CN204269740U - 智能电网故障自愈控制装置 - Google Patents
智能电网故障自愈控制装置 Download PDFInfo
- Publication number
- CN204269740U CN204269740U CN201420684190.9U CN201420684190U CN204269740U CN 204269740 U CN204269740 U CN 204269740U CN 201420684190 U CN201420684190 U CN 201420684190U CN 204269740 U CN204269740 U CN 204269740U
- Authority
- CN
- China
- Prior art keywords
- module
- data
- model
- transformer
- gep
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000003745 diagnosis Methods 0.000 abstract description 7
- 238000012549 training Methods 0.000 abstract description 6
- 101100048630 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) UPS2 gene Proteins 0.000 description 19
- 239000007789 gas Substances 0.000 description 19
- 238000000034 method Methods 0.000 description 12
- 101150000007 GEP5 gene Proteins 0.000 description 10
- 101100372017 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) UPS3 gene Proteins 0.000 description 10
- 101150066274 gep4 gene Proteins 0.000 description 10
- 101150009585 GEP3 gene Proteins 0.000 description 6
- 206010020843 Hyperthermia Diseases 0.000 description 6
- 101100503967 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) HER2 gene Proteins 0.000 description 6
- 230000036031 hyperthermia Effects 0.000 description 6
- 238000013021 overheating Methods 0.000 description 6
- 108090000623 proteins and genes Proteins 0.000 description 6
- 101150028838 GEP7 gene Proteins 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 230000002068 genetic effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010891 electric arc Methods 0.000 description 2
- 238000004868 gas analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011208 chromatographic data Methods 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本实用新型公开了一种智能电网故障自愈控制装置，其包括检测模块、控制模块，判断模块、显示模块以及接口模块，其中检测模块获得特征气体的浓度数据，控制模块存储经过训练的GEP模型，包括分类器GEP1-GEP7；判断模块基于检测模块获得的气体浓度数据，调用控制模块的GEP分类器以判断故障种类。该自愈控制装置可以再有限的训练样本下可以得到较为准确的结果，提高了故障诊断的准确率。
Description
技术领域
本实用新型涉及电力变压器故障诊断领域，特别涉及一种智能电网故障自愈控制装置。
背景技术
安全、稳定的供电系统是国民经济发展的重要基础，是现代工业社会和谐发展的必要条件。电力变压器是电力系统中的重要枢纽设备，其运行的可靠性直接关系到电力系统的安全性与稳定性。目前大型变压器在运行中出现异常现象的情况时有发生，对电网的安全运行造成了严重威胁。
国内电力系统中大多数电力变压器采用绝缘油对内部系统进行散热和绝缘，而变压器处于不同运行状态时，其绝缘油中溶解气体组分和浓度各不相同，对油中溶解气体进行采样和分析，即可推断出变压器的运行状态，可以有效地对变压器进行故障诊断。然而变压器结构的复杂性以及故障原因、故障现象和故障机理的多样性、随机性和模糊性，使得其绝缘故障诊断存在许多困难。利用油中溶解气体分析(DGA， Dissolved Gas Analysis)方法，检测油浸变压器内部故障，已成为对其进行绝缘监督的重要手段。但是故障特征气体与故障之间存在复杂的非线性关系，传统的IEC三比值法和无编码比值法判断过于简单化，且存在比值盲区问题，往往不能对故障进行准确的诊断。
