TWI749862B - 變壓器預警系統 - Google Patents
變壓器預警系統 Download PDFInfo
- Publication number
- TWI749862B TWI749862B TW109139288A TW109139288A TWI749862B TW I749862 B TWI749862 B TW I749862B TW 109139288 A TW109139288 A TW 109139288A TW 109139288 A TW109139288 A TW 109139288A TW I749862 B TWI749862 B TW I749862B
- Authority
- TW
- Taiwan
- Prior art keywords
- area
- values
- temperature
- thermal image
- air outlet
- Prior art date
Links
- 238000012545 processing Methods 0.000 claims abstract description 61
- 238000005259 measurement Methods 0.000 claims abstract description 57
- 238000010801 machine learning Methods 0.000 claims abstract description 40
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 50
- 238000012549 training Methods 0.000 claims description 14
- 210000000746 body region Anatomy 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 abstract description 3
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000010238 partial least squares regression Methods 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 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
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F27/00—Details of transformers or inductances, in general
- H01F27/40—Structural association with built-in electric component, e.g. fuse
- H01F27/402—Association of measuring or protective means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0096—Radiation pyrometry, e.g. infrared or optical thermometry for measuring wires, electrical contacts or electronic systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/02—Constructional details
- G01J5/027—Constructional details making use of sensor-related data, e.g. for identification of sensor parts or optical elements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/52—Radiation pyrometry, e.g. infrared or optical thermometry using comparison with reference sources, e.g. disappearing-filament pyrometer
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/52—Radiation pyrometry, e.g. infrared or optical thermometry using comparison with reference sources, e.g. disappearing-filament pyrometer
- G01J5/53—Reference sources, e.g. standard lamps; Black bodies
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/62—Testing of transformers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/185—Electrical failure alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/187—Machine fault alarms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F27/00—Details of transformers or inductances, in general
