CN117686861B - 多级参考基准的换流变阀侧套管绝缘状态监测方法及系统 - Google Patents
多级参考基准的换流变阀侧套管绝缘状态监测方法及系统 Download PDFInfo
- Publication number
- CN117686861B CN117686861B CN202410157728.9A CN202410157728A CN117686861B CN 117686861 B CN117686861 B CN 117686861B CN 202410157728 A CN202410157728 A CN 202410157728A CN 117686861 B CN117686861 B CN 117686861B
- Authority
- CN
- China
- Prior art keywords
- insulation state
- data
- cluster
- characteristic
- sleeve
- 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
- 238000009413 insulation Methods 0.000 title claims abstract description 126
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000008713 feedback mechanism Effects 0.000 claims abstract description 7
- 238000013136 deep learning model Methods 0.000 claims abstract description 4
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 52
- 230000032683 aging Effects 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 230000005856 abnormality Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 239000012535 impurity Substances 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 14
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Testing Relating To Insulation (AREA)
Abstract
本发明涉及换流变阀侧套管绝缘状态监测技术领域，尤其涉及多级参考基准的换流变阀侧套管绝缘状态监测方法及系统，通过数据聚类自动建立多级参考标准，并进行数据采集与实时对比；对采集到的数据进行特征提取，并将提取到的特征与多级参考标准进行匹配；引入深度学习模型进行预测与校准，获得初步绝缘状态判断结果；建立动态调整与反馈机制，进行综合评估与输出以及实时告警与决策支持。本发明的绝缘状态监测方法有助于提高设备的安全性、可靠性和效率，减少维护成本，同时提供了实时告警和决策支持，为工业设备运维提供了有力的工具和解决方案。
Description
技术领域
本发明涉及换流变阀侧套管绝缘状态监测技术领域，尤其涉及多级参考基准的换流变阀侧套管绝缘状态监测方法及系统。
背景技术
换流变阀侧套管与换流阀组直连，其承受电压为交直流复合电压还受到极性反转、操作过电压、谐波等特殊工况影响，容易产生劣化并无外部电压测量装置，常规监测技术不适用于阀侧套管，存在以下技术难题:末屏微电流准确提取难，涉及强磁场干扰、末屏分压器改造可靠性等问题，现场实施难度大；分析算法复杂， 在交、直复合电压、频率波动、谐波干扰等复杂运行条件下准确计算套管基波介损因数、电容量等状态参量难度大；无固定的参考基准，不同位置阀侧套管承受电压各不相同，且无外部参考信号绝缘状态评判无参考基准，故障预警难度大。
整体来讲，换流变阀侧套管绝缘状态在线监测技术仍处于空白状态，无准确有效的绝缘状态监测装置。
发明内容
鉴于上述现有存在的问题，提出了本发明。
因此，本发明提供了多级参考基准的换流变阀侧套管绝缘状态监测方法，能够解决传统的换流变阀侧套管绝缘状态在线监测技术无法准确有效的进行绝缘状态监测的问题。
为解决上述技术问题，本发明提供如下技术方案，多级参考基准的换流变阀侧套管绝缘状态监测方法，包括：