近年来，众多人工智能方法被单独或交叉应用于DGA故障诊断表的建立中，且不同程度的改善了故障表的适应性。基因表达式程序设计（GEP）分类方法无需人为选择数学模型，能够根据与问题有关的终结点集和函数集，自动生成与训练数据相拟合的函数表达式，从而对变压器油色谱数据进行精确分类，为变压器故障的诊断技术的发展开拓了新的途径。GEP算法具有优良的逼近任意非线性映射的能力，以及优秀的自适应性，在有限的训练样本下可以得到较为准确的结果。
基因表达式程序设计（GEP）是由葡萄牙科学家C. Ferreira实用新型的一种基于基因模型和表现型的新型遗传算法，其从遗传算法（简称GAs）和遗传程序设计（简称GP）中发展而来，在吸收了二者优点的同时,又克服了二者的不足之处，其显著特点就是可以利用简单编码解决复杂问题。个体构成需要两类符号，即终结符和函数符。染色体由一个基因(Gene)或多个基因通过连接函数连接构成。基因由头部和尾部构成。基因的头部(Head)由终结符集和函数符集共同构成。基因的尾部(Tail)仅由终结符集构成。
实用新型内容
本实用新型所解决的技术问题克服上面所述目前存在的技术缺陷，提供一种智能电网故障自愈控制装置，以提高小训练样本下，系统的自适应能力，提高故障诊断的准确性。
本实用新型提供了一种智能电网故障自愈控制装置，其包括检测模块、控制模块，判断模块、显示模块以及接口模块，其中检测模块获得特征气体的浓度数据，控制模块存储经过训练的GEP模型，包括分类器GEP1-GEP7；判断模块基于检测模块获得的气体浓度数据，调用控制模块的GEP分类器以判断故障种类。
该智能电网故障自愈控制装置基于GEP算法的变压器的故障诊断方法，该方法包括以下步骤：
(1) 采集特征气体浓度数据；
(2) 对数据进行预处理；
(3)判断是否存在故障以及故障种类，采用7个GEP训练的分类器GEP1—GEP7，其中GEP1用于判断变压器的正常状态与低能放电状态，GEP2用于判断变压器的正常状态与高能放电状态，GEP3用于判断变压器的正常状态与过热状态，GEP4用于判断变压器的过热状态与低能放电状态，GEP5用于判断变压器的过热状态与高能放电状态，GEP6用于判断变压器的低能放电状态与高能放电状态，GEP7用于判断变压器的中低温过热与高温过热；
(4)显示故障信息。
本实用新型中所提取的特征气体包括H2，CH4，C2H6，C2H4， C2H2，C3H4中的至少5种。其中，对数据的预处理包括归一化处理，使得浓度数据限制在[0,1]范围内，归一值的表达式为di=1-1/exp(2(Xi/Ti)2)(i=1,2,…,5)，其中，Xi为每种气体原始值，Ti为该气体关注值。该关注值为根据专家经验给出的危险警报值。该流程可以有效提高在线诊断系统对高发故障诊断的准确性。
附图说明
图1 示出了本实用新型的7个GEP分类器进行判断的判断路径。
具体实施方式
本实用新型的智能电网故障自愈控制装置基于GEP算法的变压器故障诊断方法的具体方法结合实施例进行说明。
数据采集：选择H2、CH4、C2H6、C2H4和C2H2作为属性变量，采用气相色谱分析法以固定抽样频率对变压器绝缘油中这五种故障特征气体进行浓度检测，然后将浓度数据实时送至数据预处理部分。为了建立GEP模型，定义如表1所示的条件属性及其数据类型。
表1 属性及其数据类型
借鉴传统三比值法，该模型将变压器状态分为正常（C1）、低能放电（C2）、电弧放电（高能放电）（C3）、中低温过热（C4）（<=700℃）和高温过热（C5）（700℃）。
本实施例以220kV变压器作为研究对象。从文献资料和现场调研收集变压器油色谱检测记录和相应的实际故障结果中收集500条变压器油中气体浓度完整的数据，并选取400条能反应出各种故障而又不冗余的可用数据作为样本，其中250条正常运行数据，150条有明确故障的数据。样本以1:1的比例分为训练集和测试集。
数据归一化处理。根据专家对变压器实际判断的经验，给出5种气体的注意值，如表2所示。归一值的表达式为
di=1-1/exp(2(Xi/Ti)2)(i=1,2,…,5) 式1
其中，Xi为每种气体原始值，Ti为该气体注意值。该归一化方法将数据限制在[0,1]范围内，从而使数据的权重相对均匀。
表2 气体数据关注值 uL/L
| 气体 | H2 | CH4 | C2H6 | C2H4 | C2H2 |
| 关注值 | 100 | 50 | 100 | 100 | 3 |
模型的建立，选择函数集（F）为F={+，-，·，/，Sin,Cos,OR2,AND2,GOE2B,GOE2C}其中，OR2含义为if x≥0 or y≥0, then 1, else 0;AND2的含义为 if x≥0 and y≥0, then 1, else 0；GOE2B的含义为 if x≥y, then 1, else 0；GOE2C的含义为 if x≥y, then (x+y), else (x=y)。终结点集（T）选为 T={d1,d2,d3,d4,d5,C}，其中 d1-d5分别对应di(i=1,2，…，5)；C代表运行过程中随机生成的常量集合。规定适应度阈值为0.02，并设置最大进化代数 max Generation=500，将两者作为终止判据，满足其中一个条件，输出结果，程序终止运行。
