，得到每个传统异常电流数据段的连续异常性，包括的具体方法为：

式中，表示任意一个传统异常电流数据段的连续异常性； 表示传统异常电流数据段中所有传统变压器异常电流数据的数量；表示第个传统变压器 异常电流数据对应的采集时间；表示第个传统变压器异常电流数据对应的采集时 间；表示取绝对值。

优选的，所述根据传统异常电流数据段内传统变压器异常电流数据之间的数值差异，得到每个传统异常电流数据段的稳定异常性，包括的具体方法为：

式中，表示任意一个传统异常电流数据段的稳定异常性；表示传统异常电流数据段中所有传统变压器异常电流数据的极值的数量；表示传统异 常电流数据段中第个极值对应的传统变压器异常电流数据；表示传统异常电流数据 段中第个极值对应的传统变压器异常电流数据；表示预设的超参数；表示取绝对值。

优选的，所述根据连续异常性以及稳定异常性得到每个传统异常电流数据段的连续变化修正系数，包括的具体方法为：

式中，表示任意一个传统异常电流数据段的原始连续变化修正系数； 表示传统异常电流数据段的连续异常性；表示传统异常电流数据段的稳定异常性；获取 所有传统异常电流数据段的原始连续变化修正系数，对所有原始连续变化修正系数进行线 性归一化，将归一化后的每个原始连续变化修正系数记为连续变化修正系数。

优选的，所述根据传统异常电流数据段内传统变压器异常电流数据之间的趋势变化差异，得到每个传统异常电流数据段的初始趋势变化修正系数，包括的具体方法为：

对于任意一个传统异常电流数据段，对传统异常电流数据段中所有传统异常电流进行二阶差分运算获取若干二阶差分值；

式中，表示传统异常电流数据段的初始趋 势变化修正系数；表示传统异常电流数据段的所有二阶差分值的数量；表示第个二阶 差分值；表示预设的超参数；表示所有二阶差分值的极值的数量；表示第个极值；表示第个极值；表示取绝对值。

优选的，所述根据初始趋势变化修正系数得到每个传统异常电流数据段的趋势变化修正系数，包括的具体方法为：

对所有传统异常电流数据段的初始趋势变化修正系数进行线性归一化，将归一化后的每个初始趋势变化修正系数记为趋势变化修正系数。

优选的，所述根据连续变化修正系数以及趋势变化修正系数得到变压器电流数据序列的真实异常修正系数，包括的具体方法为：

式中，表示变压器电流数据序列的真实异常修正系数；表示变压 器电流数据序列中所有传统异常电流数据段的数量；表示第个传统异常电流数据段的连 续变化修正系数；表示第个传统异常电流数据段的趋势变化修正系数。

优选的，所述根据真实异常修正系数对变压器电流数据序列进行阈值调整得到变压器电流数据序列的自适应上限以及自适应下限，包括的具体方法为：

利用箱线图算法获取变压器电流数据序列的上限与下限，并将上限记为传统异常上限值，将下限记为传统异常下限值；

式中，表示变压器电流数据序列的自适应上限；表示变 压器电流数据序列的传统异常上限值；表示变压器电流数据序列的真实异常修正系数； 表示预设的超参数；

式中，表示变压器电流数据序列的自适应下限；表示变 压器电流数据序列的传统异常下限值；表示变压器电流数据序列的真实异常修正系数； 表示预设的超参数。

优选的，所述根据自适应上限以及自适应下限从变压器电流数据序列中获取若干真实异常电流数据，包括的具体方法为：

将箱线图算法的上限以及下限替换为变压器电流数据序列的自适应上限以及自适应下限，根据自适应上限以及自适应下限对变压器电流数据序列进行箱线图检测，得到若干异常值，并记为真实异常电流数据。

