CN118226211A - 局部放电的识别方法和数字孪生系统 - Google Patents
局部放电的识别方法和数字孪生系统 Download PDFInfo
- Publication number
- CN118226211A CN118226211A CN202410361031.3A CN202410361031A CN118226211A CN 118226211 A CN118226211 A CN 118226211A CN 202410361031 A CN202410361031 A CN 202410361031A CN 118226211 A CN118226211 A CN 118226211A
- Authority
- CN
- China
- Prior art keywords
- partial discharge
- digital twin
- gas
- insulated switchgear
- initial
- 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
- 238000000034 method Methods 0.000 title claims abstract description 138
- 238000001514 detection method Methods 0.000 claims abstract description 180
- 238000004088 simulation Methods 0.000 claims abstract description 150
- 230000007547 defect Effects 0.000 claims abstract description 25
- 238000009413 insulation Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 58
- 230000007246 mechanism Effects 0.000 claims description 28
- 230000005284 excitation Effects 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 20
- 239000011810 insulating material Substances 0.000 claims description 16
- 230000035945 sensitivity Effects 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 11
- 230000005684 electric field Effects 0.000 claims description 10
- 230000032683 aging Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 2
- 238000010304 firing Methods 0.000 claims 1
- 238000004590 computer program Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003068 static effect 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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本申请提供了一种局部放电的识别方法和数字孪生系统。该方法应用于气体绝缘组合电器,包括:获取气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据;根据历史局部放电检测数据,建立初始数字孪生模型,并根据初始数字孪生模型,生成气体绝缘组合电器的初始仿真结果;根据初始仿真结果和当前局部放电检测数据,对初始数字孪生模型进行更新,得到目标数字孪生模型;根据目标数字孪生模型,生成气体绝缘组合电器的局部放电识别结果。该方法解决了现有的气体绝缘组合电器缺陷检测方法的检测效率低的问题。
Description
技术领域
本申请涉及数字孪生领域,具体而言,涉及一种局部放电的识别方法、数字孪生系统、计算机可读存储介质以及局部放电的识别系统。
背景技术
气体绝缘组合电器(Gas Insulated Switchgear,简称为GIS)的局部放电的检测是及早发现GIS绝缘缺陷隐患、避免GIS故障的最有效的方法之一。传统的局部放电带电检测方法检测到局部放电现象后,依赖于传感器、监测设备和人工分析。这些方法存在一定的局限性,例如:对实时监测的依赖性高、数据分析的主观性以及无法预测局部放电的发展何时会导致GIS故障的发生。因此需要能够针对GIS局部放电现象进行模拟和推演。
发明内容
本申请的主要目的在于提供一种局部放电的识别方法、数字孪生系统、计算机可读存储介质以及局部放电的识别系统,以至少解决现有的气体绝缘组合电器缺陷检测方法的检测效率低的问题。
根据本申请的一方面,提供了一种局部放电的识别方法,应用于气体绝缘组合电器,所述方法包括:获取所述气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据,所述历史局部放电检测数据为当前时刻前检测得到的所述气体绝缘组合电器的局部放电数据,所述当前局部放电检测数据为所述当前时刻检测得到的所述气体绝缘组合电器的局部放电数据;根据所述历史局部放电检测数据,建立初始数字孪生模型,并根据所述初始数字孪生模型,生成所述气体绝缘组合电器的初始仿真结果,其中,所述初始数字孪生模型用于模拟所述气体绝缘组合电器的在所述当前时刻前的局部放电的发生过程和传播过程;根据所述初始仿真结果和所述当前局部放电检测数据,对所述初始数字孪生模型进行更新,得到目标数字孪生模型;根据所述目标数字孪生模型,生成所述气体绝缘组合电器的局部放电识别结果。
可选地,所述历史局部放电检测数据包括所述气体绝缘组合电器的多个放电事件,所述初始仿真结果包括数值仿真结果,根据所述历史局部放电检测数据,建立初始数字孪生模型,并根据所述初始数字孪生模型,生成所述气体绝缘组合电器的初始仿真结果,包括:根据所述放电事件,建立物理模型,其中,所述物理模型用于模拟所述放电事件的发生过程和传播过程;对所述物理模型进行数值仿真和参数化处理,得到所述数值仿真结果。