基于GEP分类器的判断模型如图1所示，具体为：将归一化数据输入GEP1， GEP1用于判断变压器的正常状态与低能放电状态，GEP2用于判断变压器的正常状态与高能放电状态，GEP3用于判断变压器的正常状态与过热状态，GEP4用于判断变压器的过热状态与低能放电状态，GEP5用于判断变压器的过热状态与高能放电状态，GEP6用于判断变压器的低能放电状态与高能放电状态；GEP7用于判断变压器的中低温过热与高温过热。其诊断过程分为8条路径：
路径1：将归一化数据输入GEP1，若当GEP1诊断结果为“正常”，则将数据进一步送至GEP2；当GEP2诊断结果为“正常”，则将数据再进一步送至GEP3；当GEP3诊断结果为“正常”，则最终诊断结果为“正常”；
路径2：将预处理后所得数据送至GEP1，当GEP1诊断结果为“正常”，则将数据进一步送至GEP2；当GEP2诊断结果为“正常”，则将数据再进一步送至GEP3；当GEP3诊断结果为“过热”，则将数据进一步送至GEP7，判断时中低温过热，或是高温过热；
路径3：将预处理后所得数据送至GEP1，当GEP1诊断结果为“正常”，则将数据进一步送至GEP2；当GEP2诊断结果为“高能放电”，则将数据再进一步送至GEP5；当GEP5诊断结果为“高能放电”，则最终诊断结果为“高能放电”；
路径4：将预处理后所得数据送至GEP1，当GEP1诊断结果为“正常”，则将数据进一步送至GEP2；当GEP2诊断结果为“电弧放电”，则将数据再进一步送至GEP5；当GEP5诊断结果为“过热”，则将数据进一步送至GEP7，判断时中低温过热，或是高温过热；；
路径5：将预处理后所得数据送至GEP1，当GEP1诊断结果为“低能放电”，则将数据进一步送至GEP4；当GEP4诊断结果为“低能放电”，则将数据再进一步送至GEP6；当GEP6诊断结果为“低能放电”，则最终诊断结果为“低能放电”；
路径6：将预处理后所得数据送至GEP1，当GEP1诊断结果为“低能放电”，则将数据进一步送至GEP4；当GEP4诊断结果为“低能放电”，则将数据再进一步送至GEP6；当GEP6诊断结果为“高能放电”，则最终诊断结果为“高能放电”；
路径7：将预处理后所得数据送至GEP1，当GEP1诊断结果为“低能放电”，则将数据进一步送至GEP4；当GEP4诊断结果为“过热”，则将数据再进一步送至GEP5；当GEP5诊断结果为“过热”，则将数据进一步送至GEP7，判断时中低温过热，或是高温过热；
路径8：将预处理后所得数据送至GEP1，当GEP1诊断结果为“低能放电”，则将数据进一步送至GEP4；当GEP4诊断结果为“过热”，则将数据再进一步送至GEP5；当GEP5诊断结果为“高能放电”，则最终诊断结果为“高能放电”。
此外，依照本实用新型的另一个实施例，还提供一种变压器故障诊断装置，其包括检测模块、控制模块，判断模块、显示模块以及接口模块，其中检测模块获得特征气体的浓度数据，控制模块存储经过训练的GEP模型，包括分类器GEP1-GEP7；判断模块基于检测模块获得的气体浓度数据，调用控制模块的GEP分类器以判断故障种类。
以上显示和描述了本实用新型的基本原理和主要特征和本实用新型的优点。本行业的技术人员应该了解，本实用新型不受上述实施例的限制，上述实施例和说明书中描述的只是说明本实用新型的原理，在不脱离本实用新型精神和范围的前提下，本实用新型还会有各种变化和改进，这些变化和改进都落入要求保护的本实用新型范围内。本实用新型要求保护范围由所附的权利要求书及其等效物界定。
Claims (1)
1.一种智能电网故障自愈控制装置，其包括检测模块、控制模块，判断模块、显示模块以及接口模块，其中检测模块获得特征气体的浓度数据，控制模块存储经过训练的GEP模型，包括分类器GEP1-GEP7；判断模块基于检测模块获得的气体浓度数据，调用控制模块的GEP分类器以判断故障种类。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201420684190.9U CN204269740U (zh) | 2014-11-17 | 2014-11-17 | 智能电网故障自愈控制装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201420684190.9U CN204269740U (zh) | 2014-11-17 | 2014-11-17 | 智能电网故障自愈控制装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN204269740U true CN204269740U (zh) | 2015-04-15 |
Family
ID=52804601
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201420684190.9U Expired - Fee Related CN204269740U (zh) | 2014-11-17 | 2014-11-17 | 智能电网故障自愈控制装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN204269740U (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106771857A (zh) * | 2016-12-05 | 2017-05-31 | 广西电网有限责任公司柳州供电局 | 交联聚乙烯电力电缆绝缘缺陷特征气体检测系统 |