本发明的技术方案的有益效果是：根据变压器电流数据序列得到连续异常性以及稳定异常性，根据连续异常性以及稳定异常性得到连续变化修正系数，根据传统变压器异常电流数据之间的趋势变化差异得到趋势变化修正系数，根据连续变化修正系数以及趋势变化修正系数得到真实异常修正系数，根据真实异常修正系数获取真实异常电流数据；本发明的连续变化修正系数反映了正常电流数据与异常电流数据之间数量的初始差异，真实异常修正系数反映了正常电流数据与异常电流数据之间数量的最终差异；使异常的电流数据更加接近真实异常的电流数据，降低了异常检测结果的误差，提高了运行监测的效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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为本发明一种基于电参数时序分析的变压器运行监测方法的步骤流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于电参数时序分析的变压器运行监测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于电参数时序分析的变压器运行监测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于电参数时序分析的变压器运行监测方法的步骤流程图，该方法包括以下步骤：

步骤S001：采集变压器电流数据序列。

需要说明的是，传统方法利用箱线图算法对电流数据进行异常检测，但由于采集的电流数据会受到变压器内部电子器件的电磁干扰，使传统的箱线图算法将原本部分正常的电流数据错误识别为异常的电流数据，导致异常检测结果存在较大误差。为此，本实施例提出了一种基于电参数时序分析的变压器运行监测方法。

具体的，为了实现本实施例提出的一种基于电参数时序分析的变压器运行监测方法，首先需要采集变压器电流数据序列，具体过程为：使用电流传感器每隔5秒采集一次变压器的电流数据，记为变压器电流数据，共采集3小时；将采集的所有电流数据按照采集时间从小到大进行排列，将排列后的序列记为变压器电流数据序列。其中变压器电流数据序列包含多个变压器电流数据。另外需要说明的是，本实施例变压器电流数据的采集间隔以及采集时间可根据具体实施情况而定，本实施例不进行具体限定。

至此，通过上述方法得到变压器电流数据序列。

步骤S002：对变压器电流数据序列进行异常检测分段得到若干传统异常电流数据段；根据传统异常电流数据段内传统变压器异常电流数据之间的时间变化差异，得到每个传统异常电流数据段的连续异常性；根据传统异常电流数据段内传统变压器异常电流数据之间的数值差异，得到每个传统异常电流数据段的稳定异常性；根据连续异常性以及稳定异常性得到每个传统异常电流数据段的连续变化修正系数。

需要说明的是，在变压器进行运作的过程中，电路中可能会存在用电设备故障、负载失衡等异常情况，若这些异常情况发生时，对应变压器中的电流数据可能会出现数值过大或者数值过小的情况，并且会持续发生变化，直至电路系统恢复正常为止；针对上述情况，传统的箱线图算法通过其自身的上限与下限将数值过大或者数值过小的电流数据智能划分出来，将划分出来的电流数据作为异常的电流数据，并进行预警；但由于变压器内部电子器件互相会产生电磁干扰，使部分电流数据产生短暂不规律的突变，传统的箱线图算法在划分异常电流数据时，其自身的上限与下限会将这部分被干扰的电流数据也会划分出来，从而将这部分被干扰的电流数据错误识别为异常的电流数据。为了提高异常检测结果的准确性，本实施例通过分析电流数据的变化特征得到连续变化修正系数，以便后续分析处理。

具体的，利用箱线图算法获取变压器电流数据序列的若干异常值，将这些异常值记为传统变压器异常电流数据，并按照采集时间从小到大的顺序进行排列，将排列后的序列记为传统异常电流数据序列；预设一个数据段数量K1，其中本实施例以K1=10为例进行叙述，本实施例不进行具体限定，其中K1可根据具体实施情况而定；将传统异常电流数据序列均分为K1个数据段，并将每个数据段均记为一个传统异常电流数据段。其中异常值的获取过程是箱线图算法的公知内容，本实施例不再赘述。

进一步的，以任意一个传统异常电流数据段为例，根据该传统异常电流数据段内传统变压器异常电流数据之间的时间变化程度，得到该传统异常电流数据段的连续异常性。其中该传统异常电流数据段的连续异常性的计算方法为：

式中，表示该传统异常电流数据段的连续异常性；表示该 传统异常电流数据段中所有传统变压器异常电流数据的数量；表示第个传统变压器异常 电流数据对应的采集时间；表示第个传统变压器异常电流数据对应的采集时间； 表示取绝对值；其中若该传统异常电流数据段的连续异常性越大，说明传统异常电流数据 之间的关系越紧密，反映传统异常电流数据之间的变化趋势越有关联。