- H01F27/40—Structural association with built-in electric component, e.g. fuse
- H01F27/402—Association of measuring or protective means
- H01F2027/406—Temperature sensor or protection
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Radiation Pyrometers (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
Abstract
一種變壓器預警系統包含一熱影像擷取單元、一電流感測器、一儲存單元、及一處理單元。該儲存單元儲存一機器學習模型。該處理單元接收該熱影像擷取單元對一電力變壓器拍攝而獲得的多個熱影像,及該電流感測器偵測該電力變壓器的輸出電流大小的多個電流量測值,並將該等熱影像所分別代表的多個溫度輸入值,及該等電流量測值依照時間順序輸入該機器學習模型,以獲得分別對應不同區域的多個正常溫度預估值,進而根據目前時間點的該熱影像及該等正常溫度預估值在判斷對應的區域發生溫度異常時,輸出一告警信號。
Description
本發明是有關於一種預警系統,特別是指一種用於評估變壓器即將發生異常的變壓器預警系統。
各種製造業如半導體、面板等的工廠皆為用電大戶,電力來源為高壓電或特高壓電,因此,在工廠內需自行架設電力變壓器,且這些電力變壓器的數量眾多並都具有故障的風險。當電力變壓器突然發生故障時,停電不但會導致工廠的產線停擺,使得線上生產中的產品可能要捨棄,而且即使馬上復電,廠線也無法立即回復運轉,而造成巨大的損失。雖然在習知技術中,已在電力變壓器內設置有溫度感測器,但只能夠針對特定區域如出風口、鐵心等位置進行單點監控。但在實務上偵測到溫度異常時,電力變壓器也已經失效而導致損失發生。因此,如何估算出電力變壓器是否即將要故障風險,使得廠務人員能夠有時間進行電力變壓器的負載轉移及檢測維修,便成為一個待解決的問題。
因此,本發明的目的,即在提供一種用於評估變壓器即將發生異常的變壓器預警系統。
於是,本發明之一觀點,提供一種變壓器預警系統,適用於一電力變壓器,並包含一熱影像擷取單元、一電流感測器、一儲存單元、及一處理單元。
該熱影像擷取單元用於對該電力變壓器拍攝,以獲得依照時間順序且固定時間間隔的多個熱影像,每一該熱影像包含彼此不重疊且位置不變的一本體區域、一出風口區域、及一外露鐵心區域。
該電流感測器偵測該電力變壓器的輸出電流的大小而輸出一感測信號。該儲存單元儲存一機器學習模型。該處理單元電連接該儲存單元、該熱影像擷取單元、及該電流感測器,並接收該等熱影像及該感測信號,且根據該感測信號獲得該等熱影像所在時間的多個電流量測值,進而將該等熱影像及該等電流量測值儲存於該儲存單元。
其中,該處理單元將該等熱影像所分別代表的多個溫度輸入值,及該等電流量測值依照時間順序輸入該機器學習模型,以獲得分別對應該本體區域、該出風口區域、及該外露鐵心區域的多個正常溫度預估值。當該處理單元判斷目前時間點的該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別代表的該等溫度輸入值之其中一者大於該等正常溫度預估值之其中對應者,且超過一臨界閥值時,輸出一告警信號。
在一些實施態樣中,其中,該處理單元計算每一該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別對應的L個溫度統計值,而作為該等溫度輸入值,每一該溫度統計值是對應的該熱影像的所在區域的多個畫素所代表的L個溫度的一溫度最大值,或一溫度平均值。該等正常溫度預估值的數量也是L個,且分別對應該本體區域、該出風口區域、及該外露鐵心區域的該L個溫度統計值,L是複數。
在一些實施態樣中,其中,該機器學習模型是已先經過訓練,當該機器學習模型所接收的該等熱影像的數量及該等電流量測值的數量都是N個,以產生該L個正常溫度預估值時,該處理單元是將M個該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別對應的L*M個該溫度統計值,及對應的M個該電流量測值作為訓練資料,N及M都是複數,且M大於N,該M個熱影像是該熱影像擷取單元依照時間順序且同樣的固定時間間隔而拍攝所獲得,該M個電流量測值之其中部分者必須對應該電力變壓器的輸出電流在不同負載大小的變化。
在另一些實施態樣中,其中,該處理單元計算每一該熱影像的該本體區域、該出風口區域、及該外露鐵心區域的每一畫素所代表的一溫度,而作為該等溫度輸入值。該等正常溫度預估值的數量是每一該熱影像的畫素總數量,且分別對應該本體區域、該出風口區域、及該外露鐵心區域。
在一些實施態樣中,其中,該機器學習模型是已先經過訓練,當該機器學習模型所接收的該等熱影像的數量及該等電流量測值的數量都是N個,且每一該熱影像所對應的該等溫度輸入值的數量是P個,以產生該P個正常溫度預估值時,該處理單元是將M個該熱影像的該本體區域、該出風口區域、及該外露鐵心區域的每一畫素所代表的M*P個該溫度輸入值,及對應的M個該電流量測值作為訓練資料,N、M、及P都是複數,且M大於N,該M個熱影像是該熱影像擷取單元依照時間順序且同樣的固定時間間隔而拍攝所獲得,該M個電流量測值之其中部分者必須對應該電力變壓器的輸出電流在不同負載大小的變化。
