WO2020232716A1 - 变压器的健康状态评估方法、装置及存储介质 - Google Patents

变压器的健康状态评估方法、装置及存储介质 Download PDF

Info

Publication number
WO2020232716A1
WO2020232716A1 PCT/CN2019/088191 CN2019088191W WO2020232716A1 WO 2020232716 A1 WO2020232716 A1 WO 2020232716A1 CN 2019088191 W CN2019088191 W CN 2019088191W WO 2020232716 A1 WO2020232716 A1 WO 2020232716A1
Authority
WO
WIPO (PCT)
Prior art keywords
transformers
group
measurement data
transformer
data set
Prior art date
Application number
PCT/CN2019/088191
Other languages
English (en)
French (fr)
Inventor
王丹
李晶
刘浩
华文韬
李昂
梁月林
于勇
Original Assignee
西门子股份公司
西门子（中国）有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 西门子股份公司, 西门子（中国）有限公司 filed Critical 西门子股份公司
Priority to US17/613,279 priority Critical patent/US20220221528A1/en
Priority to CN201980096355.6A priority patent/CN113826127A/zh
Priority to EP19929432.3A priority patent/EP3958194B1/en
Priority to PCT/CN2019/088191 priority patent/WO2020232716A1/zh
Publication of WO2020232716A1 publication Critical patent/WO2020232716A1/zh

Links

Images

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
    • G01R31/50—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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Definitions

  • the invention relates to the field of electric power systems, in particular to a method, a device, a cloud platform, a server and a storage medium for evaluating the health status of a transformer.
  • Power Quality refers to the quality of power in the power system. Strictly speaking, the main indicators for measuring power quality are voltage, frequency and waveform. In a general sense, it refers to high-quality power supply, including voltage quality, current quality, power supply quality, and power quality. Power quality problems can be defined as: voltage, current, or frequency deviations that cause electrical equipment to malfunction or fail to work properly, including frequency deviations, voltage deviations, voltage fluctuations and flicker, three-phase imbalance, instantaneous or transient transients Voltage, waveform distortion (harmonics), voltage sags, interruptions, swells, and power supply continuity, etc.
  • the power quality monitoring system uses the power quality monitoring terminal installed on the power grid side or the user side to transmit the monitoring data, namely PQ data, back to the monitoring center (monitoring master station or sub-station) through the network to realize simultaneous monitoring of multiple locations and release Information related to power quality is an effective means of power quality monitoring and evaluation.
  • the transformer is an important part of the power system. Take the distribution transformer as an example.
  • the distribution transformer refers to a static electrical appliance used in the distribution system to transform AC voltage and current according to the law of electromagnetic induction to transmit AC power. It is a device used to change a certain value of AC voltage (current) into another or several voltages (current) of the same frequency with different values.
  • the primary winding is energized with alternating current, alternating magnetic flux is generated, and the alternating magnetic flux passes through the iron core to induce an alternating electromotive force in the secondary winding.
  • the main function of the distribution transformer is to transmit electrical energy.
  • PQ data can be used to analyze power quality on the one hand, and on the other hand to analyze the health status of key electrical equipment such as transformers.
  • the state of health of a transformer can be evaluated by integrating parameters such as power, voltage, current and its harmonic components measured by the power quality monitoring system.
  • one aspect of the embodiments of the present invention proposes a method for evaluating the state of health of a transformer, and on the other hand, a device for evaluating the state of health of a transformer, a cloud platform, a server, and a storage medium are proposed to perform the The health status of the transformer in the quality monitoring system is evaluated.
  • the method for evaluating the state of health of a transformer proposed in an embodiment of the present invention includes: taking N transformers equipped with a power quality monitoring system as a first group of transformers, and obtaining first measurement data of each transformer in the first group of transformers Set, obtain N first measurement data sets; where N is a positive integer greater than or equal to the first set value; use M transformers not equipped with a power quality monitoring system as the second set of transformers, and obtain the first The second measurement data set of each transformer in the two sets of transformers, to obtain M second measurement data sets; where M is a positive integer greater than or equal to the second set value; where, the first measurement data set and the second measurement The data set includes a common data type; based on the value of the common data type in the N first measurement data sets, cluster the N transformers in the first group of transformers to obtain r first Grouping; where r is a positive integer; based on the value of the common data type in the M second measurement data set, clustering the M transformers in the second group of transformers to obtain the
  • the first measurement data set includes voltage and/or current, harmonic components, and power of the transformer; the second measurement data set includes at least one of the power, voltage, and current of the transformer.