可选地,所述历史局部放电检测数据包括所述气体绝缘组合电器的多个放电事件,所述初始仿真结果包括边界条件模拟结果,根据所述历史局部放电检测数据,建立初始数字孪生模型,并根据所述初始数字孪生模型,生成所述气体绝缘组合电器的初始仿真结果,包括:获取所述放电事件的环境条件和所述放电事件的外部条件,其中,所述环境条件包括所述气体绝缘组合电器的温度和所述气体绝缘组合电器的湿度中的至少一个,所述外部条件包括所述气体绝缘组合电器的电压、所述气体绝缘组合电器的电场强度、所述气体绝缘组合电器的磁场强度;模拟所述环境条件和所述外部条件对所述气体绝缘组合电器的影响,得到所述边界条件模拟结果。
可选地,所述历史局部放电检测数据包括所述气体绝缘组合电器的多个放电事件,所述初始仿真结果包括激发机制结果,根据所述历史局部放电检测数据,建立初始数字孪生模型,并根据所述初始数字孪生模型,生成所述气体绝缘组合电器的初始仿真结果,包括:获取所述放电事件的激发机制,其中,所述激发机制包括所述气体绝缘组合电器的绝缘材料老化程度和所述气体绝缘组合电器的绝缘材料的缺陷程度以及所述气体绝缘组合电器的绝缘材料的电压梯度变化中的至少一个;模拟所述激发机制对所述气体绝缘组合电器的影响,得到所述激发机制结果。
可选地,所述历史局部放电检测数据包括所述气体绝缘组合电器的多个放电事件,所述初始仿真结果包括时间域仿真结果,根据所述历史局部放电检测数据,建立初始数字孪生模型,并根据所述初始数字孪生模型,生成所述气体绝缘组合电器的初始仿真结果,包括:对所述放电事件进行离散化时间步长处理,得到多个子事件,其中,一个所述子事件对应一个时间步长;根据多个所述子事件,建立多个微分方程,其中,一个所述微分方程对应一个所述子事件;采用数值方法求解所述微分方程,得到状态解,其中,所述数值方法包括欧拉方法、龙格-库塔方法中的一种,所述状态解用于表征所述气体绝缘组合电器在下一个所述时间步长的状态,所述状态包括所述局部放电事件的位置、所述局部放电的电场强度以及所述局部放电的电流中的至少一个;采用所述状态解对所述微分方程进行更新,得到更新方程;根据所述更新方程,模拟所述气体绝缘组合电器在所述时间步长的状态变化,得到所时间域仿真结果。
可选地,根据所述初始仿真结果和所述当前局部放电检测数据,对所述初始数字孪生模型进行更新,得到目标数字孪生模型,包括:计算所述初始仿真结果和所述当前局部放电检测数据的相似度,在所述相似度小于阈值的情况下,对所述初始数字孪生模型进行更新,以增大所述相似度,得到所述目标数字孪生模型。
可选地,在所述相似度小于阈值的情况下,对所述初始数字孪生模型进行更新,以增大所述相似度,得到所述目标数字孪生模型,包括以下之一:增大所述历史局部放电检测数据的数量;增大所述历史局部放电检测数据的检测精度;获取所述初始数字孪生模型的参数的敏感度,在所述敏感度大于敏感度阈值的情况下,调整所述初始数字孪生模型的参数,其中,所述敏感度用于表征所述参数对所述初始仿真结果的影响程度。
根据本申请的另一方面,提供了一种数字孪生系统,应用于气体绝缘组合电器,所述系统包括:获取单元,用于获取所述气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据,所述历史局部放电检测数据为当前时刻前检测得到的所述气体绝缘组合电器的局部放电数据,所述当前局部放电检测数据为所述当前时刻检测得到的所述气体绝缘组合电器的局部放电数据;建立单元,用于根据所述历史局部放电检测数据,建立初始数字孪生模型,并根据所述初始数字孪生模型,生成所述气体绝缘组合电器的初始仿真结果,其中,所述初始数字孪生模型用于模拟所述气体绝缘组合电器的在所述当前时刻前的局部放电的发生过程和传播过程;更新单元,用于根据所述初始仿真结果和所述当前局部放电检测数据,对所述初始数字孪生模型进行更新,得到目标数字孪生模型;生成单元,用于根据所述目标数字孪生模型,生成所述气体绝缘组合电器的局部放电识别结果。
根据本申请的再一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的方法。
根据本申请的又一方面,提供了一种局部放电的识别系统,包括:数字孪生系统,用于执行任意一种所述的方法;气体绝缘组合电器,与所述数字孪生系统通信并形成数字映射关系。
应用本申请的技术方案,首先,获取气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据;再根据历史局部放电检测数据,建立初始数字孪生模型,并根据初始数字孪生模型,生成气体绝缘组合电器的初始仿真结果;然后,根据初始仿真结果和当前局部放电检测数据,对初始数字孪生模型进行更新,得到目标数字孪生模型;最后,根据目标数字孪生模型,生成气体绝缘组合电器的局部放电识别结果。该方法解决了现有的气体绝缘组合电器缺陷检测方法的检测结果准确性低的问题。通过构建气体绝缘组合电器结构数据对应的数字孪生模型,可以实现对于气体绝缘组合电器局部放电的智能化检测,降低操作难度,提升现场工作效率。解决了现有的气体绝缘组合电器缺陷检测方法在进行局部放电带电检测流程中很多环节以检测人员主观判断为主,导致检测效率低的问题。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出了根据本申请的实施例中提供的一种执行局部放电的识别方法的移动终端的硬件结构框图;
图2示出了根据本申请的实施例提供的一种局部放电的识别方法的流程示意图;
图3示出了根据本申请的实施例提供的一种数字孪生系统的结构框图。
其中,上述附图包括以下附图标记:
102、处理器;104、存储器;106、传输设备;108、输入输出设备。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
正如背景技术中所介绍的,现有技术中气体绝缘组合电器缺陷检测方法在进行局部放电带电检测流程中很多环节以检测人员主观判断为主,导致检测效率低,为解决上述问题,本申请的实施例提供了一种局部放电的识别方法、数字孪生系统、计算机可读存储介质以及局部放电的识别系统。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种局部放电的识别方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的局部放电的识别方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于移动终端、计算机终端或者类似的运算装置的局部放电的识别方法,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图2是根据本申请实施例的局部放电的识别方法的流程图。如图2所示,该方法应用于气体绝缘组合电器,包括以下步骤:
步骤S201,获取上述气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据,上述历史局部放电检测数据为当前时刻前检测得到的上述气体绝缘组合电器的局部放电数据,上述当前局部放电检测数据为上述当前时刻检测得到的上述气体绝缘组合电器的局部放电数据;
具体地,上述局部放电数据可以为放电量大小、放电频率、放电形态、放电位置、放电模式、放电能量以及放电特性等,其中,放电量大小即局部放电的电荷量大小,一般以皮库为单位,放电频率即单位时间内发生的局部放电次数,放电形态指的是放电的波形、频谱等特征,放电位置即局部放电发生的具体位置,可以通过成像技术进行定位,放电模式包括交替电压放电、直流电压放电等不同模式下的放电特性,放电能量即每次局部放电释放的能量大小,放电特性包括放电的幅值、时间、持续时间等特性参数。
步骤S202,根据上述历史局部放电检测数据,建立初始数字孪生模型,并根据上述初始数字孪生模型,生成上述气体绝缘组合电器的初始仿真结果,其中,上述初始数字孪生模型用于模拟上述气体绝缘组合电器的在上述当前时刻前的局部放电的发生过程和传播过程;
具体地,数字孪生模型是指利用数字化技术和数据分析来创建一个物理实体或过程的完整数字副本。这种模型可以用来模拟、预测和优化真实世界的物理实体或过程,例如建筑、工厂、城市、交通系统等。数字孪生模型可以更好地理解和管理复杂的系统,提高效率和减少成本。
步骤S203,根据上述初始仿真结果和上述当前局部放电检测数据,对上述初始数字孪生模型进行更新,得到目标数字孪生模型;
具体地,通过比对上述初始仿真结果与当前局部放电的真实数据,以评估上述初始数字孪生模型的预测准确性,在上述初始仿真结果与当前局部放电的真实数据差异较大的情况下,可以确定上述初始数字孪生模型需要进行更新,以减小初始仿真结果与当前局部放电的真实数据的差异。
步骤S204,根据上述目标数字孪生模型,生成上述气体绝缘组合电器的局部放电识别结果。
具体地,通过不断更新和优化初始数字孪生模型,可以实现对物理实体或过程的实时监控和优化,从而提高系统的性能和可靠性。
通过本实施例,首先,获取气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据;再根据历史局部放电检测数据,建立初始数字孪生模型,并根据初始数字孪生模型,生成气体绝缘组合电器的初始仿真结果;然后,根据初始仿真结果和当前局部放电检测数据,对初始数字孪生模型进行更新,得到目标数字孪生模型;最后,根据目标数字孪生模型,生成气体绝缘组合电器的局部放电识别结果。该方法解决了现有的气体绝缘组合电器缺陷检测方法的检测结果准确性低的问题。通过构建气体绝缘组合电器结构数据对应的数字孪生模型,可以实现对于气体绝缘组合电器局部放电的智能化检测,降低操作难度,提升现场工作效率。解决了现有的气体绝缘组合电器缺陷检测方法在进行局部放电带电检测流程中很多环节以检测人员主观判断为主,导致检测效率低的问题。
具体实现过程中,上述历史局部放电检测数据包括上述气体绝缘组合电器的多个放电事件,上述初始仿真结果包括数值仿真结果,上述步骤S202可以通过以下步骤实现:步骤S2021,根据上述放电事件,建立物理模型,其中,上述物理模型用于模拟上述放电事件的发生过程和传播过程;步骤S2022,对上述物理模型进行数值仿真和参数化处理,得到上述数值仿真结果。该方法可以进一步快速获取到包括数值仿真结果的初始仿真结果。
具体地,首先,需要确定要建立的物理模型的类型,然后,根据实际情况,确定模型的方程和参数。根据建立的物理模型,编写相应的数学方程和算法,将物理模型转化为计算机程序,可以采用各种数值计算软件或编程语言来实现。使用编写好的计算机程序,进行数值仿真,得到模型在不同条件下的预测结果。再通过实际实验或测试,获取实际设备的数据,包括输入条件和输出结果。然后将这些数据与模型参数进行对比和校准,调整模型参数使得模型能够更好地拟合实际情况。
为了进一步快速获取到包括边界条件模拟结果的初始仿真结果,上述历史局部放电检测数据包括上述气体绝缘组合电器的多个放电事件,上述初始仿真结果包括边界条件模拟结果,本申请的上述步骤S202可以通过以下步骤实现:步骤S2023,获取上述放电事件的环境条件和上述放电事件的外部条件,其中,上述环境条件包括上述气体绝缘组合电器的温度和上述气体绝缘组合电器的湿度中的至少一个,上述外部条件包括上述气体绝缘组合电器的电压、上述气体绝缘组合电器的电场强度、上述气体绝缘组合电器的磁场强度;步骤S2024,模拟上述环境条件和上述外部条件对上述气体绝缘组合电器的影响,得到上述边界条件模拟结果。
具体地,在GIS数字孪生模型中考虑局部放电事件发生的环境和外部条件,包括电压施加、温度变化、绝缘材料状态等因素,模拟这些条件对局部放电的影响,可以得到上述边界条件模拟结果。
上述历史局部放电检测数据包括上述气体绝缘组合电器的多个放电事件,上述初始仿真结果包括激发机制结果,上述步骤S202还可以通过其他方式实现,例如:步骤S2025,获取上述放电事件的激发机制,其中,上述激发机制包括上述气体绝缘组合电器的绝缘材料老化程度和上述气体绝缘组合电器的绝缘材料的缺陷程度以及上述气体绝缘组合电器的绝缘材料的电压梯度变化中的至少一个;步骤S2026,模拟上述激发机制对上述气体绝缘组合电器的影响,得到上述激发机制结果。该方法可以进一步快速获取到包括激发机制结果的初始仿真结果。
具体地,模拟局部放电事件的起源和原因,局部放电可以由各种因素引起,如绝缘材料的老化、缺陷、电压梯度等,可以得到上述激发机制结果。
在另一些实施例上,上述历史局部放电检测数据包括上述气体绝缘组合电器的多个放电事件,上述初始仿真结果包括时间域仿真结果,上述步骤S202也可以通过以下步骤实现:步骤S2027,对上述放电事件进行离散化时间步长处理,得到多个子事件,其中,一个上述子事件对应一个时间步长;步骤S2028,根据多个上述子事件,建立多个微分方程,其中,一个上述微分方程对应一个上述子事件;步骤S2029,采用数值方法求解上述微分方程,得到状态解,其中,上述数值方法包括欧拉方法、龙格-库塔方法中的一种,上述状态解用于表征上述气体绝缘组合电器在下一个上述时间步长的状态,上述状态包括上述局部放电事件的位置、上述局部放电的电场强度以及上述局部放电的电流中的至少一个;步骤S20210,采用上述状态解对上述微分方程进行更新,得到更新方程;步骤S20211,根据上述更新方程,模拟上述气体绝缘组合电器在上述时间步长的状态变化,得到所时间域仿真结果。该方法可以进一步快速获取到包括时间域仿真结果的初始仿真结果。