於是,本發明之一觀點,提供一種變壓器預警系統,適用於三相的三個電力變壓器,並包含一熱影像擷取單元、三個電流感測器、一儲存單元、及一處理單元。
該熱影像擷取單元用於對該三個電力變壓器拍攝,以獲得分別對應該三個該電力變壓器的三個熱影像,且對應同一個該電力變壓器的每一該熱影像包含彼此不重疊且位置不變的一本體區域、一出風口區域、及一外露鐵心區域。
該三個電流感測器分別偵測該三個電力變壓器的輸出電流的大小而輸出分別對應的三個感測信號。該儲存單元儲存一機器學習模型。該處理單元電連接該儲存單元、該熱影像擷取單元、及該三個電流感測器,並接收該三個熱影像及該三個感測信號,且根據該三個感測信號獲得該三個熱影像所在時間的三個電流量測值,進而將該等熱影像及該等電流量測值儲存於該儲存單元。
該處理單元將對應其中兩者的該兩個電力變壓器的該兩個熱影像所分別代表的多個溫度輸入值,及對應該三個電力變壓器的該等電流量測值輸入該機器學習模型,以獲得對應其中第三者的該電力變壓器所分別對應該本體區域、該出風口區域、及該外露鐵心區域的多個正常溫度預估值。當該處理單元判斷目前時間點且對應其中第三者的該電力變壓器的該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別代表的該等溫度輸入值之其中一者大於該等正常溫度預估值之其中對應者,且超過一臨界閥值時,輸出一告警信號。
在一些實施態樣中,其中,該處理單元計算每一該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別對應的L個溫度統計值,而作為該等溫度輸入值,每一該溫度統計值是對應的該熱影像的所在區域的多個畫素所代表的L個溫度的一溫度最大值,或一溫度平均值。該等正常溫度預估值的數量也是L個,且分別對應該本體區域、該出風口區域、及該外露鐵心區域的該L個溫度統計值,L是複數。
在一些實施態樣中,其中,該機器學習模型是已先經過訓練,當該機器學習模型所接收的該等熱影像的數量及該等電流量測值的數量分別是2個及3個,以產生該L個正常溫度預估值時,該處理單元是將對應該三個電力變壓器的3*M個該熱影像之其中任兩個該電力變壓器的該2*M個熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別對應的L*2*M個該溫度統計值,及對應該三個電力變壓器的3*M個該電流量測值作為訓練資料。M是複數。對應同一個該電力變壓器的該M個熱影像是該熱影像擷取單元依照時間順序且同樣的固定時間間隔而拍攝所獲得。對應同一個該電力變壓器的該M個電流量測值之其中部分者必須對應該電力變壓器的輸出電流在不同負載大小的變化。
在另一些實施態樣中,其中,該處理單元計算每一該熱影像的該本體區域、該出風口區域、及該外露鐵心區域的每一畫素所代表的一溫度,而作為該等溫度輸入值。該等正常溫度預估值的數量是每一該熱影像的畫素總數量,且分別對應該本體區域、該出風口區域、及該外露鐵心區域。
在一些實施態樣中,其中,該機器學習模型是已先經過訓練,當該機器學習模型所接收的該等熱影像的數量及該等電流量測值的數量分別都是2個及3個,且每一該熱影像所對應的該等溫度輸入值的數量是P個,以產生該P個正常溫度預估值時,該處理單元是將對應該三個電力變壓器的3*M個該熱影像之其中任兩個該電力變壓器的該2*M個該熱影像的該本體區域、該出風口區域、及該外露鐵心區域的每一畫素所代表的2*M*P個該溫度輸入值,及對應的3*M個該電流量測值作為訓練資料。M及P都是複數。對應同一個該電力變壓器的該M個熱影像是該熱影像擷取單元依照時間順序且同樣的固定時間間隔而拍攝所獲得。對應同一個該電力變壓器的該M個電流量測值之其中部分者必須對應該電力變壓器的輸出電流在不同負載大小的變化。
本發明的功效在於:該處理單元藉由事先訓練過的該機器學習模型以該等熱影像所分別代表的該等溫度輸入值及該等電流量測值依照時間順序作為輸入資料,而獲得該等正常溫度預估值,進而能夠據以在該電力變壓器尚未失效或導致損失發生之前,判斷該電力變壓器是否即將發生異常。
在本發明被詳細描述之前,應當注意在以下的說明內容中,類似的元件是以相同的編號來表示。
參閱圖1,本發明變壓器預警系統之一第一實施例,適用於一電力變壓器90,並包含一熱影像擷取單元3、一電流感測器40、一儲存單元2、及一處理單元1。該電力變壓器90是用於如先前技術段落所述的工廠。
該熱影像擷取單元3是一種熱影像儀,又稱熱像儀或紅外線熱成像儀,以對物體所散發出的紅外線進行感光成像。在本實施例中,該熱影像擷取單元3用於對該電力變壓器90拍攝,以獲得依照時間順序且固定時間間隔的多個熱影像。再參閱圖2,每一該熱影像包含彼此不重疊且位置不變的一本體區域A1、一出風口區域A3、及一外露鐵心區域A2,且該出風口區域A3包括兩個出風口子區域。也就是說,該出風口區域A3是對應到該電力變壓器90的兩個散熱位置,且通常溫度較高。而該外露鐵心區域A2是對應到該電力變壓器90所局部露出的鐵心,且通常也是溫度較高。而該本體區域A1是對應該電力變壓器90的本體,其內部具有線圈,且通常溫度較低。
該電流感測器40偵測該電力變壓器90的輸出電流的大小而輸出一感測信號。該儲存單元2例如是一儲存設備如硬碟或記憶體,並儲存一機器學習模型。該處理單元1例如是一中央處理器、一運算晶片、或一電腦主機,且電連接該儲存單元2、該熱影像擷取單元3、及該電流感測器40,並接收該等熱影像及該感測信號,且根據該感測信號獲得該等熱影像所在時間的多個電流量測值,進而將該等熱影像及該等電流量測值儲存於該儲存單元2。舉例來說,該儲存單元2所儲存的該等熱影像及該等電流量測值的數量都是N個,N為複數,依序是第1個至第N個熱影像,且相鄰的兩個影像所對應的拍攝時間間隔例如是30秒,則該N個電流量測值是分別在該N個熱影像所對應的拍攝時間時,該電力變壓器90的輸出電流的大小。