  • the collection interval of the common data type in the first measurement data set is smaller than the collection interval in the second measurement data set.
  • the first measurement data set further includes: at least one of grid frequency, voltage deviation, and voltage interruption.
  • the M is greater than N.
  • a device for assessing the state of health of a transformer proposed in an embodiment of the present invention includes: a first acquisition module for taking N transformers equipped with a power quality monitoring system as a first group of transformers, and acquiring the first group of transformers The first measurement data set of each transformer in the, N first measurement data sets are obtained; where N is a positive integer greater than or equal to the first set value; the second acquisition module is used to collect M unconfigured electric energy The transformer of the quality monitoring system is used as the second group of transformers, and the second measurement data set of each transformer in the second group of transformers is obtained to obtain M second measurement data sets; where M is greater than or equal to the second setting A positive integer value; where the first measurement data set and the second measurement data set include a common data type; the first grouping module is used to select the N first measurement data sets based on the common data type Value, clustering the N transformers in the first group of transformers to obtain r first groupings; where r is a positive integer; and the second grouping module is used to group the N
  • the values in the second measurement data set are clustered for the M transformers in the second group of transformers to obtain r second groups; the mapping relationship establishment module is used to calculate each first group and each The similarity between the second groupings, according to the maximum similarity between each other, determine the r similar mapping relationships between the first grouping and the second grouping; the evaluation module is used to determine the transformers in each second grouping The health status is evaluated using the first measurement data set of the transformer in the first group having a similar mapping relationship with the second group.
  • the first measurement data set includes voltage and/or current, harmonic components, and power of the transformer; the second measurement data set includes at least one of the power, voltage, and current of the transformer.
  • the first measurement data set further includes: at least one of grid frequency, voltage deviation, and voltage interruption.
  • Another device for evaluating the state of health of a transformer proposed in an embodiment of the present invention includes: at least one memory and at least one processor, wherein: the at least one memory is used to store a computer program; the at least one processor is used to call the The computer program stored in the at least one memory executes the method for evaluating the state of health of the transformer in any of the above embodiments.
  • a cloud platform or server proposed in an embodiment of the present invention includes the transformer health evaluation device described in any one of the above embodiments.
  • a computer-readable storage medium provided in an embodiment of the present invention has a computer program stored thereon; the computer program can be executed by a processor and implement the method for evaluating the state of health of a transformer in any of the foregoing embodiments.
  • transformers equipped with a power quality monitoring system and transformers not equipped with a power quality monitoring system are regarded as two types of transformers, and their respective measurement data sets are obtained, based on their respective measurement The common data types included in the data set cluster and group the two types of transformers, and then establish a similar mapping relationship between the two types of transformer groups, and then use the power quality data of the transformer equipped with the power quality monitoring system to The health status of the transformer without the power quality monitoring system is estimated, thereby realizing the evaluation of the health status of the transformer without the power quality monitoring system.
  • the grouping of the two types of transformers during clustering can be more accurate, and the health status assessment will be more accurate.
  • Fig. 1 is an exemplary flowchart of a method for evaluating a state of health of a transformer in an embodiment of the present invention.
  • Fig. 2 is an exemplary structure diagram of a device for evaluating the state of health of a transformer in an embodiment of the present invention.
  • Fig. 3 is an exemplary structure diagram of yet another device for evaluating the state of health of a transformer in an embodiment of the present invention.
  • the transformers equipped with the power quality monitoring system and the transformers without the power quality monitoring system can be regarded as Two types of transformers; in addition, considering that the health status of transformers with similar characteristics should be similar, the two types of transformers can be clustered and grouped according to certain characteristics, and then a similar mapping relationship between the two types of transformer groups and groups can be established After that, the power quality data of the transformer equipped with the power quality monitoring system can be used to estimate the health status of the transformer without the power quality monitoring system.