具体地,时间域仿真是一种通过模拟物理系统随时间演化的过程来理解系统行为的方法。在GIS数字孪生模型的制备过程中,时间域仿真用于模拟局部放电事件的时间演化过程。时间域仿真的具体步骤如下:首先,时间域仿真需要将时间连续性问题转化为离散的时间步长问题,将整个仿真过程划分为许多小的时间步长,每个时间步长内系统的状态可以被计算和更新。如果局部放电事件的行为可以被描述为一组微分方程,那么在每个时间步长内,可以利用数值方法求解这些微分方程,从而计算系统在下一个时间步长内的状态。在每个时间步长内,根据微分方程的数值解,更新系统的状态变量,例如局部放电的位置、电场强度、电流等。在时间域仿真中,考虑系统的边界条件,这些条件描述了系统与外部环境之间的相互作用。例如,在GIS数字孪生模型中,边界条件可能包括设备的几何形状、周围介质的性质等。通过连续进行时间步长的仿真计算,可以模拟局部放电事件随时间的演化过程。最后,通过分析仿真结果,可以评估局部放电事件的影响程度、可能的损坏情况以及采取的措施。这些结果可以与实际观测数据进行比较,以验证数字孪生模型的准确性和可靠性。
在一些实施例上,上述步骤S203具体可以通过以下步骤实现:步骤S2031,计算上述初始仿真结果和上述当前局部放电检测数据的相似度,在上述相似度小于阈值的情况下,对上述初始数字孪生模型进行更新,以增大上述相似度,得到上述目标数字孪生模型。该方法可以进一步提升上述数字孪生模型的预测准确性。
具体地,上述阈值的取值范围为80%~90%。
再一种实施例中,上述步骤S2031可以通过以下步骤之一实现:步骤S20311,增大上述历史局部放电检测数据的数量;步骤S20312,增大上述历史局部放电检测数据的检测精度;步骤S20313,获取上述初始数字孪生模型的参数的敏感度,在上述敏感度大于敏感度阈值的情况下,调整上述初始数字孪生模型的参数,其中,上述敏感度用于表征上述参数对上述初始仿真结果的影响程度。该方法可以进一步快速实现上述初始数字孪生模型的更新。
具体地,通过收集更多和更准确的实际局部放电事件数据,并确保数据的质量。这包括使用高精度的传感器和监测设备来采集数据,并确保数据的完整性和可靠性。通过与实际设备的数据关联,进一步优化模型参数,对模型的物理参数进行调整,以更好地反映实际情况,并提高模型的准确性。此外,改进数值模拟算法,可以提高模型对局部放电事件的仿真精度,包括优化计算方法、增加模型的复杂度、提高数值稳定性等方面的工作。研究局部放电事件的起源和传播机制,加强边界条件和激发机制的模拟,也可以更准确地模拟局部放电事件的发生过程。持续对模型的输出与实际数据进行比较和分析,发现模型与实际情况不符的地方,并针对性地进行改进和优化。对模型的参数进行敏感性分析,评估不同参数对模型输出的影响程度,进一步优化模型参数,提高模型的稳健性和准确性。通过以上方法,逐步改进和优化GIS数字孪生模型,提高其准确性和可信度,更有效地应用于局部放电检测和预测中。
本申请实施例还提供了一种数字孪生系统,需要说明的是,本申请实施例的数字孪生系统可以用于执行本申请实施例所提供的用于局部放电的识别方法。该系统用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
以下对本申请实施例提供的数字孪生系统进行介绍。
图3是根据本申请实施例的数字孪生系统的示意图。如图3所示,该系统包括:
获取单元10,用于获取上述气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据,上述历史局部放电检测数据为当前时刻前检测得到的上述气体绝缘组合电器的局部放电数据,上述当前局部放电检测数据为上述当前时刻检测得到的上述气体绝缘组合电器的局部放电数据;
具体地,上述局部放电数据可以为放电量大小、放电频率、放电形态、放电位置、放电模式、放电能量以及放电特性等,其中,放电量大小即局部放电的电荷量大小,一般以皮库为单位,放电频率即单位时间内发生的局部放电次数,放电形态指的是放电的波形、频谱等特征,放电位置即局部放电发生的具体位置,可以通过成像技术进行定位,放电模式包括交替电压放电、直流电压放电等不同模式下的放电特性,放电能量即每次局部放电释放的能量大小,放电特性包括放电的幅值、时间、持续时间等特性参数。
建立单元20,用于根据上述历史局部放电检测数据,建立初始数字孪生模型,并根据上述初始数字孪生模型,生成上述气体绝缘组合电器的初始仿真结果,其中,上述初始数字孪生模型用于模拟上述气体绝缘组合电器的在上述当前时刻前的局部放电的发生过程和传播过程;
具体地,数字孪生模型是指利用数字化技术和数据分析来创建一个物理实体或过程的完整数字副本。这种模型可以用来模拟、预测和优化真实世界的物理实体或过程,例如建筑、工厂、城市、交通系统等。数字孪生模型可以更好地理解和管理复杂的系统,提高效率和减少成本。
更新单元30,用于根据上述初始仿真结果和上述当前局部放电检测数据,对上述初始数字孪生模型进行更新,得到目标数字孪生模型;
具体地,通过比对上述初始仿真结果与当前局部放电的真实数据,以评估上述初始数字孪生模型的预测准确性,在上述初始仿真结果与当前局部放电的真实数据差异较大的情况下,可以确定上述初始数字孪生模型需要进行更新,以减小初始仿真结果与当前局部放电的真实数据的差异。
生成单元40,用于根据上述目标数字孪生模型,生成上述气体绝缘组合电器的局部放电识别结果。
具体地,通过不断更新和优化初始数字孪生模型,可以实现对物理实体或过程的实时监控和优化,从而提高系统的性能和可靠性。
通过本实施例,获取单元获取气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据;建立单元根据历史局部放电检测数据,建立初始数字孪生模型,并根据初始数字孪生模型,生成气体绝缘组合电器的初始仿真结果;更新单元根据初始仿真结果和当前局部放电检测数据,对初始数字孪生模型进行更新,得到目标数字孪生模型;生成单元根据目标数字孪生模型,生成气体绝缘组合电器的局部放电识别结果。该系统解决了现有的气体绝缘组合电器缺陷检测方法的检测结果准确性低的问题。通过构建气体绝缘组合电器结构数据对应的数字孪生模型,可以实现对于气体绝缘组合电器局部放电的智能化检测,降低操作难度,提升现场工作效率。解决了现有的气体绝缘组合电器缺陷检测方法在进行局部放电带电检测流程中很多环节以检测人员主观判断为主,导致检测效率低的问题。