該處理單元1計算每一該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別對應的三個溫度統計值,而作為多個溫度輸入值。在本實施例中,每一該溫度統計值是對應的該熱影像的所在區域的多個畫素所代表的多個溫度的一溫度最大值。舉例來說,其中一個該熱影像的該本體區域、該出風口區域的該兩個出風口子區域、及該外露鐵心區域所對應的該四個溫度最大值分別是攝氏35度、50度、50度、及145度,該電流量測值是240安培。
該處理單元1將該等熱影像的該等本體區域、該等出風口區域的該兩個出風口子區域、及該等外露鐵心區域所分別對應的該等溫度輸入值,及該等電流量測值依照時間順序輸入該機器學習模型,以獲得分別對應該本體區域、該出風口區域的該兩個出風口子區域、及該外露鐵心區域的四個正常溫度預估值。承續前例,該機器學習模型所接收的輸入資料依序為第1個熱影像的四個區域的該四個溫度最大值及對應的該電流量測值、第2個熱影像的四個區域的該四個溫度最大值及對應的該電流量測值…至第N個熱影像的四個區域的該四個溫度最大值及對應的該電流量測值。要特別補充說明的是:該機器學習模型例如是一種GRU(Gated recurrent units)模型,或是藉由卷積神經網路CNN(Convolutional Neural Network)或偏最小平方迴歸(Partial least squares regression,PLS)的演算法來實施。
當該處理單元1判斷目前時間點的該熱影像的該本體區域、該出風口區域的該兩個出風口子區域、及該外露鐵心區域所分別代表的該等溫度輸入值之其中一者大於該四個正常溫度預估值之其中對應者,且超過一臨界閥值時,輸出一告警信號。在本實施例中,目前時間點的該熱影像即為第N個熱影像。舉例來說,分別對應該本體區域、該出風口區域、及該外露鐵心區域的該三個正常溫度預估值分別是攝氏35.4度、49度、49度、及140度。承續前例,且該臨界閥值例如是攝氏4度,則該處理單元1分別計算對應該本體區域為35-35.4=-0.4度、對應該出風口區域的每一該出風口子區域為50-49=1度、及對應該外露鐵心區域為145-140=5度,該處理單元1判斷5大於4,因此,判斷出該電力變壓器90在對應該外露鐵心區域即將發生異常,而輸出該告警信號。該告警信號例如是一種聲響、閃光、或訊息通知,或者,也可以是一種信號以驅動其他裝置產生聲響、閃光、或訊息通知。
另外要特別強調的是:該機器學習模型是已先經過訓練。該處理單元1是將M個該熱影像的該本體區域、該出風口區域的該兩個出風口子區域、及該外露鐵心區域所分別對應的4*M個該溫度統計值,及對應的M個該電流量測值作為訓練資料。M是複數,且M大於N。該M個熱影像是該熱影像擷取單元3依照時間順序且同樣的固定時間間隔而拍攝所獲得,且該M個電流量測值之其中部分者必須對應該電力變壓器90的輸出電流在不同負載大小的變化。舉例來說,該N個熱影像是對應2小時的時間變化,而該M個熱影像是對應六個月或更長期的時間變化。該機器學習模型是以該M個熱影像之其中任意的連續該N個熱影像所對應的該等溫度統計值及該等電流量測值作為訓練時的輸入資料。另外要補充說明的是:在其他的實施例中,每一該溫度統計值也可以是對應的該熱影像的所在區域的多個畫素所代表的多個溫度的一溫度平均值。
此外,在其他的實施例中,該處理單元1也可以是計算每一該熱影像的該本體區域、該出風口區域的該兩個出風口子區域、及該外露鐵心區域的每一畫素所代表的一溫度,而作為該等溫度輸入值。則該等正常溫度預估值的數量是每一該熱影像的畫素總數量,且分別對應該本體區域、該出風口區域、及該外露鐵心區域。舉例來說,每一該熱影像的尺寸是80畫素*60畫素,則該等溫度輸入值及該等正常溫度預估值的數量都是P個,P等於4800。而與該第一實施例不同的是:該處理單元1是將M個該熱影像的該本體區域、該出風口區域、及該外露鐵心區域的每一畫素所代表的M*P個該溫度輸入值,及對應的M個該電流量測值作為訓練資料,P是複數。
再者,在本實施例中,該出風口區域包括該兩個出風口子區域。而在其他的實施例中,該出風口區域也可以僅包括單一個或其他複數個出風口子區域,且該外露鐵心區域同樣也可以包括其他複數個外露鐵心子區域,此時,該等溫度統計值及該等正常溫度預估值的數量也隨著這些區域或子區域的總數量而改變。例如:一個本體區域、三個出風口子區域、及二個外露鐵心子區域時,該等溫度統計值及該等正常溫度預估值的數量等於1+3+2=6個。
參閱圖3,本發明變壓器預警系統之一第二實施例,適用於三相(即RST)的三個電力變壓器91~93,並包含該熱影像擷取單元3、三個電流感測器41~43、該儲存單元2、及該處理單元1。
與該第一實施例不同的是:該熱影像擷取單元3例如是三個熱影像鏡頭或單一個熱影像鏡頭,以用於對該三個電力變壓器91~93拍攝,而獲得分別對樣該三個該電力變壓器91~93的該三個熱影像,且對應同一個該電力變壓器91~93的每一該熱影像包含彼此不重疊且位置不變的該本體區域、該出風口區域、及該外露鐵心區域。在該第二實施例中,該出風口區域包括L個出風口子區域,L為複數。