  • Fig. 1 is an exemplary flowchart of a method for evaluating a state of health of a transformer in an embodiment of the present invention. As shown in Figure 1, the method may include the following steps:
  • Step S101 Use N transformers equipped with a power quality monitoring system as a first group of transformers, and obtain a first measurement data set of each transformer in the first group of transformers to obtain N first measurement data sets; where, N is a positive integer greater than or equal to the first set value.
  • the first measurement data set is power quality monitoring data, also called PQ data.
  • the value of the first set value may be an experimental value or an empirical value.
  • the first measurement data set may include the voltage and/or current of the transformer, harmonic components, and power.
  • the first measurement data set may further include at least one of grid frequency, voltage deviation, and voltage interruption.
  • Step S102 Use M transformers not equipped with a power quality monitoring system as a second group of transformers, and obtain a second measurement data set of each transformer in the second group of transformers to obtain M second measurement data sets; where , M is a positive integer greater than or equal to the second set value.
  • the first measurement data set and the second measurement data set include a common data type.
  • the value of the second set value can be an experimental value or an empirical value.
  • the second measurement data set may include at least one of voltage, current, and power of the transformer. For example, if the second measurement data set only includes power, the common data type included in the first measurement data set and the second measurement data set is power; for another example, if the second measurement data set includes power and voltage, and the first The measurement data set also includes power and voltage, and the common data types included in the first measurement data set and the second measurement data set are power and voltage. Generally, because the data collection frequency of the transformer equipped with the power quality monitoring system is faster, the collection interval of the common data type in the first measurement data set is smaller than the collection interval in the second measurement data set.
  • Step S103 clustering the N transformers in the first group of transformers based on the value of the common data type in the N first measurement data sets to obtain r first groups; where r Is a positive integer.
  • the first group of transformers Clustering of N transformers to obtain r first groupings.
  • they can be denoted as A1, A2,..., Ar respectively.
  • Step S104 clustering the M transformers in the second group of transformers based on the value of the common data type in the M second measurement data sets to obtain r second groups.
  • step S104 for example, if the common data type included in the first measurement data set and the second measurement data set is power, then in step S104, according to the value of the power in the M second measurement data sets, the Clustering of M transformers to obtain r second groupings. For example, they can be denoted as B1, B2,..., Br.
  • Step S105 Calculate the similarity between each first group and each second group respectively, and determine r similar mapping relations between the first group and the second group according to the maximum similarity between each other.
  • mappings between A1, A2,..., Ar and B1, B2,..., Br can be sought, for example, f j : B i ⁇ A j .
  • the similarity between any two groups can be calculated.
  • the similarity value can be represented by a number between 0 and 1, 1 means the most similar, 0 means the least similar, and then the similarity value is the highest Correlate the pairwise groups of, and get r similar mapping relationships.
  • Step S106 For the health status of the transformers in each second group, the first measurement data set of the transformers in the first group that has a similar mapping relationship with the second group is used for evaluation.
  • the health status of the transformers in the group B i can be evaluated by the state of the transformers in the group A j , that is, the first measurement data of the transformers in the group A j can be used Set for evaluation.
  • other data such as location environment and other factors can also be used for evaluation.
  • the method for evaluating the state of health of the transformer in the embodiment of the present invention has been described in detail above, and the device for evaluating the state of health of the transformer in the embodiment of the present invention will be described below.
  • the device in the embodiment of the present invention can be used to implement the method in the embodiment of the present invention.
  • Fig. 2 is an exemplary structure diagram of a device for evaluating the state of health of a transformer in an embodiment of the present invention.
  • the device may include: a first acquisition module 201, a second acquisition module 202, a first grouping module 203, a second grouping module 204, a mapping relationship establishment module 205, and an evaluation module 206.
  • the first obtaining module 201 is configured to use N transformers equipped with a power quality monitoring system as a first group of transformers, and obtain a first measurement data set of each transformer in the first group of transformers, to obtain N first Measurement data set; where N is a positive integer greater than or equal to the first set value.