通过数据聚类自动建立多级参考标准，并进行数据采集与实时对比；对采集到的数据进行特征提取，并将提取到的特征与多级参考标准进行匹配；引入深度学习模型进行预测与校准，获得初步绝缘状态判断结果；建立动态调整与反馈机制，进行综合评估与输出以及实时告警与决策支持。
作为本发明所述的多级参考基准的换流变阀侧套管绝缘状态监测方法的一种优选方案，其中：所述数据聚类包括，使用无监督学习方法对历史数据进行聚类，对数据聚类结果进行分析，数据聚类将历史数据分为不同的簇，通过每个簇的数学模型确认每个簇的特征和属性，并匹配对应的绝缘状态级别。
作为本发明所述的多级参考基准的换流变阀侧套管绝缘状态监测方法的一种优选方案，其中：所述数据聚类包括，对簇进行特征分析，具体如下：
其中，为簇的特征值，/>为簇标号，/>为数据点，i为簇中对应的数据点标号，/>为引进的影响因子，/>为簇中数据点数量；
当≤1时，判定当前簇特征分析贡献值较小，予以排除，将所属簇定义为二类数据簇，同时标记簇的特征分析结果；
当＞1时，判定簇特征分析贡献值满足标准，定义为一类数据簇，对所属簇依次进行标记，分别标记为/>，并将1、2……t进行一一比对，得到m个特征分析比对结果，再从比对结果挑选出4个差值区间大于1的，将所属一类数据簇标记为特类数据簇，并以每簇的所属区间作为特征范围区间。
作为本发明所述的多级参考基准的换流变阀侧套管绝缘状态监测方法的一种优选方案，其中：所述建立多级参考标包括，对二类数据簇依据从小到大的顺序进行排序，筛选出4个与所述特征分析比对结果数值相近或数据趋同的簇定义所属簇为比对中心簇，将4个比对中心簇按簇中心数值从小到大分别设为正常绝缘状态、轻微老化状态、中度老化状态以及重度老化状态，同时将所述中心数值设为多级参考标准及其标参。
作为本发明所述的多级参考基准的换流变阀侧套管绝缘状态监测方法的一种优选方案，其中：所述特征提取包括，将系统采集的电压、电流及温度信号进行消噪除杂处理，将信号导入短时傅里叶变换模型，由短时傅里叶变换模型输出提取信号的瞬时频率、瞬时幅度作为时频分析的瞬时特征，再将瞬时特征进行归一化处理，确保各瞬时特征在同一尺度上；依据瞬时特征确定套管的绝缘状态特性是否存在振幅变化异常或其他异常；当振幅幅值超过平均振幅的1.2倍时，判定套管的绝缘状态特性分析出现振幅异常；当套管的绝缘状态特性未出现振幅异常情况但经检查发现数据源存在其他异常，则重新采集数据源数据，重复特征提取步骤，获取新的套管的绝缘状态特性结果；当套管的绝缘状态特性出现振幅异常情况，需立即追溯数据源，检查数据源是否存在其他异常；所述其他异常包括数据丢失、大面积数据折叠以及历史数据反复覆盖情况；若不存在其他异常，则判定套管的绝缘状态特性发生不可逆变化，将套管的绝缘状态特性与多级参考标准进行比对，确定当前的绝缘状态级别，重新进行套管的绝缘状态特性的分析判断，并比对绝缘状态级别，若级别判断结果不变，则将套管的绝缘状态特性分析结果正常输出；若检查发现存在其他异常，则直接丢弃套管的绝缘状态特性分析结果，重新采集数据源数据，重复特征提取步骤，获取新的套管的绝缘状态特性结果；若套管的绝缘状态特性不存在振幅异常或其他异常情况，则将绝缘状态级别的判定以套管的绝缘状态特性分析结果为基准进行校准，优化所有绝缘状态级别的标定参数以及绝缘状态级别对应的特征范围区间；所述绝缘状态级别对应的特征范围区间的优化通过与中心簇的簇中心进行校准实现，若特征范围区间与中心簇的数值差异值在既定的范围内，则更改整个特征范围区间；若特征范围区间与中心簇的数值差异值不在既定的范围内，则重新计算特征范围区间。
作为本发明所述的多级参考基准的换流变阀侧套管绝缘状态监测方法的一种优选方案，其中：所述预测与校准包括，依据由短时傅里叶变换模型输出的瞬时特征，将瞬时特征进行频率成分、能量分布的分类，用向量表示：
；
训练模型具体如下：
其中，表示绝缘状态是正类别的概率，/>是瞬时特征，是特征参数；/>通过训练数据来估计，使模型最优地拟合数据；
正类别的概率通过如下公式计算：
其中，概率p表示绝缘状态为正类别的可能性，所述正类别是指绝缘状态级别为正常绝缘状态、轻微老化状态；若p大于或等于0.5，则模型将预测为正类别，即绝缘状态级别为正常绝缘状态或轻微老化状态；否则，预测为负类别，所述负类别是指绝缘状态级别为中度老化状态或重度老化状态。
作为本发明所述的多级参考基准的换流变阀侧套管绝缘状态监测方法的一种优选方案，其中：所述动态调整包括，在多级参考标准的基础上，使用线性校准模型对预测结果进行动态调整，同时通过系统反馈机制对监测模块进行正负反馈的输送，当主系统收到负反馈时，发送示警信号进行实时告警；所述负反馈包括绝缘状态级别中的中度老化状态以及重度老化状态信号。