該三個電流感測器41~43分別偵測該三個電力變壓器91~93的輸出電流的大小而輸出分別對應的該三個感測信號。該處理單元1同樣計算每一該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別對應的該L個溫度統計值,而作為該等溫度輸入值。每一該溫度統計值可以都是該溫度最大值,或都是該溫度平均值。另外要特別說明的是:在其他的實施例中,該三個電流感測器41~43也可以被另一種能夠擷取且量測三相電流的單一個電流感測器來取代。
該處理單元1將對應其中兩者的該兩個電力變壓器(如91、92)的該兩個熱影像所分別代表的該等溫度輸入值,及對應該三個電力變壓器91~93的該等電流量測值輸入該機器學習模型,以獲得對應其中第三者的該電力變壓器(如93)所分別對應該本體區域、該出風口區域、及該外露鐵心區域的該L個正常溫度預估值。當該處理單元1判斷目前時間點且對應其中第三者的該電力變壓器(如93)的該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別代表的該等溫度輸入值之其中一者大於該L個正常溫度預估值之其中對應者,且超過該臨界閥值時,輸出該告警信號。
與該第一實施例類似,該機器學習模型是已先經過訓練。該處理單元1是將對應該三個電力變壓器91~93的3*M個該熱影像之其中任兩個該電力變壓器的該2*M個熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別對應的L*2*M個該溫度統計值,及對應該三個電力變壓器91~93的3*M個該電流量測值作為訓練資料,M是複數。對應同一個該電力變壓器91~93的該M個熱影像是該熱影像擷取單元3依照時間順序且同樣的固定時間間隔而拍攝所獲得,且對應同一個該電力變壓器91~93的該M個電流量測值之其中部分者必須對應該電力變壓器91~93的輸出電流在不同負載大小的變化。
此外,在其他的實施例中,該處理單元1也可以是計算每一該熱影像的該本體區域、該出風口區域、及該外露鐵心區域的每一畫素所代表的一溫度,而作為該等溫度輸入值。則該等正常溫度預估值的數量是每一該熱影像的畫素總數量。而與該第二實施例不同的是:該處理單元1是將對應該三個電力變壓器91~93的3*M個該熱影像之其中任兩個該電力變壓器的該2*M個該熱影像的該本體區域、該出風口區域、及該外露鐵心區域的每一畫素所代表的2*M*P個該溫度輸入值,及對應的3*M個該電流量測值作為訓練資料,P是複數。
綜上所述,藉由該熱影像擷取單元對一個電力變壓器或三相的三個電力變壓器擷取而獲得對應的該等熱影像,使得該處理單元藉由事先訓練過的該機器學習模型以該等熱影像所分別代表的該等溫度輸入值及該等電流量測值依照時間順序或直接作為輸入資料,而獲得對應的該等正常溫度預估值,進而能夠據以在該電力變壓器尚未失效或導致損失發生之前,判斷該電力變壓器是否即將發生異常,故確實能達成本發明的目的。
惟以上所述者,僅為本發明的實施例而已,當不能以此限定本發明實施的範圍,凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾,皆仍屬本發明專利涵蓋的範圍內。
1:處理單元
2:儲存單元
3:熱影像擷取單元
40~43:電流感測器
90~93:電力變壓器
A1:本體區域
A2:外露鐵心區域
A3:出風口區域
本發明的其他的特徵及功效,將於參照圖式的實施方式中清楚地呈現,其中:
圖1是一方塊圖,說明本發明變壓器預警系統的一第一實施例;
圖2是一示意圖,說明該第一實施例的一熱影像的三個區域的位置;及
圖3是一方塊圖,說明本發明變壓器預警系統的一第二實施例。
1:處理單元
2:儲存單元
3:熱影像擷取單元
40:電流感測器
90:電力變壓器
Claims (4)
- 一種變壓器預警系統,適用於一電力變壓器,並包含:一熱影像擷取單元,用於對該電力變壓器拍攝,以獲得依照時間順序且固定時間間隔的多個熱影像,每一該熱影像包含彼此不重疊且位置不變的一本體區域、一出風口區域、及一外露鐵心區域;一電流感測器,偵測該電力變壓器的輸出電流的大小而輸出一感測信號;一儲存單元,儲存一機器學習模型;及一處理單元,電連接該儲存單元、該熱影像擷取單元、及該電流感測器,並接收該等熱影像及該感測信號,且根據該感測信號獲得該等熱影像所在時間的多個電流量測值,進而將該等熱影像及該等電流量測值儲存於該儲存單元;其中,該處理單元將該等熱影像所分別代表的多個溫度輸入值,及該等電流量測值依照時間順序輸入該機器學習模型,以獲得分別對應該本體區域、該出風口區域、及該外露鐵心區域的多個正常溫度預估值,當該處理單元判斷目前時間點的該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別代表的該等溫度輸入值之其中一者大於該等正常溫度預估值之其中對應者,且超過一臨界閥值時,輸出一告警信號,該處理單元計算每一該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別對應的L個溫度統計 值,而作為該等溫度輸入值,每一該溫度統計值是對應的該熱影像的所在區域的多個畫素所代表的L個溫度的一溫度最大值,或一溫度平均值,該等正常溫度預估值的數量也是L個,且分別對應該本體區域、該出風口區域、及該外露鐵心區域的該L個溫度統計值,L是複數,該機器學習模型是已先經過訓練,當該機器學習模型所接收的該等熱影像的數量及該等電流量測值的數量都是N個,以產生該L個正常溫度預估值時,該處理單元是將M個該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別對應的L *M個該溫度統計值,及對應的M個該電流量測值作為訓練資料,N及M都是複數,且M大於N,該M個熱影像是該熱影像擷取單元依照時間順序且同樣的固定時間間隔而拍攝所獲得,該M個電流量測值之其中部分者必須對應該電力變壓器的輸出電流在不同負載大小的變化。