  • the first measurement data set may include voltage and/or current, harmonic components, and power of the transformer; in another embodiment, the first measurement data set may further include: At least one of grid frequency, voltage deviation, and voltage interruption.
  • the second acquisition module 202 is configured to use M transformers that are not equipped with a power quality monitoring system as a second group of transformers, and acquire a second measurement data set of each transformer in the second group of transformers, to obtain M second measurements Data set; where M is a positive integer greater than or equal to the second set value; wherein, the first measurement data set and the second measurement data set include a common data type.
  • the second measurement data set includes at least one of power, voltage, and current of the transformer.
  • the collection interval of the common data type in the first measurement data set is smaller than the collection interval in the second measurement data set.
  • the M is greater than N.
  • the first grouping module 203 is configured to cluster the N transformers in the first group of transformers based on the value of the common data type in the N first measurement data sets to obtain r first groupings ; Among them, r is a positive integer.
  • the second grouping module 204 is configured to cluster the M transformers in the second group of transformers based on the value of the common data type in the M second measurement data sets to obtain r second groups .
  • the mapping relationship establishment module 205 is configured to calculate the similarity between each first group and each second group, and determine r similar mappings between the first group and the second group according to the maximum similarity between each other. relationship.
  • the evaluation module 206 is configured to evaluate the health status of the transformers in each second group using the first measurement data set of the transformers in the first group that has a similar mapping relationship with the second group.
  • Fig. 3 is an exemplary structure diagram of yet another device for evaluating the state of health of a transformer in an embodiment of the present invention.
  • the device may include: at least one memory 31 and at least one processor 32.
  • some other components may also be included, such as communication ports. These components communicate via the bus.
  • At least one memory 31 is used to store computer programs.
  • the computer program can be understood as including various modules of the transformer health assessment device shown in FIG. 2.
  • at least one memory 31 may also store an operating system and the like.
  • Operating systems include but are not limited to: Android operating system, Symbian operating system, Windows operating system, Linux operating system, etc.
  • At least one processor 32 is configured to call a computer program stored in at least one memory 31 to execute the method for evaluating the state of health of the transformer described in the embodiment of the present invention.
  • the processor 32 may be a CPU, a processing unit/module, an ASIC, a logic module or a programmable gate array, etc. It can receive and send data through the communication port.
  • the embodiment of the present invention also provides a server, or a server cluster, or a cloud platform that includes the above-mentioned transformer health evaluation device shown in FIG. 2 or FIG. 3.
  • a hardware module may include specially designed permanent circuits or logic devices (such as dedicated processors, such as FPGAs or ASICs) to complete specific operations.
  • the hardware module may also include a programmable logic device or circuit (for example, including a general-purpose processor or other programmable processors) temporarily configured by software to perform specific operations.
  • a programmable logic device or circuit for example, including a general-purpose processor or other programmable processors
  • it can be determined according to cost and time considerations.
  • the embodiment of the present invention also provides a computer software that can be executed on a server or a server cluster or a cloud platform.
  • the computer software can be executed by a processor and realize the health status of the transformer described in the embodiment of the present invention. evaluation method.
  • an embodiment of the present invention also provides a computer-readable storage medium on which a computer program is stored, and the computer program can be executed by a processor and implement the method for evaluating the state of health of the transformer described in the embodiment of the present invention.
  • a system or device equipped with a storage medium may be provided, and the software program code for realizing the function of any one of the above embodiments is stored on the storage medium, and the computer (or CPU or MPU of the system or device) ) Read and execute the program code stored in the storage medium.
  • an operating system operating on the computer can also be used to complete part or all of the actual operations through instructions based on the program code.
  • Implementations of storage media used to provide program codes include floppy disks, hard disks, magneto-optical disks, optical disks (such as CD-ROM, CD-R, CD-RW, DVD-ROM, DVD-RAM, DVD-RW, DVD+RW), Magnetic tape, non-volatile memory card and ROM.
  • the program code can be downloaded from the server computer via a communication network.