进一步的，根据该传统异常电流数据段内传统变压器异常电流数据之间的稳定变化程度，得到该传统异常电流数据段的稳定异常性。其中该传统异常电流数据段的稳定异常性的计算方法为：

式中，表示该传统异常电流数据段的稳定异常性；表示 该传统异常电流数据段中所有传统变压器异常电流数据的极值的数量；表示该传统异常 电流数据段中第个极值对应的传统变压器异常电流数据；表示该传统异常电流数据 段中第个极值对应的传统变压器异常电流数据；表示预设的超参数，本实施例预设，用于防止分母为0；表示取绝对值。其中若该传统异常电流数据段的稳定异常性越 大，说明该传统异常电流数据段中传统异常电流数据的变化趋势越不稳定。

进一步的，根据该传统异常电流数据段的连续异常性以及稳定异常性，得到该传统异常电流数据段的原始连续变化修正系数。其中该传统异常电流数据段的原始连续变化正系数的计算方法为：

式中，表示该传统异常电流数据段的原始连续变化修正系数；表示该 传统异常电流数据段的连续异常性；表示该传统异常电流数据段的稳定异常性。其中若 变压器电流数据序列的原始连续变化修正系数越大，说明电磁干扰对该传统异常电流数据 段的干扰越多，反映该传统异常电流数据段中实际存在正常的变压器电流数据越多。获取 所有传统异常电流数据段的原始连续变化修正系数，对所有原始连续变化修正系数进行线 性归一化，将归一化后的每个原始连续变化修正系数记为连续变化修正系数。

至此，通过上述方法得到所有传统异常电流数据段的连续变化修正系数。

步骤S003：根据传统异常电流数据段内传统变压器异常电流数据之间的趋势变化差异，得到每个传统异常电流数据段的初始趋势变化修正系数；根据初始趋势变化修正系数得到每个传统异常电流数据段的趋势变化修正系数；根据连续变化修正系数以及趋势变化修正系数得到变压器电流数据序列的真实异常修正系数。

需要说明的是，连续变化修正系数是联合电流数据的连续性以及稳定性获取的，但实际情况中，电流数据的连续性以及稳定性还会受到电流数据变化趋势的影响；而在正常情况下异常电流数据的变化趋势较为平缓，而对于受变压器内部电子器件互相电磁干扰的影响的部分电流数据而言，这部分电流数据会产生短暂不规律的突变，并且这部分电流数据持续增加或者持续减少的速度会较快；为了尽可能地提高异常检测结果的准确性，本实施例通过分析电流数据的趋势特征得到趋势变化修正系数，根据趋势变化修正系数调整传统箱线图算法的上限与下限，并进行异常预警。

具体的，以任意一个传统异常电流数据段为例，对该传统异常电流数据段中所有传统异常电流进行二阶差分运算获取若干二阶差分值；根据二阶差分值得到该传统异常电流数据段的初始趋势变化修正系数。其中二阶差分运算时公知技术，本实施例不再赘述；每个传统异常电流数据段对应多个二阶差分值；另外该传统异常电流数据段的初始趋势变化修正系数的计算方法为：

式中，表示该传统异常电流数据段的初始 趋势变化修正系数；表示该传统异常电流数据段的所有二阶差分值的数量；表示第个 二阶差分值；表示预设的超参数，本实施例预设，用于防止分母为0；表示所有二阶差 分值的极值的数量；表示第个极值；表示第个极值；表示取绝对值。其中若该 传统异常电流数据段的初始趋势变化修正系数越大，说明该传统异常电流数据段中电流数 据的变化趋势越剧烈，反映该传统异常电流数据段的电流数据越有可能被干扰。获取所有 传统异常电流数据段的初始趋势变化修正系数，对所有初始趋势变化修正系数进行线性归 一化，将归一化后的每个初始趋势变化修正系数记为趋势变化修正系数。

进一步的，根据所有传统异常电流数据段的连续变化修正系数以及趋势变化修正系数，得到变压器电流数据序列的真实异常修正系数。其中变压器电流数据序列的真实异常修正系数的计算方法为：