具体实现过程中,上述历史局部放电检测数据包括上述气体绝缘组合电器的多个放电事件,上述初始仿真结果包括数值仿真结果,上述建立单元包括第一建立模块和第一处理模块,其中,第一建立模块用于根据上述放电事件,建立物理模型,其中,上述物理模型用于模拟上述放电事件的发生过程和传播过程;第一处理模块用于对上述物理模型进行数值仿真和参数化处理,得到上述数值仿真结果。该系统可以进一步快速获取到包括数值仿真结果的初始仿真结果。
具体地,首先,需要确定要建立的物理模型的类型,然后,根据实际情况,确定模型的方程和参数。根据建立的物理模型,编写相应的数学方程和算法,将物理模型转化为计算机程序,可以采用各种数值计算软件或编程语言来实现。使用编写好的计算机程序,进行数值仿真,得到模型在不同条件下的预测结果。再通过实际实验或测试,获取实际设备的数据,包括输入条件和输出结果。然后将这些数据与模型参数进行对比和校准,调整模型参数使得模型能够更好地拟合实际情况。
为了进一步快速获取到包括边界条件模拟结果的初始仿真结果,上述历史局部放电检测数据包括上述气体绝缘组合电器的多个放电事件,上述初始仿真结果包括边界条件模拟结果,本申请的上述建立单元包括第一获取模块和第一模拟模块,其中,第一获取模块用于获取上述放电事件的环境条件和上述放电事件的外部条件,其中,上述环境条件包括上述气体绝缘组合电器的温度和上述气体绝缘组合电器的湿度中的至少一个,上述外部条件包括上述气体绝缘组合电器的电压、上述气体绝缘组合电器的电场强度、上述气体绝缘组合电器的磁场强度;第一模拟模块用于模拟上述环境条件和上述外部条件对上述气体绝缘组合电器的影响,得到上述边界条件模拟结果。
具体地,在GIS数字孪生模型中考虑局部放电事件发生的环境和外部条件,包括电压施加、温度变化、绝缘材料状态等因素,模拟这些条件对局部放电的影响,可以得到上述边界条件模拟结果。
上述历史局部放电检测数据包括上述气体绝缘组合电器的多个放电事件,上述初始仿真结果包括激发机制结果,上述建立单元包括第二获取模块和第二模拟模块,其中,第二获取模块用于获取上述放电事件的激发机制,其中,上述激发机制包括上述气体绝缘组合电器的绝缘材料老化程度和上述气体绝缘组合电器的绝缘材料的缺陷程度以及上述气体绝缘组合电器的绝缘材料的电压梯度变化中的至少一个;第二模拟模块用于模拟上述激发机制对上述气体绝缘组合电器的影响,得到上述激发机制结果。该系统可以进一步快速获取到包括激发机制结果的初始仿真结果。
具体地,模拟局部放电事件的起源和原因,局部放电可以由各种因素引起,如绝缘材料的老化、缺陷、电压梯度等,可以得到上述激发机制结果。
在另一些实施例上,上述历史局部放电检测数据包括上述气体绝缘组合电器的多个放电事件,上述初始仿真结果包括时间域仿真结果,上述建立单元包括第二处理模块、第二建立模块、求解模块、更新模块以及第三模拟模块,其中,第二处理模块用于对上述放电事件进行离散化时间步长处理,得到多个子事件,其中,一个上述子事件对应一个时间步长;第二建立模块用于根据多个上述子事件,建立多个微分方程,其中,一个上述微分方程对应一个上述子事件;求解模块用于采用数值方法求解上述微分方程,得到状态解,其中,上述数值方法包括欧拉方法、龙格-库塔方法中的一种,上述状态解用于表征上述气体绝缘组合电器在下一个上述时间步长的状态,上述状态包括上述局部放电事件的位置、上述局部放电的电场强度以及上述局部放电的电流中的至少一个;更新模块用于采用上述状态解对上述微分方程进行更新,得到更新方程;第三模拟模块用于根据上述更新方程,模拟上述气体绝缘组合电器在上述时间步长的状态变化,得到所时间域仿真结果。该系统可以进一步快速获取到包括时间域仿真结果的初始仿真结果。
具体地,时间域仿真是一种通过模拟物理系统随时间演化的过程来理解系统行为的方法。在GIS数字孪生模型的制备过程中,时间域仿真用于模拟局部放电事件的时间演化过程。时间域仿真的具体步骤如下:首先,时间域仿真需要将时间连续性问题转化为离散的时间步长问题,将整个仿真过程划分为许多小的时间步长,每个时间步长内系统的状态可以被计算和更新。如果局部放电事件的行为可以被描述为一组微分方程,那么在每个时间步长内,可以利用数值方法求解这些微分方程,从而计算系统在下一个时间步长内的状态。在每个时间步长内,根据微分方程的数值解,更新系统的状态变量,例如局部放电的位置、电场强度、电流等。在时间域仿真中,考虑系统的边界条件,这些条件描述了系统与外部环境之间的相互作用。例如,在GIS数字孪生模型中,边界条件可能包括设备的几何形状、周围介质的性质等。通过连续进行时间步长的仿真计算,可以模拟局部放电事件随时间的演化过程。最后,通过分析仿真结果,可以评估局部放电事件的影响程度、可能的损坏情况以及采取的措施。这些结果可以与实际观测数据进行比较,以验证数字孪生模型的准确性和可靠性。
在一些实施例上,上述更新单元包括计算模块,用于计算上述初始仿真结果和上述当前局部放电检测数据的相似度,在上述相似度小于阈值的情况下,对上述初始数字孪生模型进行更新,以增大上述相似度,得到上述目标数字孪生模型。该方法可以进一步提升上述数字孪生模型的预测准确性。
具体地,上述阈值的取值范围为80%~90%。
再一种实施例中,上述计算模块包括第一增大子模块、第二增大子模块以及调整模块中的一个,其中,第一增大子模块用于增大上述历史局部放电检测数据的数量;第二增大子模块用于增大上述历史局部放电检测数据的检测精度;调整模块用于获取上述初始数字孪生模型的参数的敏感度,在上述敏感度大于敏感度阈值的情况下,调整上述初始数字孪生模型的参数,其中,上述敏感度用于表征上述参数对上述初始仿真结果的影响程度。该系统可以进一步快速实现上述初始数字孪生模型的更新。
具体地,通过收集更多和更准确的实际局部放电事件数据,并确保数据的质量。这包括使用高精度的传感器和监测设备来采集数据,并确保数据的完整性和可靠性。通过与实际设备的数据关联,进一步优化模型参数,对模型的物理参数进行调整,以更好地反映实际情况,并提高模型的准确性。此外,改进数值模拟算法,可以提高模型对局部放电事件的仿真精度,包括优化计算方法、增加模型的复杂度、提高数值稳定性等方面的工作。研究局部放电事件的起源和传播机制,加强边界条件和激发机制的模拟,也可以更准确地模拟局部放电事件的发生过程。持续对模型的输出与实际数据进行比较和分析,发现模型与实际情况不符的地方,并针对性地进行改进和优化。对模型的参数进行敏感性分析,评估不同参数对模型输出的影响程度,进一步优化模型参数,提高模型的稳健性和准确性。通过以上方法,逐步改进和优化GIS数字孪生模型,提高其准确性和可信度,更有效地应用于局部放电检测和预测中。