本发明的另外一个目的是提供多级参考基准的换流变阀侧套管绝缘状态监测系统，其能通过实现多级参考基准的换流变阀侧套管绝缘状态监测方法，解决现有技术中绝缘状态监测系统无法实现准确有效识别绝缘状态的问题。
作为本发明所述的多级参考基准的换流变阀侧套管绝缘状态监测系统的一种优选方案，其中：所述系统包括，主系统、主控逻辑单元、算法模块、比对分析模块、信息传输单元、信息采集单元以及告警单元；所述主系统负责调控信息传输、模块计算、操作指令的收发以及告警响应；所述主控逻辑单元包括主系统逻辑模块、算法逻辑模块以及操作逻辑模块；所述主系统逻辑模块用于对整个系统的作业流程和交互过程进行整体调控和实时监控；所述算法逻辑模块用于对算法结果进行分析并进行策略匹配；所述操作逻辑模块用于对分析结果进行决策分析和策略匹配；所述算法模块用于构建算法模型和训练数据，进一步分析计算结果；所述比对分析单元用于对数据或计算结果与系统设定进行比对；所述信息传输单元用于对各类信息进行传输；所述信息采集单元用于对所需的信息进行收集或采集；所述告警单元用于对主系统获取的正负反馈进行识别，判断是否告警并采取相应的告警策略。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现多级参考基准的换流变阀侧套管绝缘状态监测方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现多级参考基准的换流变阀侧套管绝缘状态监测方法的步骤。
本发明的有益效果：本发明的绝缘状态监测方法可以实时监测换流变阀侧套管的绝缘状态，及早发现潜在的故障或问题，从而提高设备的安全性。通过实时监测和提前发现问题，运维人员可以及时采取维护措施，减少设备的停机时间，提高生产效率。同时，本发明允许根据绝缘状态的实际状况进行维护，而不是定期维护。这可以降低不必要的维护成本，提高维护的效率。通过时频分析和特征提取，可以更准确地了解绝缘状态的特性，识别细微的变化和异常模式，从而提高监测精度，并且采用自动化方法进行绝缘状态监测，减少了人工干预的需求，提高了监测系统的效率；实时发出告警，提供决策支持工具，帮助运维人员及时采取行动，防止设备故障或事故，基于监测数据和分析结果，可以制定数据驱动的维护计划，确保维护的针对性和高效性。且本发明的方法可以适用于不同类型的换流变阀侧套管，具有较强的通用性和可扩展性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例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它的附图。
图1为本发明一个实施例提供的多级参考基准的换流变阀侧套管绝缘状态监测方法流程示意图。
图2为本发明一个实施例提供的多级参考基准的换流变阀侧套管绝缘状态监测方法的设备架构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
实施例1
参照图1，为本发明的第一个实施例，该实施例提供了多级参考基准的换流变阀侧套管绝缘状态监测方法，包括：
S1：通过数据聚类自动建立多级参考标准，并进行数据采集与实时对比。
所述数据聚类包括，使用无监督学习方法对历史数据进行聚类，对数据聚类结果进行分析，数据聚类将历史数据分为不同的簇，通过每个簇的数学模型确认每个簇的特征和属性，并匹配对应的绝缘状态级别。
所述数据聚类包括，对簇进行特征分析，具体如下：
其中，为簇的特征值，/>为簇标号，/>为数据点，i为簇中对应的数据点标号，/>为引进的影响因子，/>为簇中数据点数量；
当≤1时，判定当前簇特征分析贡献值较小，予以排除，将所属簇定义为二类数据簇，同时标记簇的特征分析结果；
当＞1时，判定簇特征分析贡献值满足标准，定义为一类数据簇，对所属簇依次进行标记，分别标记为/>，并将1、2……t进行一一比对，得到m个特征分析比对结果，再从比对结果挑选出4个差值区间大于1的，将所属一类数据簇标记为特类数据簇，并以每簇的所属区间作为特征范围区间。
所述建立多级参考标包括，对二类数据簇依据从小到大的顺序进行排序，筛选出4个与所述特征分析比对结果数值相近或数据趋同的簇定义所属簇为比对中心簇，将4个比对中心簇按簇中心数值从小到大分别设为正常绝缘状态、轻微老化状态、中度老化状态以及重度老化状态，同时将所述中心数值设为多级参考标准及其标参。
S2：对采集到的数据进行特征提取，并将提取到的特征与多级参考标准进行匹配。
所述特征提取包括，将系统采集的电压、电流及温度信号进行消噪除杂处理，将信号导入短时傅里叶变换模型，由短时傅里叶变换模型输出提取信号的瞬时频率、瞬时幅度作为时频分析的瞬时特征，再将瞬时特征进行归一化处理，确保各瞬时特征在同一尺度上。