  • transformers equipped with a power quality monitoring system and transformers not equipped with a power quality monitoring system are regarded as two types of transformers, and their respective measurement data sets are obtained, based on their respective measurement The common data types included in the data set cluster and group the two types of transformers, and then establish a similar mapping relationship between the two types of transformer groups, and then use the power quality data of the transformer equipped with the power quality monitoring system to The health status of the transformer without the power quality monitoring system is estimated, thereby realizing the evaluation of the health status of the transformer without the power quality monitoring system.
  • the grouping of the two types of transformers during clustering can be more accurate, and the health status assessment will be more accurate.

Abstract

一种变压器的健康状态评估方法、装置及存储介质。其中，方法包括：获取复数个配置有电能质量监测系统的变压器的第一测量数据集（S101）；获取复数个未配置有电能质量监测系统的变压器的第二测量数据集（S102）；基于第一测量数据集和第二测量数据集中包括的共同数据类型在二者中的取值，分别对复数个配置有电能质量监测系统的变压器和复数个未配置有电能质量监测系统的变压器进行聚类，分别得到r个分组（S103-S104）；建立二者之间的分组的相似映射关系（S105）；针对每个未配置有电能质量监测系统的分组中的变压器的健康状态，利用与分组具有相似映射关系的分组中的变压器的第一测量数据集进行评估（S106），实现了对不带电能质量监测系统的变压器的健康状况的评估。

Description

变压器的健康状态评估方法、装置及存储介质 技术领域
本发明涉及电力系统领域，特别是一种变压器的健康状态评估方法、装置、云平台、服务器及存储介质。
背景技术
电能质量(PQ，Power Quality)是指电力系统中电能的质量。从严格意思上讲，衡量电能质量的主要指标有电压、频率和波形。从普遍意义上讲是指优质供电，包括电压质量、电流质量、供电质量和用电质量。电能质量问题可以定义为：导致用电设备故障或不能正常工作的电压、电流或频率的偏差，其内容包括频率偏差、电压偏差、电压波动与闪变、三相不平衡、瞬时或暂态过电压、波形畸变(谐波)、电压暂降、中断、暂升以及供电连续性等。
电能质量信息的连续监测和分析评估是发现电能质量问题和提高电能质量水平的前提条件。电能质量监测系统利用安装在电网侧或用户侧的电能质量监测终端，通过网络将监测数据即PQ数据传回监测中心(监测主站或子站)，实现对多个位置的同时监测，并发布电能质量相关信息，是电能质量监测和评估的有效手段。
变压器是电力系统中的重要组成部分，以配电变压器为例，配电变压器指用于配电系统中根据电磁感应定律变换交流电压和电流而传输交流电能的一种静止电器。是用来将某一数值的交流电压(流)变成频率相同的另一种或几种数值不同的电压(电流)的设备。当一次绕组通以交流电时，就产生交变的磁通，交变的磁通通过铁芯导磁作用，就在二次绕组中感应出交流电动势。配电变压器的主要作用是传输电能。