上述数字孪生系统包括处理器和存储器,上述获取单元、建立单元、更新单元以及生成单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来进行局部放电的识别。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质,上述计算机可读存储介质包括存储的程序,其中,在上述程序运行时控制上述计算机可读存储介质所在设备执行上述局部放电的识别方法。
具体地,局部放电的识别方法包括:
步骤S201,获取上述气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据,上述历史局部放电检测数据为当前时刻前检测得到的上述气体绝缘组合电器的局部放电数据,上述当前局部放电检测数据为上述当前时刻检测得到的上述气体绝缘组合电器的局部放电数据;
具体地,上述局部放电数据可以为放电量大小、放电频率、放电形态、放电位置、放电模式、放电能量以及放电特性等,其中,放电量大小即局部放电的电荷量大小,一般以皮库为单位,放电频率即单位时间内发生的局部放电次数,放电形态指的是放电的波形、频谱等特征,放电位置即局部放电发生的具体位置,可以通过成像技术进行定位,放电模式包括交替电压放电、直流电压放电等不同模式下的放电特性,放电能量即每次局部放电释放的能量大小,放电特性包括放电的幅值、时间、持续时间等特性参数。
步骤S202,根据上述历史局部放电检测数据,建立初始数字孪生模型,并根据上述初始数字孪生模型,生成上述气体绝缘组合电器的初始仿真结果,其中,上述初始数字孪生模型用于模拟上述气体绝缘组合电器的在上述当前时刻前的局部放电的发生过程和传播过程;
具体地,数字孪生模型是指利用数字化技术和数据分析来创建一个物理实体或过程的完整数字副本。这种模型可以用来模拟、预测和优化真实世界的物理实体或过程,例如建筑、工厂、城市、交通系统等。数字孪生模型可以更好地理解和管理复杂的系统,提高效率和减少成本。
步骤S203,根据上述初始仿真结果和上述当前局部放电检测数据,对上述初始数字孪生模型进行更新,得到目标数字孪生模型;
具体地,通过比对上述初始仿真结果与当前局部放电的真实数据,以评估上述初始数字孪生模型的预测准确性,在上述初始仿真结果与当前局部放电的真实数据差异较大的情况下,可以确定上述初始数字孪生模型需要进行更新,以减小初始仿真结果与当前局部放电的真实数据的差异。
步骤S204,根据上述目标数字孪生模型,生成上述气体绝缘组合电器的局部放电识别结果。
具体地,通过不断更新和优化初始数字孪生模型,可以实现对物理实体或过程的实时监控和优化,从而提高系统的性能和可靠性。
本发明实施例提供了一种处理器,上述处理器用于运行程序,其中,上述程序运行时执行上述局部放电的识别方法。
具体地,局部放电的识别方法包括:
步骤S201,获取上述气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据,上述历史局部放电检测数据为当前时刻前检测得到的上述气体绝缘组合电器的局部放电数据,上述当前局部放电检测数据为上述当前时刻检测得到的上述气体绝缘组合电器的局部放电数据;
具体地,上述局部放电数据可以为放电量大小、放电频率、放电形态、放电位置、放电模式、放电能量以及放电特性等,其中,放电量大小即局部放电的电荷量大小,一般以皮库为单位,放电频率即单位时间内发生的局部放电次数,放电形态指的是放电的波形、频谱等特征,放电位置即局部放电发生的具体位置,可以通过成像技术进行定位,放电模式包括交替电压放电、直流电压放电等不同模式下的放电特性,放电能量即每次局部放电释放的能量大小,放电特性包括放电的幅值、时间、持续时间等特性参数。
步骤S202,根据上述历史局部放电检测数据,建立初始数字孪生模型,并根据上述初始数字孪生模型,生成上述气体绝缘组合电器的初始仿真结果,其中,上述初始数字孪生模型用于模拟上述气体绝缘组合电器的在上述当前时刻前的局部放电的发生过程和传播过程;
具体地,数字孪生模型是指利用数字化技术和数据分析来创建一个物理实体或过程的完整数字副本。这种模型可以用来模拟、预测和优化真实世界的物理实体或过程,例如建筑、工厂、城市、交通系统等。数字孪生模型可以更好地理解和管理复杂的系统,提高效率和减少成本。
步骤S203,根据上述初始仿真结果和上述当前局部放电检测数据,对上述初始数字孪生模型进行更新,得到目标数字孪生模型;
具体地,通过比对上述初始仿真结果与当前局部放电的真实数据,以评估上述初始数字孪生模型的预测准确性,在上述初始仿真结果与当前局部放电的真实数据差异较大的情况下,可以确定上述初始数字孪生模型需要进行更新,以减小初始仿真结果与当前局部放电的真实数据的差异。
步骤S204,根据上述目标数字孪生模型,生成上述气体绝缘组合电器的局部放电识别结果。
具体地,通过不断更新和优化初始数字孪生模型,可以实现对物理实体或过程的实时监控和优化,从而提高系统的性能和可靠性。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现至少以下步骤:
步骤S201,获取上述气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据,上述历史局部放电检测数据为当前时刻前检测得到的上述气体绝缘组合电器的局部放电数据,上述当前局部放电检测数据为上述当前时刻检测得到的上述气体绝缘组合电器的局部放电数据;
步骤S202,根据上述历史局部放电检测数据,建立初始数字孪生模型,并根据上述初始数字孪生模型,生成上述气体绝缘组合电器的初始仿真结果,其中,上述初始数字孪生模型用于模拟上述气体绝缘组合电器的在上述当前时刻前的局部放电的发生过程和传播过程;
步骤S203,根据上述初始仿真结果和上述当前局部放电检测数据,对上述初始数字孪生模型进行更新,得到目标数字孪生模型;
步骤S204,根据上述目标数字孪生模型,生成上述气体绝缘组合电器的局部放电识别结果。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有至少如下方法步骤的程序:
步骤S201,获取上述气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据,上述历史局部放电检测数据为当前时刻前检测得到的上述气体绝缘组合电器的局部放电数据,上述当前局部放电检测数据为上述当前时刻检测得到的上述气体绝缘组合电器的局部放电数据;