依据瞬时特征确定套管的绝缘状态特性是否存在振幅变化异常或其他异常；当振幅幅值超过平均振幅的1.2倍时，判定套管的绝缘状态特性分析出现振幅异常。
当套管的绝缘状态特性未出现振幅异常情况但经检查发现数据源存在其他异常，则重新采集数据源数据，重复特征提取步骤，获取新的套管的绝缘状态特性结果。
当套管的绝缘状态特性出现振幅异常情况，需立即追溯数据源，检查数据源是否存在其他异常；所述其他异常包括数据丢失、大面积数据折叠以及历史数据反复覆盖情况。
若不存在其他异常，则判定套管的绝缘状态特性发生不可逆变化，将套管的绝缘状态特性与多级参考标准进行比对，确定当前的绝缘状态级别，重新进行套管的绝缘状态特性的分析判断，并比对绝缘状态级别，若级别判断结果不变，则将套管的绝缘状态特性分析结果正常输出。
若检查发现存在其他异常，则直接丢弃套管的绝缘状态特性分析结果，重新采集数据源数据，重复特征提取步骤，获取新的套管的绝缘状态特性结果。
若套管的绝缘状态特性不存在振幅异常或其他异常情况，则将绝缘状态级别的判定以套管的绝缘状态特性分析结果为基准进行校准，优化所有绝缘状态级别的标定参数以及绝缘状态级别对应的特征范围区间。
所述绝缘状态级别对应的特征范围区间的优化通过与中心簇的簇中心进行校准实现，若特征范围区间与中心簇的数值差异值在既定的范围内，则更改整个特征范围区间；若特征范围区间与中心簇的数值差异值不在既定的范围内，则重新计算特征范围区间。
S3：引入深度学习模型进行预测与校准，获得初步绝缘状态判断结果。
所述预测与校准包括，依据由短时傅里叶变换模型输出的瞬时特征，将瞬时特征进行频率成分、能量分布的分类，用向量表示：
；
训练模型具体如下：
其中，表示绝缘状态是正类别的概率，/>是瞬时特征，是特征参数；/>通过训练数据来估计，使模型最优地拟合数据；
正类别的概率通过如下公式计算：
其中，概率p表示绝缘状态为正类别的可能性，所述正类别是指绝缘状态级别为正常绝缘状态、轻微老化状态；若p大于或等于0.5，则模型将预测为正类别，即绝缘状态级别为正常绝缘状态或轻微老化状态；否则，预测为负类别；所述负类别是指绝缘状态级别为中度老化状态或重度老化状态。
S4：建立动态调整与反馈机制，进行综合评估与输出以及实时告警与决策支持。
所述动态调整包括，在多级参考标准的基础上，使用线性校准模型对预测结果进行动态调整，同时通过系统反馈机制对监测模块进行正负反馈的输送，当主系统收到负反馈时，发送示警信号进行实时告警；所述负反馈包括绝缘状态级别中的中度老化状态以及重度老化状态信号。
实施例2
本发明的第二个实施例，提供了多级参考基准的换流变阀侧套管绝缘状态监测方法，为了验证本发明的有益效果，通过实验进行科学论证。
以下为本发明与传统技术效果对比表，用于比对实验的数据：
表1 本发明与传统技术效果对比表
| 时间点 | 本发明维护成本 (万元) | 传统技术维护成本 (万元) | 停机时间 (小时) | 本发明绝缘状态预测准确性 | 传统技术绝缘状态准确性 |
| 月份1 | 5.2 | 15.5 | 12 | 92% | 68% |
| 月份2 | 4.8 | 14.2 | 10 | 93% | 66% |
| 月份3 | 6.1 | 16.3 | 13 | 91% | 69% |
| 月份4 | 5.0 | 15.8 | 11 | 94% | 65% |
| 月份5 | 4.5 | 14.9 | 9 | 95% | 67% |
| 月份6 | 5.4 | 16.2 | 14 | 90% | 60% |
| 月份7 | 5.3 | 15.7 | 13 | 92% | 65% |
| 月份8 | 4.9 | 14.6 | 10 | 94% | 67% |
| 月份9 | 5.6 | 16.1 | 14 | 89% | 61% |
| 月份10 | 5.1 | 15.4 | 12 | 93% | 68% |
在这个表格中，描述了本发明技术在各个月份的实验数据，包括维护成本、停机时间以及绝缘状态的预测准确性。通过这些数据可以更全面地比对本发明系统和传统技术系统的性能。
判定套管的绝缘状态特性分析出现振幅异常的阈值设定实验数据如表2所示：
表2 振幅异常的阈值设定实验数据
| 准确性（%） | 决策响应时长（ms） | 数据分析效率（%） | |
| 1.05~1.10 | 67 | 34 | 54.1 |
| 1.11~1.15 | 74 | 29 | 78.3 |
| 1.16~1.20 | 84 | 28 | 80.7 |
| 1.21~1.25 | 86 | 27 | 84.0 |
| 1.26~1.30 | 89 | 29 | 84.1 |
由于在实际生产活动中设定边界值的操作精度比非边界值高，故将1.16与1.20进行各项数据比对，经过比对，确定1.20优于1.16，故预设阈值选用1.20。