- 一種變壓器預警系統,適用於一電力變壓器,並包含:一熱影像擷取單元,用於對該電力變壓器拍攝,以獲得依照時間順序且固定時間間隔的多個熱影像,每一該熱影像包含彼此不重疊且位置不變的一本體區域、一出風口區域、及一外露鐵心區域;一電流感測器,偵測該電力變壓器的輸出電流的大小而輸出一感測信號;一儲存單元,儲存一機器學習模型;及一處理單元,電連接該儲存單元、該熱影像擷取單 元、及該電流感測器,並接收該等熱影像及該感測信號,且根據該感測信號獲得該等熱影像所在時間的多個電流量測值,進而將該等熱影像及該等電流量測值儲存於該儲存單元;其中,該處理單元將該等熱影像所分別代表的多個溫度輸入值,及該等電流量測值依照時間順序輸入該機器學習模型,以獲得分別對應該本體區域、該出風口區域、及該外露鐵心區域的多個正常溫度預估值,當該處理單元判斷目前時間點的該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別代表的該等溫度輸入值之其中一者大於該等正常溫度預估值之其中對應者,且超過一臨界閥值時,輸出一告警信號,該處理單元計算每一該熱影像的該本體區域、該出風口區域、及該外露鐵心區域的每一畫素所代表的一溫度,而作為該等溫度輸入值,該等正常溫度預估值的數量是每一該熱影像的畫素總數量,且分別對應該本體區域、該出風口區域、及該外露鐵心區域,該機器學習模型是已先經過訓練,當該機器學習模型所接收的該等熱影像的數量及該等電流量測值的數量都是N個,且每一該熱影像所對應的該等溫度輸入值的數量是P個,以產生該P個正常溫度預估值時,該處理單元是將M個該熱影像的該本體區域、該出風口區域、及該外露鐵心區域的每一畫素所代表的M*P個該溫度輸入值,及對應的M個該電流量測值作為訓練資料,N、M、及P都是複數, 且M大於N,該M個熱影像是該熱影像擷取單元依照時間順序且同樣的固定時間間隔而拍攝所獲得,該M個電流量測值之其中部分者必須對應該電力變壓器的輸出電流在不同負載大小的變化。
- 一種變壓器預警系統,適用於三相的三個電力變壓器,並包含:一熱影像擷取單元,用於對該三個電力變壓器拍攝,以獲得分別對樣該三個該電力變壓器的三個熱影像,且對應同一個該電力變壓器的每一該熱影像包含彼此不重疊且位置不變的一本體區域、一出風口區域、及一外露鐵心區域;三個電流感測器,分別偵測該三個電力變壓器的輸出電流的大小而輸出分別對應的三個感測信號;一儲存單元,儲存一機器學習模型;及一處理單元,電連接該儲存單元、該熱影像擷取單元、及該三個電流感測器,並接收該三個熱影像及該三個感測信號,且根據該三個感測信號獲得該三個熱影像所在時間的三個電流量測值,進而將該等熱影像及該等電流量測值儲存於該儲存單元;其中,該處理單元將對應其中兩者的該兩個電力變壓器的該兩個熱影像所分別代表的多個溫度輸入值,及對應該三個電力變壓器的該等電流量測值輸入該機器學習模型,以獲得對應其中第三者的該電力變壓器所分別對應該本體區域、該出風口區域、及該外露鐵心區域的多個正常 溫度預估值,當該處理單元判斷目前時間點且對應其中第三者的該電力變壓器的該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別代表的該等溫度輸入值之其中一者大於該等正常溫度預估值之其中對應者,且超過一臨界閥值時,輸出一告警信號,該處理單元計算每一該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別對應的L個溫度統計值,而作為該等溫度輸入值,每一該溫度統計值是對應的該熱影像的所在區域的多個畫素所代表的L個溫度的一溫度最大值,或一溫度平均值,該等正常溫度預估值的數量也是L個,且分別對應該本體區域、該出風口區域、及該外露鐵心區域的該L個溫度統計值,L是複數,該機器學習模型是已先經過訓練,當該機器學習模型所接收的該等熱影像的數量及該等電流量測值的數量分別是2個及3個,以產生該L個正常溫度預估值時,該處理單元是將對應該三個電力變壓器的3*M個該熱影像之其中任兩個該電力變壓器的該2*M個熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別對應的L*2*M個該溫度統計值,及對應該三個電力變壓器的3*M個該電流量測值作為訓練資料,M都複數,對應同一個該電力變壓器的該M個熱影像是該熱影像擷取單元依照時間順序且同樣的固定時間間隔而拍攝所獲得,對應同一個該電力變壓器的該M個電流量測值之其中部分者必須對應該電力變壓器的輸出電流在不同負載大小的變化。
- 一種變壓器預警系統,適用於三相的三個電力變壓器,並包含:一熱影像擷取單元,用於對該三個電力變壓器拍攝,以獲得分別對樣該三個該電力變壓器的三個熱影像,且對應同一個該電力變壓器的每一該熱影像包含彼此不重疊且位置不變的一本體區域、一出風口區域、及一外露鐵心區域;三個電流感測器,分別偵測該三個電力變壓器的輸出電流的大小而輸出分別對應的三個感測信號;一儲存單元,儲存一機器學習模型;及一處理單元,電連接該儲存單元、該熱影像擷取單元、及該三個電流感測器,並接收該三個熱影像及該三個感測信號,且根據該三個感測信號獲得該三個熱影像所在時間的三個電流量測值,進而將該等熱影像及該等電流量測值儲存於該儲存單元;其中,該處理單元將對應其中兩者的該兩個電力變壓器的該兩個熱影像所分別代表的多個溫度輸入值,及對應該三個電力變壓器的該等電流量測值輸入該機器學習模型,以獲得對應其中第三者的該電力變壓器所分別對應該本體區域、該出風口區域、及該外露鐵心區域的多個正常溫度預估值,當該處理單元判斷目前時間點且對應其中第三者的該電力變壓器的該熱影像的該本體區域、該出風口區域、及該外露鐵心區域所分別代表的該等溫度輸入值之其中一者大於該等正常溫度預估值之其中對應者,且超過 