步骤S202,根据上述历史局部放电检测数据,建立初始数字孪生模型,并根据上述初始数字孪生模型,生成上述气体绝缘组合电器的初始仿真结果,其中,上述初始数字孪生模型用于模拟上述气体绝缘组合电器的在上述当前时刻前的局部放电的发生过程和传播过程;
步骤S203,根据上述初始仿真结果和上述当前局部放电检测数据,对上述初始数字孪生模型进行更新,得到目标数字孪生模型;
步骤S204,根据上述目标数字孪生模型,生成上述气体绝缘组合电器的局部放电识别结果。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
从以上的描述中,可以看出,本申请上述的实施例实现了如下技术效果:
1)、本申请的局部放电的识别方法,首先,获取气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据;再根据历史局部放电检测数据,建立初始数字孪生模型,并根据初始数字孪生模型,生成气体绝缘组合电器的初始仿真结果;然后,根据初始仿真结果和当前局部放电检测数据,对初始数字孪生模型进行更新,得到目标数字孪生模型;最后,根据目标数字孪生模型,生成气体绝缘组合电器的局部放电识别结果。该方法解决了现有的气体绝缘组合电器缺陷检测方法的检测结果准确性低的问题。通过构建气体绝缘组合电器结构数据对应的数字孪生模型,可以实现对于气体绝缘组合电器局部放电的智能化检测,降低操作难度,提升现场工作效率。解决了现有的气体绝缘组合电器缺陷检测方法在进行局部放电带电检测流程中很多环节以检测人员主观判断为主,导致检测效率低的问题。
2)、本申请的数字孪生系统,获取单元获取气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据;建立单元根据历史局部放电检测数据,建立初始数字孪生模型,并根据初始数字孪生模型,生成气体绝缘组合电器的初始仿真结果;更新单元根据初始仿真结果和当前局部放电检测数据,对初始数字孪生模型进行更新,得到目标数字孪生模型;生成单元根据目标数字孪生模型,生成气体绝缘组合电器的局部放电识别结果。该系统解决了现有的气体绝缘组合电器缺陷检测方法的检测结果准确性低的问题。通过构建气体绝缘组合电器结构数据对应的数字孪生模型,可以实现对于气体绝缘组合电器局部放电的智能化检测,降低操作难度,提升现场工作效率。解决了现有的气体绝缘组合电器缺陷检测方法在进行局部放电带电检测流程中很多环节以检测人员主观判断为主,导致检测效率低的问题。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种局部放电的识别方法,其特征在于,应用于气体绝缘组合电器,所述方法包括:
获取所述气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据,所述历史局部放电检测数据为当前时刻前检测得到的所述气体绝缘组合电器的局部放电数据,所述当前局部放电检测数据为所述当前时刻检测得到的所述气体绝缘组合电器的局部放电数据;
根据所述历史局部放电检测数据,建立初始数字孪生模型,并根据所述初始数字孪生模型,生成所述气体绝缘组合电器的初始仿真结果,其中,所述初始数字孪生模型用于模拟所述气体绝缘组合电器的在所述当前时刻前的局部放电的发生过程和传播过程;
根据所述初始仿真结果和所述当前局部放电检测数据,对所述初始数字孪生模型进行更新,得到目标数字孪生模型;
根据所述目标数字孪生模型,生成所述气体绝缘组合电器的局部放电识别结果。
2.根据权利要求1所述的方法,其特征在于,所述历史局部放电检测数据包括所述气体绝缘组合电器的多个放电事件,所述初始仿真结果包括数值仿真结果,根据所述历史局部放电检测数据,建立初始数字孪生模型,并根据所述初始数字孪生模型,生成所述气体绝缘组合电器的初始仿真结果,包括:
根据所述放电事件,建立物理模型,其中,所述物理模型用于模拟所述放电事件的发生过程和传播过程;
对所述物理模型进行数值仿真和参数化处理,得到所述数值仿真结果。
3.根据权利要求1所述的方法,其特征在于,所述历史局部放电检测数据包括所述气体绝缘组合电器的多个放电事件,所述初始仿真结果包括边界条件模拟结果,根据所述历史局部放电检测数据,建立初始数字孪生模型,并根据所述初始数字孪生模型,生成所述气体绝缘组合电器的初始仿真结果,包括:
获取所述放电事件的环境条件和所述放电事件的外部条件,其中,所述环境条件包括所述气体绝缘组合电器的温度和所述气体绝缘组合电器的湿度中的至少一个,所述外部条件包括所述气体绝缘组合电器的电压、所述气体绝缘组合电器的电场强度、所述气体绝缘组合电器的磁场强度;
模拟所述环境条件和所述外部条件对所述气体绝缘组合电器的影响,得到所述边界条件模拟结果。
4.根据权利要求1所述的方法,其特征在于,所述历史局部放电检测数据包括所述气体绝缘组合电器的多个放电事件,所述初始仿真结果包括激发机制结果,根据所述历史局部放电检测数据,建立初始数字孪生模型,并根据所述初始数字孪生模型,生成所述气体绝缘组合电器的初始仿真结果,包括:
获取所述放电事件的激发机制,其中,所述激发机制包括所述气体绝缘组合电器的绝缘材料老化程度和所述气体绝缘组合电器的绝缘材料的缺陷程度以及所述气体绝缘组合电器的绝缘材料的电压梯度变化中的至少一个;
模拟所述激发机制对所述气体绝缘组合电器的影响,得到所述激发机制结果。
5.根据权利要求1所述的方法,其特征在于,所述历史局部放电检测数据包括所述气体绝缘组合电器的多个放电事件,所述初始仿真结果包括时间域仿真结果,根据所述历史局部放电检测数据,建立初始数字孪生模型,并根据所述初始数字孪生模型,生成所述气体绝缘组合电器的初始仿真结果,包括:
对所述放电事件进行离散化时间步长处理,得到多个子事件,其中,一个所述子事件对应一个时间步长;
根据多个所述子事件,建立多个微分方程,其中,一个所述微分方程对应一个所述子事件;
采用数值方法求解所述微分方程,得到状态解,其中,所述数值方法包括欧拉方法、龙格-库塔方法中的一种,所述状态解用于表征所述气体绝缘组合电器在下一个所述时间步长的状态,所述状态包括所述放电事件的位置、所述局部放电的电场强度以及所述局部放电的电流中的至少一个;
采用所述状态解对所述微分方程进行更新,得到更新方程;
根据所述更新方程,模拟所述气体绝缘组合电器在所述时间步长的状态变化,得到所时间域仿真结果。
6.根据权利要求1所述的方法,其特征在于,根据所述初始仿真结果和所述当前局部放电检测数据,对所述初始数字孪生模型进行更新,得到目标数字孪生模型,包括:
计算所述初始仿真结果和所述当前局部放电检测数据的相似度,在所述相似度小于阈值的情况下,对所述初始数字孪生模型进行更新,以增大所述相似度,得到所述目标数字孪生模型。