实施例3
参照图2，为本发明的第三个实施例，该实施例提供了一种多级参考基准的换流变阀侧套管绝缘状态监测系统，包括：
所述系统包括，主系统、主控逻辑单元、算法模块、比对分析模块、信息传输单元、信息采集单元以及告警单元。
所述主系统负责调控信息传输、模块计算、操作指令的收发以及告警响应；所述主控逻辑单元包括主系统逻辑模块、算法逻辑模块以及操作逻辑模块；所述主系统逻辑模块用于对整个系统的作业流程和交互过程进行整体调控和实时监控；所述算法逻辑模块用于对算法结果进行分析并进行策略匹配；所述操作逻辑模块用于对分析结果进行决策分析和策略匹配；所述算法模块用于构建算法模型和训练数据，进一步分析计算结果；所述比对分析单元用于对数据或计算结果与系统设定进行比对；所述信息传输单元用于对各类信息进行传输；所述信息采集单元用于对所需的信息进行收集或采集；所述告警单元用于对主系统获取的正负反馈进行识别，判断是否告警并采取相应的告警策略。
实施例4
本发明第四个实施例，其不同于前三个实施例的是：
所述功能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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
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用存储介质（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。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
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。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (6)
1.多级参考基准的换流变阀侧套管绝缘状态监测方法，其特征在于：包括，
通过数据聚类自动建立多级参考标准，并进行数据采集与实时对比；
对采集到的数据进行特征提取，并将提取到的特征与多级参考标准进行匹配；
引入深度学习模型进行预测与校准，获得初步绝缘状态判断结果；
建立动态调整与反馈机制，进行综合评估与输出以及实时告警与决策支持；
所述数据聚类包括，使用无监督学习方法对历史数据进行聚类，对数据聚类结果进行分析，数据聚类将历史数据分为不同的簇，通过每个簇的数学模型确认每个簇的特征和属性，并匹配对应的绝缘状态级别；
所述数据聚类包括，对簇进行特征分析，具体如下：
其中，为簇的特征值，k为簇标号，xi为数据点，i为簇中对应的数据点标号，μ为引进的影响因子，N为簇中数据点数量；
当时，判定当前簇特征分析贡献值较小，予以排除，将所属簇定义为二类数据簇，同时标记簇的特征分析结果；
当时，判定簇特征分析贡献值满足标准，定义为一类数据簇，对所属簇依次进行标记，分别标记为σ1’、σ2’……σt’，并将σ1’、σ2’……σt’进行一一比对，得到m个特征分析比对结果，再从比对结果挑选出4个差值区间大于1的，将所属一类数据簇标记为特类数据簇，并以每簇的所属区间作为特征范围区间；
所述建立多级参考标准包括，对二类数据簇依据从小到大的顺序进行排序，筛选出4个与所述特征分析比对结果数值相近或数据趋同的簇定义所属簇为比对中心簇，将4个比对中心簇按簇中心数值从小到大分别设为正常绝缘状态、轻微老化状态、中度老化状态以及重度老化状态，同时将所述中心数值设为多级参考标准及其标参；
所述预测与校准包括，依据由短时傅里叶变换模型输出的瞬时特征，将瞬时特征进行频率成分、能量分布的分类，用向量表示A＝[a1、a2……an]；
训练模型具体如下：
其中，p表示绝缘状态是正类别的概率，a1、a2……an是瞬时特征，β0、β1……βn是特征参数；β0、β1……βn通过训练数据来估计，使模型最优地拟合数据；
正类别的概率通过如下公式计算：
其中，概率p表示绝缘状态为正类别的可能性，所述正类别是指绝缘状态级别为正常绝缘状态、轻微老化状态；若p大于或等于0.5，则模型将预测为正类别，即绝缘状态级别为正常绝缘状态或轻微老化状态；否则，预测为负类别，所述负类别是指绝缘状态级别为中度老化状态或重度老化状态。
2.如权利要求1所述的多级参考基准的换流变阀侧套管绝缘状态监测方法，其特征在于：所述特征提取包括，将系统采集的电压、电流及温度信号进行消噪除杂处理，将信号导入短时傅里叶变换模型，由短时傅里叶变换模型输出提取信号的瞬时频率、瞬时幅度作为时频分析的瞬时特征，再将瞬时特征进行归一化处理，确保各瞬时特征在同一尺度上；