PQ数据一方面可用于分析电能质量，另一方面可用于分析变压器等关键电气设备的健康状态。例如，变压器的健康状态可以通过对电能质量监测系统测得的功率、电压、电流及其谐波分量等参数的综合来评价。
然而，并不是所有的变压器的数据都能被获取并用于分析，因为缺乏足够的电能质量监测系统来记录数据，由于安装电能质量监控系统成本高，而且在一个小城市通常有大量的变压器，用电能质量监测系统监测每台变压器既不可能也不实际。为此，如何了 解未配备电能质量监测系统的变压器的健康状态成了目前急需解决的问题。
发明内容
有鉴于此，本发明实施例中一方面提出了一种变压器的健康状态评估方法，另一方面提出了一种变压器的健康状态评估装置、云平台、服务器和存储介质，用以对不带电能质量监测系统的变压器的健康状况进行评估。
本发明实施例中提出的变压器的健康状态评估方法，包括：将N个配置有电能质量监测系统的变压器作为第一组变压器，并获取所述第一组变压器中每个变压器的第一测量数据集，得到N个第一测量数据集；其中，N为大于或等于第一设定值的正整数；将M个未配置有电能质量监测系统的变压器作为第二组变压器，并获取所述第二组变压器中每个变压器的第二测量数据集，得到M个第二测量数据集；其中，M为大于或等于第二设定值的正整数；其中，第一测量数据集和第二测量数据集中包括共同的数据类型；基于所述共同的数据类型在所述N个第一测量数据集中的取值，对所述第一组变压器中的N个变压器进行聚类，得到r个第一分组；其中，r为正整数；基于所述共同的数据类型在所述M个第二测量数据集中的取值，对所述第二组变压器中的M个变压器进行聚类，得到r个第二分组；分别计算每个第一分组和每个第二分组之间的相似度，根据相互之间的最大相似度，确定第一分组和第二分组之间的r个相似映射关系；针对每个第二分组中的变压器的健康状态，利用与所述第二分组具有相似映射关系的第一分组中的变压器的第一测量数据集进行评估。
在一个实施方式中，所述第一测量数据集包括变压器的电压和/或电流，谐波分量，以及功率；所述第二测量数据集包括变压器的功率、电压、电流中的至少一种。
在一个实施方式中，所述共同的数据类型在所述第一测量数据集中的采集间隔小于在所述第二测量数据集中的采集间隔。
在一个实施方式中，所述第一测量数据集进一步包括：电网频率、电压偏差、电压中断中的至少一种。
在一个实施方式中，所述M大于N。
本发明实施例中提出的一种变压器的健康状态评估装置，包括：第一获取模块，用于将N个配置有电能质量监测系统的变压器作为第一组变压器，并获取所述第一组变压器中每个变压器的第一测量数据集，得到N个第一测量数据集；其中，N为大于或等于第一设定值的正整数；第二获取模块，用于将M个未配置有电能质量监测系统的变压器作为第二组变压器，并获取所述第二组变压器中每个变压器的第二测量数据集，得到M 个第二测量数据集；其中，M为大于或等于第二设定值的正整数；其中，第一测量数据集和第二测量数据集中包括共同的数据类型；第一分组模块，用于基于所述共同的数据类型在所述N个第一测量数据集中的取值，对所述第一组变压器中的N个变压器进行聚类，得到r个第一分组；其中，r为正整数；第二分组模块，用于基于所述共同的数据类型在所述M个第二测量数据集中的取值，对所述第二组变压器中的M个变压器进行聚类，得到r个第二分组；映射关系建立模块，用于分别计算每个第一分组和每个第二分组之间的相似度，根据相互之间的最大相似度，确定第一分组和第二分组之间的r个相似映射关系；评估模块，用于针对每个第二分组中的变压器的健康状态，利用与所述第二分组具有相似映射关系的第一分组中的变压器的第一测量数据集进行评估。
在一个实施方式中，所述第一测量数据集包括变压器的电压和/或电流，谐波分量，以及功率；所述第二测量数据集包括变压器的功率、电压、电流中的至少一种。
在一个实施方式中，所述第一测量数据集进一步包括：电网频率、电压偏差、电压中断中的至少一种。
本发明实施例中提出的另一种变压器的健康状态评估装置，包括：至少一个存储器和至少一个处理器，其中：所述至少一个存储器用于存储计算机程序；所述至少一个处理器用于调用所述至少一个存储器中存储的计算机程序，执行上述任一实施方式中的变压器的健康状态评估方法。
本发明实施例中提出的一种云平台或服务器，包括上述任一实施方式所述的变压器的健康状态评估装置。
本发明实施例中提出的一种计算机可读存储介质，其上存储有计算机程序；所述计算机程序能够被一处理器执行并实现上述任一实施方式中的的变压器的健康状态评估方法。