一臨界閥值時,輸出一告警信號,該處理單元計算每一該熱影像的該本體區域、該出風口區域、及該外露鐵心區域的每一畫素所代表的一溫度,而作為該等溫度輸入值,該等正常溫度預估值的數量是每一該熱影像的畫素總數量,且分別對應該本體區域、該出風口區域、及該外露鐵心區域,該機器學習模型是已先經過訓練,當該機器學習模型所接收的該等熱影像的數量及該等電流量測值的數量分別都是2個及3個,且每一該熱影像所對應的該等溫度輸入值的數量是P個,以產生該P個正常溫度預估值時,該處理單元是將對應該三個電力變壓器的3*M個該熱影像之其中任兩個該電力變壓器的該2*M個該熱影像的該本體區域、該出風口區域、及該外露鐵心區域的每一畫素所代表的2*M*P個該溫度輸入值,及對應的3*M個該電流量測值作為訓練資料,M及P都是複數,對應同一個該電力變壓器的該M個熱影像是該熱影像擷取單元依照時間順序且同樣的固定時間間隔而拍攝所獲得,對應同一個該電力變壓器的該M個電流量測值之其中部分者必須對應該電力變壓器的輸出電流在不同負載大小的變化。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109139288A TWI749862B (zh) | 2020-11-11 | 2020-11-11 | 變壓器預警系統 |
US17/109,699 US11823832B2 (en) | 2020-11-11 | 2020-12-02 | Alert system for transformer |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109139288A TWI749862B (zh) | 2020-11-11 | 2020-11-11 | 變壓器預警系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI749862B true TWI749862B (zh) | 2021-12-11 |
TW202220324A TW202220324A (zh) | 2022-05-16 |
Family
ID=80681251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109139288A TWI749862B (zh) | 2020-11-11 | 2020-11-11 | 變壓器預警系統 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11823832B2 (zh) |
TW (1) | TWI749862B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3114401B1 (fr) * | 2020-09-23 | 2022-12-02 | Cartesiam | Procédé de surveillance du fonctionnement d’une machine à partir de signaux de courant électrique et dispositif pour la mise en œuvre d’un tel procédé |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017040886A1 (en) * | 2015-09-02 | 2017-03-09 | Cooper Technologies Company | Infrared sensor array circuit breaker and hotspot monitoring |
WO2018136414A1 (en) * | 2017-01-18 | 2018-07-26 | Universal Electric Corporation | Systems and methods for continuously monitoring a temperature of an electrical supply system |
TWM595226U (zh) * | 2019-12-09 | 2020-05-11 | 國立臺灣科技大學 | 電力設備故障之智慧檢測設備 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8405711B2 (en) * | 2007-01-09 | 2013-03-26 | Capso Vision, Inc. | Methods to compensate manufacturing variations and design imperfections in a capsule camera |
US9007478B2 (en) * | 2007-01-09 | 2015-04-14 | Capso Vision, Inc. | Methods to compensate manufacturing variations and design imperfections in a capsule camera |