依据瞬时特征确定套管的绝缘状态特性是否存在振幅变化异常或其他异常；当振幅幅值超过平均振幅的1.2倍时，判定套管的绝缘状态特性分析出现振幅异常；
当套管的绝缘状态特性未出现振幅异常情况但经检查发现数据源存在其他异常，则重新采集数据源数据，重复特征提取步骤，获取新的套管的绝缘状态特性结果；
当套管的绝缘状态特性出现振幅异常情况，需立即追溯数据源，检查数据源是否存在其他异常；所述其他异常包括数据丢失、大面积数据折叠以及历史数据反复覆盖情况；
若不存在其他异常，则判定套管的绝缘状态特性发生不可逆变化，将套管的绝缘状态特性与多级参考标准进行比对，确定当前的绝缘状态级别，重新进行套管的绝缘状态特性的分析判断，并比对绝缘状态级别，若级别判断结果不变，则将套管的绝缘状态特性分析结果正常输出；
若检查发现存在其他异常，则直接丢弃套管的绝缘状态特性分析结果，重新采集数据源数据，重复特征提取步骤，获取新的套管的绝缘状态特性结果；
若套管的绝缘状态特性不存在振幅异常或其他异常情况，则将绝缘状态级别的判定以套管的绝缘状态特性分析结果为基准进行校准，优化所有绝缘状态级别的标定参数以及绝缘状态级别对应的特征范围区间；
所述绝缘状态级别对应的特征范围区间的优化通过与中心簇的簇中心进行校准实现，若特征范围区间与中心簇的数值差异值在既定的范围内，则更改整个特征范围区间；若特征范围区间与中心簇的数值差异值不在既定的范围内，则重新计算特征范围区间。
3.如权利要求2所述的多级参考基准的换流变阀侧套管绝缘状态监测方法，其特征在于：所述动态调整包括，在多级参考标准的基础上，使用线性校准模型对预测结果进行动态调整，同时通过系统反馈机制对监测模块进行正负反馈的输送，当主系统收到负反馈时，发送示警信号进行实时告警；所述负反馈包括绝缘状态级别中的中度老化状态以及重度老化状态信号。
4.一种采用如权利要求1～3任一所述的多级参考基准的换流变阀侧套管绝缘状态监测方法的系统，其特征在于：所述系统包括，主系统、主控逻辑单元、算法模块、比对分析模块、信息传输单元、信息采集单元以及告警单元；
所述主系统负责调控信息传输、模块计算、操作指令的收发以及告警响应；
所述主控逻辑单元包括主系统逻辑模块、算法逻辑模块以及操作逻辑模块；所述主系统逻辑模块用于对整个系统的作业流程和交互过程进行整体调控和实时监控；所述算法逻辑模块用于对算法结果进行分析并进行策略匹配；所述操作逻辑模块用于对分析结果进行决策分析和策略匹配；
所述算法模块用于构建算法模型和训练数据，进一步分析计算结果；
所述比对分析模块用于对数据或计算结果与系统设定进行比对；
所述信息传输单元用于对各类信息进行传输；
所述信息采集单元用于对所需的信息进行收集或采集；
所述告警单元用于对主系统获取的正负反馈进行识别，判断是否告警并采取相应的告警策略。
5.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述的方法的步骤。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410157728.9A CN117686861B (zh) | 2024-02-04 | 2024-02-04 | 多级参考基准的换流变阀侧套管绝缘状态监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410157728.9A CN117686861B (zh) | 2024-02-04 | 2024-02-04 | 多级参考基准的换流变阀侧套管绝缘状态监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117686861A CN117686861A (zh) | 2024-03-12 |
| CN117686861B true CN117686861B (zh) | 2024-04-23 |
Family
ID=90137601
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410157728.9A Active CN117686861B (zh) | 2024-02-04 | 2024-02-04 | 多级参考基准的换流变阀侧套管绝缘状态监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117686861B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101200053B1 (ko) * | 2012-03-08 | 2012-11-12 | 주식회사 현신 | 전력설비용 변압기와 애자의 진행성 이상상태 실시간 진단장치 및 그 방법 |