7.根据权利要求6所述的方法,其特征在于,在所述相似度小于阈值的情况下,对所述初始数字孪生模型进行更新,以增大所述相似度,得到所述目标数字孪生模型,包括以下之一:
增大所述历史局部放电检测数据的数量;
增大所述历史局部放电检测数据的检测精度;
获取所述初始数字孪生模型的参数的敏感度,在所述敏感度大于敏感度阈值的情况下,调整所述初始数字孪生模型的参数,其中,所述敏感度用于表征所述参数对所述初始仿真结果的影响程度。
8.一种数字孪生系统,其特征在于,应用于气体绝缘组合电器,所述系统包括:
获取单元,用于获取所述气体绝缘组合电器的历史局部放电检测数据和当前局部放电检测数据,所述历史局部放电检测数据为当前时刻前检测得到的所述气体绝缘组合电器的局部放电数据,所述当前局部放电检测数据为所述当前时刻检测得到的所述气体绝缘组合电器的局部放电数据;
建立单元,用于根据所述历史局部放电检测数据,建立初始数字孪生模型,并根据所述初始数字孪生模型,生成所述气体绝缘组合电器的初始仿真结果,其中,所述初始数字孪生模型用于模拟所述气体绝缘组合电器的在所述当前时刻前的局部放电的发生过程和传播过程;
更新单元,用于根据所述初始仿真结果和所述当前局部放电检测数据,对所述初始数字孪生模型进行更新,得到目标数字孪生模型;
生成单元,用于根据所述目标数字孪生模型,生成所述气体绝缘组合电器的局部放电识别结果。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的方法。
10.一种局部放电的识别系统,其特征在于,包括:
数字孪生系统,用于执行权利要求1至7中任意一项所述的方法;
气体绝缘组合电器,与所述数字孪生系统通信并形成数字映射关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410361031.3A CN118226211A (zh) | 2024-03-27 | 2024-03-27 | 局部放电的识别方法和数字孪生系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410361031.3A CN118226211A (zh) | 2024-03-27 | 2024-03-27 | 局部放电的识别方法和数字孪生系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118226211A true CN118226211A (zh) | 2024-06-21 |
Family
ID=91509769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410361031.3A Pending CN118226211A (zh) | 2024-03-27 | 2024-03-27 | 局部放电的识别方法和数字孪生系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118226211A (zh) |
-
2024
- 2024-03-27 CN CN202410361031.3A patent/CN118226211A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Strange et al. | Prediction of future capacity and internal resistance of Li-ion cells from one cycle of input data | |
CN109143094B (zh) | 一种动力电池的异常数据检测方法和装置 | |
CN102970180B (zh) | 一种电力系统广域测量系统通信时延的实时仿真方法 | |
CN109270482B (zh) | 电压互感器计量准确度在线评价方法及终端设备 | |
CN114371409B (zh) | 电池状态预测模型的训练方法、电池状态预测方法及装置 | |
CN116227543B (zh) | 用电异常的检测方法、检测装置、电子装置和电子设备 | |
CN115034519A (zh) | 一种用电负荷的预测方法、装置、电子设备以及存储介质 | |
CN115616412A (zh) | 一种储能电池组建模方法、装置、设备及可读存储介质 | |
CN109459700B (zh) | 一种变形锂电池检测方法、装置和电子设备 | |
CN113917313A (zh) | 一种关键板卡故障预测方法及装置 | |
CN117590130A (zh) | 一种基于数字孪生的输电线路态势感知方法 | |
CN117369949A (zh) | 实时数字仿真器的算力确定方法、装置和电子设备 | |
CN116205382B (zh) | 用电量的预测方法、预测装置、电子装置和电子设备 | |
CN118226211A (zh) | 局部放电的识别方法和数字孪生系统 | |
CN116679139A (zh) | 电缆更换监测系统及方法 | |
CN114565172B (zh) | 电池剩余寿命预测模型构建、电池剩余寿命预测方法 | |
CN115395648A (zh) | 电气设备状态监控方法、装置、电子设备和存储介质 | |
CN110879537A (zh) | 智能家居能源系统暂态稳定性的处理方法和装置 | |
CN113592672B (zh) | 基于工业互联网平台的工业管理控制方法、设备及介质 | |
CN115267586A (zh) | 锂电池soh评估方法 | |
CN116611378A (zh) | 电路模型的仿真模拟方法及装置、计算机设备和存储介质 | |
CN114520389A (zh) | 储能装置内部温度的确定方法及装置 | |
Tripathi et al. | A new approach of time truncated chain sampling inspection plan and its applications | |
CN115422851B (zh) | 电力系统元件模型校准方法、装置、设备和存储介质 | |
Denecke et al. | Identification of dynamic equivalents for active distribution networks |
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 |