式中，表示变压器电流数据序列的真实异常修正系数；表示变压 器电流数据序列中所有传统异常电流数据段的数量；表示第个传统异常电流数据段的连 续变化修正系数；表示第个传统异常电流数据段的趋势变化修正系数。其中若变压器电 流数据序列的真实异常修正系数越大，说明变压器电流数据序列受到干扰的程度越大。

至此，通过上述方法得到变压器电流数据序列的真实异常修正系数。

步骤S004：根据真实异常修正系数对变压器电流数据序列进行阈值调整得到变压器电流数据序列的自适应上限以及自适应下限；根据自适应上限以及自适应下限从变压器电流数据序列中获取若干真实异常电流数据。

具体的，利用箱线图算法获取变压器电流数据序列的上限与下限，并将上限记为传统异常上限值，将下限记为传统异常下限值。根据传统异常上限值以及真实异常修正系数，得到变压器电流数据序列的自适应上限。其中上限、下限的获取过程是箱线图算法的公知内容，本实施例不再赘述。另外变压器电流数据序列的自适应上限的计算方法为：

式中，表示变压器电流数据序列的自适应上限；表示变 压器电流数据序列的传统异常上限值；表示变压器电流数据序列的真实异常修正系数； 表示预设的超参数，本实施例预设，用于描述真实异常修正系数的预设阈值。

进一步的，根据传统异常下限值以及真实异常修正系数，得到变压器电流数据序列的自适应下限。另外变压器电流数据序列的自适应下限的计算方法为：

式中，表示变压器电流数据序列的自适应下限；表示变 压器电流数据序列的传统异常下限值；表示变压器电流数据序列的真实异常修正系数； 表示预设的超参数，本实施例预设，用于描述真实异常修正系数的预设阈值。

进一步的，将箱线图算法的上限以及下限替换为变压器电流数据序列的自适应上限以及自适应下限，根据自适应上限以及自适应下限得到若干异常值，将这些异常值记为真实异常电流数据，完成运行监测。其中根据上限以及下限获取异常值的过程是箱线图算法的公知内容，本实施例不进行赘述。

至此，本实施例完成。

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，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于电参数时序分析的变压器运行监测方法，其特征在于，该方法包括以下步骤：

采集变压器电流数据序列；

对变压器电流数据序列进行异常检测分段得到若干传统异常电流数据段，所述传统异常电流数据段内包含多个传统变压器异常电流数据；根据传统异常电流数据段内传统变压器异常电流数据之间的时间变化差异，得到每个传统异常电流数据段的连续异常性；根据传统异常电流数据段内传统变压器异常电流数据之间的数值差异，得到每个传统异常电流数据段的稳定异常性；根据连续异常性以及稳定异常性得到每个传统异常电流数据段的连续变化修正系数，所述连续变化修正系数用于描述正常电流数据与异常电流数据之间数量的初始差异；

根据传统异常电流数据段内传统变压器异常电流数据之间的趋势变化差异，得到每个传统异常电流数据段的初始趋势变化修正系数；根据初始趋势变化修正系数得到每个传统异常电流数据段的趋势变化修正系数；根据连续变化修正系数以及趋势变化修正系数得到变压器电流数据序列的真实异常修正系数，真实异常修正系数用于描述正常电流数据与异常电流数据之间数量的最终差异；

根据真实异常修正系数对变压器电流数据序列进行阈值调整得到变压器电流数据序列的自适应上限以及自适应下限；根据自适应上限以及自适应下限从变压器电流数据序列中获取若干真实异常电流数据；

所述连续异常性的计算公式为：

式中，表示任意一个传统异常电流数据段的连续异常性；/>表示传统异常电流数据段中所有传统变压器异常电流数据的数量；/>表示第/>个传统变压器异常电流数据对应的采集时间；/>表示第/>个传统变压器异常电流数据对应的采集时间；/>表示取绝对值；