| CN103257306A (zh) * | 2012-10-25 | 2013-08-21 | 国网电力科学研究院武汉南瑞有限责任公司 | 换流变压器直流局部放电绝缘状态诊断方法及测量系统 |
| CN110738255A (zh) * | 2019-10-15 | 2020-01-31 | 和尘自仪(嘉兴)科技有限公司 | 一种基于聚类算法的设备状态监测方法 |
| CN112163371A (zh) * | 2020-09-18 | 2021-01-01 | 山东电工电气集团有限公司 | 一种变压器套管状态评估方法 |
| CN112505496A (zh) * | 2020-11-03 | 2021-03-16 | 西安交通大学 | 换流阀中绝缘异常的晶闸管实时诊断及预测方法 |
| CN112580254A (zh) * | 2020-11-30 | 2021-03-30 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种基于多级决策融合的换流变多维度分析和预警方法 |
| CN112946515A (zh) * | 2020-12-25 | 2021-06-11 | 国网宁夏电力有限公司检修公司 | 一种用于换流变网侧套管的在线监测方法和装置 |
| CN114167221A (zh) * | 2021-12-13 | 2022-03-11 | 华北电力大学（保定） | 不同电压频率下环氧树脂绝缘老化判别检验方法 |
| CN115419558A (zh) * | 2022-09-27 | 2022-12-02 | 许继电气股份有限公司 | 一种风电机组运行状态评估方法及装置 |
| CN115546558A (zh) * | 2022-10-24 | 2022-12-30 | 国网上海市电力公司 | 一种电气设备绝缘故障状态分类方法、装置及存储介质 |
| CN116643091A (zh) * | 2023-05-24 | 2023-08-25 | 华中科技大学 | 基于多维时序特征的换流变阀侧套管在线绝缘监测方法 |
| CN117434407A (zh) * | 2023-12-20 | 2024-01-23 | 南京中鑫智电科技有限公司 | 时频域特征融合的换流变阀侧套管绝缘分析方法及系统 |
-
2024
- 2024-02-04 CN CN202410157728.9A patent/CN117686861B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101200053B1 (ko) * | 2012-03-08 | 2012-11-12 | 주식회사 현신 | 전력설비용 변압기와 애자의 진행성 이상상태 실시간 진단장치 및 그 방법 |
| CN103257306A (zh) * | 2012-10-25 | 2013-08-21 | 国网电力科学研究院武汉南瑞有限责任公司 | 换流变压器直流局部放电绝缘状态诊断方法及测量系统 |
| CN110738255A (zh) * | 2019-10-15 | 2020-01-31 | 和尘自仪(嘉兴)科技有限公司 | 一种基于聚类算法的设备状态监测方法 |
| CN112163371A (zh) * | 2020-09-18 | 2021-01-01 | 山东电工电气集团有限公司 | 一种变压器套管状态评估方法 |
| CN112505496A (zh) * | 2020-11-03 | 2021-03-16 | 西安交通大学 | 换流阀中绝缘异常的晶闸管实时诊断及预测方法 |
| CN112580254A (zh) * | 2020-11-30 | 2021-03-30 | 中国南方电网有限责任公司超高压输电公司广州局 | 一种基于多级决策融合的换流变多维度分析和预警方法 |
| CN112946515A (zh) * | 2020-12-25 | 2021-06-11 | 国网宁夏电力有限公司检修公司 | 一种用于换流变网侧套管的在线监测方法和装置 |
| CN114167221A (zh) * | 2021-12-13 | 2022-03-11 | 华北电力大学（保定） | 不同电压频率下环氧树脂绝缘老化判别检验方法 |
| CN115419558A (zh) * | 2022-09-27 | 2022-12-02 | 许继电气股份有限公司 | 一种风电机组运行状态评估方法及装置 |
| CN115546558A (zh) * | 2022-10-24 | 2022-12-30 | 国网上海市电力公司 | 一种电气设备绝缘故障状态分类方法、装置及存储介质 |