US9948872B2 (en) * | 2009-03-02 | 2018-04-17 | Flir Systems, Inc. | Monitor and control systems and methods for occupant safety and energy efficiency of structures |
WO2015054681A1 (en) * | 2013-10-11 | 2015-04-16 | Marcio Marc Abreu | Method and apparatus for biological evaluation |
JP2021515237A (ja) * | 2018-03-06 | 2021-06-17 | アプライド パーティクル テクノロジー、インコーポレイテッド | 無線曝露モニタ |
TWI676009B (zh) | 2018-10-22 | 2019-11-01 | 郭政謙 | 溫度異常檢測方法及熱影像監控系統 |
-
2020
- 2020-11-11 TW TW109139288A patent/TWI749862B/zh active
- 2020-12-02 US US17/109,699 patent/US11823832B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017040886A1 (en) * | 2015-09-02 | 2017-03-09 | Cooper Technologies Company | Infrared sensor array circuit breaker and hotspot monitoring |
WO2018136414A1 (en) * | 2017-01-18 | 2018-07-26 | Universal Electric Corporation | Systems and methods for continuously monitoring a temperature of an electrical supply system |
TWM595226U (zh) * | 2019-12-09 | 2020-05-11 | 國立臺灣科技大學 | 電力設備故障之智慧檢測設備 |
Also Published As
Publication number | Publication date |
---|---|
US20220148799A1 (en) | 2022-05-12 |
TW202220324A (zh) | 2022-05-16 |
US11823832B2 (en) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2023076913A (ja) | 異常判定装置 | |
WO2011070899A1 (ja) | 太陽光発電システム | |
CN111047732B (zh) | 一种基于能耗模型和数据交互的设备异常诊断方法及装置 | |
KR101968918B1 (ko) | 스마트 배전반 시스템 | |
KR101683195B1 (ko) | 다중 카메라를 이용한 영상 진단 장치 | |
JP2011146472A (ja) | 太陽光発電システム | |
JP5764592B2 (ja) | 基板処理装置、基板処理装置の監視装置及び基板処理装置の監視方法 | |
US20230289951A1 (en) | System for Monitoring a Switchgear | |
TWI749862B (zh) | 變壓器預警系統 | |
CN112001327A (zh) | 一种阀厅设备故障识别方法及系统 | |
JP7551783B2 (ja) | 電池熱暴走の早期警報方法、装置、媒体及び機器 | |
US20210397837A1 (en) | Apparatus for monitoring a switchgear | |
Jadin et al. | Thermal condition monitoring of electrical installations based on infrared image analysis | |
WO2020195626A1 (ja) | 異常検知方法、異常検知装置、プログラム | |
JP2008196891A (ja) | 多眼カメラ | |
KR102191094B1 (ko) | 시설물 예방정비 및 이상상황 탐지를 위한 열화상 장치 기반 시설물 모니터링 방법 및 시스템 | |
CN113269941A (zh) | 一种基于多信息融合判断的电气火灾报警装置及控制方法 | |
US20220057271A1 (en) | Apparatus for monitoring a switchgear | |
TWI731502B (zh) | 電力設備故障之智慧檢測方法及系統 | |
KR101569145B1 (ko) | 전력설비 감시 장치 | |
JP2023527367A (ja) | ハードウェアベースのセンサ分析 | |
Huda et al. | A comparative study of MLP networks using backpropagation algorithms in electrical equipment thermography | |
KR101598535B1 (ko) | 전력설비 분석 장치 및 방법 | |
WO2022190584A1 (ja) | 情報処理装置、方法およびプログラム | |
CN104284185A (zh) | 视频图像质量巡检方法及系统 |