所述稳定异常性的计算公式为：

式中，表示任意一个传统异常电流数据段的稳定异常性；/>表示传统异常电流数据段中所有传统变压器异常电流数据的极值的数量；/>表示传统异常电流数据段中第/>个极值对应的传统变压器异常电流数据；/>表示传统异常电流数据段中第/>个极值对应的传统变压器异常电流数据；/>表示预设的超参数；/>表示取绝对值；

所述连续变化修正系数的获取方法包括：

根据原始连续变化修正系数的计算公式获取原始连续变化修正系数；原始连续变化修正系数的计算公式为：

式中，表示任意一个传统异常电流数据段的原始连续变化修正系数；/>表示传统异常电流数据段的连续异常性；/>表示传统异常电流数据段的稳定异常性；

获取所有传统异常电流数据段的原始连续变化修正系数，对所有原始连续变化修正系数进行线性归一化，将归一化后的每个原始连续变化修正系数记为连续变化修正系数；

所述真实异常修正系数的计算公式为：

式中，表示变压器电流数据序列的真实异常修正系数；/>表示变压器电流数据序列中所有传统异常电流数据段的数量；/>表示第/>个传统异常电流数据段的连续变化修正系数；表示第/>个传统异常电流数据段的趋势变化修正系数。

2.根据权利要求1所述一种基于电参数时序分析的变压器运行监测方法，其特征在于，所述对变压器电流数据序列进行异常检测分段得到若干传统异常电流数据段，包括的具体方法为：

利用箱线图算法获取变压器电流数据序列的若干异常值，并记为传统变压器异常电流数据，将所有传统变压器异常电流数据按照采集时间从小到大的顺序进行排列，将排列后的序列记为传统异常电流数据序列；

预设一个数据段数量K1，将传统异常电流数据序列均分为K1个数据段，并将每个数据段均记为一个传统异常电流数据段。

3.根据权利要求1所述一种基于电参数时序分析的变压器运行监测方法，其特征在于，所述根据传统异常电流数据段内传统变压器异常电流数据之间的趋势变化差异，得到每个传统异常电流数据段的初始趋势变化修正系数，包括的具体方法为：

对于任意一个传统异常电流数据段，对传统异常电流数据段中所有传统异常电流进行二阶差分运算获取若干二阶差分值；

式中，表示传统异常电流数据段的初始趋势变化修正系数；/>表示传统异常电流数据段的所有二阶差分值的数量；/>表示第/>个二阶差分值；/>表示预设的超参数；/>表示所有二阶差分值的极值的数量；/>表示第/>个极值；/>表示第/>个极值；/>表示取绝对值。

4.根据权利要求1所述一种基于电参数时序分析的变压器运行监测方法，其特征在于，所述根据初始趋势变化修正系数得到每个传统异常电流数据段的趋势变化修正系数，包括的具体方法为：

对所有传统异常电流数据段的初始趋势变化修正系数进行线性归一化，将归一化后的每个初始趋势变化修正系数记为趋势变化修正系数。

5.根据权利要求1所述一种基于电参数时序分析的变压器运行监测方法，其特征在于，所述根据真实异常修正系数对变压器电流数据序列进行阈值调整得到变压器电流数据序列的自适应上限以及自适应下限，包括的具体方法为：

利用箱线图算法获取变压器电流数据序列的上限与下限，并将上限记为传统异常上限值，将下限记为传统异常下限值；

式中，表示变压器电流数据序列的自适应上限；/>表示变压器电流数据序列的传统异常上限值；/>表示变压器电流数据序列的真实异常修正系数；/>表示预设的超参数；

式中，表示变压器电流数据序列的自适应下限；/>表示变压器电流数据序列的传统异常下限值；/>表示变压器电流数据序列的真实异常修正系数；/>表示预设的超参数。

6.根据权利要求1所述一种基于电参数时序分析的变压器运行监测方法，其特征在于，所述根据自适应上限以及自适应下限从变压器电流数据序列中获取若干真实异常电流数据，包括的具体方法为：

将箱线图算法的上限以及下限替换为变压器电流数据序列的自适应上限以及自适应下限，根据自适应上限以及自适应下限对变压器电流数据序列进行箱线图检测，得到若干异常值，并记为真实异常电流数据。