| CN116643091A (zh) * | 2023-05-24 | 2023-08-25 | 华中科技大学 | 基于多维时序特征的换流变阀侧套管在线绝缘监测方法 |
| CN117434407A (zh) * | 2023-12-20 | 2024-01-23 | 南京中鑫智电科技有限公司 | 时频域特征融合的换流变阀侧套管绝缘分析方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 基于局部放电的电力变压器油纸绝缘状态评估关键问题分析;李清泉 等;高电压技术;20171231(第08期);132-139 * |
| 基于矩估计法和模糊-证据融合的电力变压器套管状态评估;王泉 等;电力科学与技术学报;20200128(第01期);132-138 * |
| 基于集对分析和综合赋权的电力变压器套管绝缘状态评估;李志超 等;高压电器;20180316(第03期);121-127 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117686861A (zh) | 2024-03-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110276416B (zh) | 一种滚动轴承故障预测方法 | |
| CN108763729B (zh) | 基于网络结构熵的流程工业机电系统耦合状态评估方法 | |
| CN110348150B (zh) | 一种基于相关概率模型的故障检测方法 | |
| CN110466381B (zh) | 充电桩状态的评估方法 | |
| CN111382546B (zh) | 一种基于支持向量机建模对发电机绝缘系统进行寿命预测的方法 | |
| Dorj et al. | A bayesian hidden markov model-based approach for anomaly detection in electronic systems | |
| Sanchez-Fernández et al. | Fault detection in wastewater treatment plants using distributed PCA methods | |
| CN106845826B (zh) | 一种基于PCA-Cpk的冷连轧生产线服役质量状态评估方法 | |
| CN109141625B (zh) | 一种滚珠丝杠副的在线状态监测方法 | |
| CN112766301B (zh) | 一种采油机示功图相似性判断方法 | |
| CN113570200A (zh) | 一种基于多维信息的电网运行状态监测方法及系统 | |
| CN111582406A (zh) | 一种电力设备状态监测数据聚类方法和系统 | |
| CN106656669A (zh) | 一种基于阈值自适应设置的设备参数异常检测系统及方法 | |
| CN113484817A (zh) | 基于tsvm模型的智能电能表自动化检定系统异常检测方法 | |
| CN112305379A (zh) | 一种用于gis绝缘缺陷的模式识别方法及系统 | |
| CN116086537A (zh) | 一种设备状态监测方法、装置、设备及存储介质 | |
| CN117686861B (zh) | 多级参考基准的换流变阀侧套管绝缘状态监测方法及系统 | |
| CN117592870B (zh) | 基于水环境监测信息的综合分析系统 | |
| Bator et al. | Feature extraction and reduction applied to sensorless drive diagnosis | |
| CN112926620B (zh) | 一种变压器套管局部放电的缺陷类型识别方法及系统 | |
| CN108844662B (zh) | 一种数控机床电气柜状态评估方法 | |
| CN112748331A (zh) | 一种基于ds证据融合的断路器机械故障识别方法及装置 | |
| CN112131516A (zh) | 一种基于特征权值混合朴素贝叶斯模型的异常检测方法 | |
| CN110543908B (zh) | 一种基于动态观测窗口的控制图模式识别方法 | |
| CN114547796A (zh) | 一种基于优化bn网络的球磨机特征融合故障诊断方法 |
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 |