-
2014
- 2014-11-17 CN CN201420684190.9U patent/CN204269740U/zh not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106771857A (zh) * | 2016-12-05 | 2017-05-31 | 广西电网有限责任公司柳州供电局 | 交联聚乙烯电力电缆绝缘缺陷特征气体检测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104730378B (zh) | 基于油中溶解气体的变压器内部复合缺陷模糊诊断方法 | |
| CN107907783B (zh) | 基于模糊关联规则的变压器故障综合诊断系统及诊断方法 | |
| Li et al. | An integrated method of set pair analysis and association rule for fault diagnosis of power transformers | |
| CN104299035A (zh) | 基于聚类算法和神经网络的变压器故障诊断方法 | |
| Mehta et al. | Transformer diagnostics under dissolved gas analysis using Support Vector Machine | |
| CN110297841B (zh) | 一种变压器故障诊断与快速索引方法及系统 | |
| CN105372528B (zh) | 一种电力变压器内部故障的状态检修方法 | |
| CN107276531B (zh) | 一种光伏组件在线故障分级诊断系统及方法 | |
| CN106841923A (zh) | 基于差值卷积分析法的配电网线路故障定位方法 | |
| CN104360194A (zh) | 一种智能电网故障诊断方法 | |
| CN112305319B (zh) | 一种用于在线监测换流变压器阀侧套管参数的方法和系统 | |
| CN110059714A (zh) | 基于多分类支持向量机的变压器故障诊断方法 | |
| CN105808941A (zh) | 一种基于油中溶解气体的高压并联电抗器模糊综合诊断方法 | |
| CN103633629A (zh) | 基于小波变换和能量谱分析的高压直流输电线路的保护方法 | |
| CN107530814A (zh) | 用于检测焊接系统中的不工作晶闸管的系统和方法 | |
| Khan et al. | ANFIS based identification and location of paper insulation faults of an oil immersed transformer | |
| CN204269740U (zh) | 智能电网故障自愈控制装置 | |
| CN109061459A (zh) | 有载调压开关的故障确定方法及装置、存储介质、处理器 | |
| CN109102031A (zh) | 一种基于神经网络的油浸式变压器故障检测方法 | |
| CN105137238A (zh) | 一种气体绝缘组合电器故障诊断系统 | |
| CN104360195A (zh) | 一种基于gep算法的智能电网在线故障诊断方法 | |
| CN107632237A (zh) | 一种基于故障后小波特征量相关性的单相接地故障选线方法 | |
| Zhou et al. | A transformer fault diagnosis method based on grey relational analysis and integrated weight determination | |
| CN111175458A (zh) | 一种基于XGBoost算法的变压器油中溶解气体分析方法 | |
| CN108491503B (zh) | 一种基于数据分析确定变压器的故障类型的方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CB03 | Change of inventor or designer information |
Inventor after: Li Zhiheng Inventor after: Zhang Jianli Inventor after: Yao Feng Inventor after: Xue Gaichao Inventor before: Li Zhiheng Inventor before: Chen Jun Inventor before: Wang Hongyin Inventor before: Fu Hongjun Inventor before: Gao Junjie Inventor before: Xue Gaichao |
|
| COR | Change of bibliographic data | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150415 Termination date: 20151117 |
|
| EXPY | Termination of patent right or utility model |