从上述方案中可以看出，由于本发明实施例中将配置有电能质量监测系统的变压器和没有配置电能质量监测系统的变压器当作两类变压器，并获取各自的测量数据集，根据各自的测量数据集中包括的共同数据类型对两类变压器分别进行聚类分组，然后再建立两类变压器组与组之间的相似映射关系，之后就可以利用配置有电能质量监测系统的变压器的电能质量数据来预估没有配置电能质量监测系统的变压器的健康状态，从而实现了对不带电能质量监测系统的变压器的健康状况的评估。
此外，给出了几个易于实现的测量数据集所包括的数据的几种具体实现。
另外，通过设置较大数值的M值及N值可以使得两类变压器进行聚类时的分组更为准确，进而健康状态评估也会更为准确。
附图说明
下面将通过参照附图详细描述本发明的优选实施例，使本领域的普通技术人员更清楚本发明的上述及其它特征和优点，附图中：
图1为本发明实施例中变压器的健康状态评估方法的示例性流程图。
图2为本发明实施例中变压器的健康状态评估装置的示例性结构图。
图3为本发明实施例中又一种变压器的健康状态评估装置的示例性结构图。
其中，附图标记如下：
标号 含义
S101～S106 步骤
201 第一获取模块
202 第二获取模块
203 第一分组模块
204 第二分组模块
205 映射关系建立模块
206 评估模块
31 存储器
32 处理器
具体实施方式
为了描述上的简洁和直观，下文通过描述若干代表性的实施方式来对本发明的方案进行阐述。实施方式中大量的细节仅用于帮助理解本发明的方案。但是很明显，本发明的技术方案实现时可以不局限于这些细节。为了避免不必要地模糊了本发明的方案，一些实施方式没有进行细致地描述，而是仅给出了框架。下文中，“包括”是指“包括但不限于”，“根据……”是指“至少根据……，但不限于仅根据……”。由于汉语的语言习惯，下文中没有特别指出一个成分的数量时，意味着该成分可以是一个也可以是多个，或可理解为至少一个。
本发明实施例中，考虑到大量变压器没有配置电能质量监测系统，同时也有一些变压器配置有电能质量监测系统，因此可将配置有电能质量监测系统的变压器和没有配置电能质量监测系统的变压器当作两类变压器；此外考虑到具有类似特征的变压器的健康 状态应该也类似，因此可以根据某些特性对两类变压器分别进行聚类分组，然后再建立两类变压器组与组之间的相似映射关系，之后就可以利用配置有电能质量监测系统的变压器的电能质量数据来预估没有配置电能质量监测系统的变压器的健康状态。
为了使本发明的技术方案及优点更加清楚明白，以下结合附图及实施方式，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以阐述性说明本发明，并不用于限定本发明的保护范围。
图1为本发明实施例中变压器的健康状态评估方法的示例性流程图。如图1所示，该方法可包括如下步骤：
步骤S101，将N个配置有电能质量监测系统的变压器作为第一组变压器，并获取所述第一组变压器中每个变压器的第一测量数据集，得到N个第一测量数据集；其中，N为大于或等于第一设定值的正整数。其中，第一测量数据集即为电能质量监测数据，也称PQ数据。
例如，在一个实施方式中，可将N个第一测量数据集记为S1＝{T 1，T 2，…，T N}，其中N是变压器数量，T 1是第一个变压器的第一测量数据集，T 2是第二个变压器的第一测量数据集，T n是第N个变压器的第一测量数据集。其中，第一设定值的取值可以为实验值或经验值等。
在一个实施方式中，第一测量数据集可包括变压器的电压和/或电流，谐波分量，以及功率等。此外，在另一个实施方式中，第一测量数据集还可进一步包括电网频率、电压偏差、电压中断中的至少一种。
步骤S102，将M个未配置有电能质量监测系统的变压器作为第二组变压器，并获取所述第二组变压器中每个变压器的第二测量数据集，得到M个第二测量数据集；其中，M为大于或等于第二设定值的正整数。其中，第一测量数据集和第二测量数据集中包括共同的数据类型。
例如，在一个实施方式中，可将M个第二测量数据集记为S2＝{N 1，N 2，…N M}，其中M是变压器数量，N 1是第一个变压器的第二测量数据集，N 2是第二个变压器的第二测量数据集，N m是第M个变压器的第二测量数据集。其中，M在大多数情况下比N大得多。其中，第二设定值的取值可以为实验值或经验值等。
在一个实施方式中，第二测量数据集可包括变压器的电压、电流和功率中的至少一种。例如，若第二测量数据集仅包括功率，则第一测量数据集和第二测量数据集中包括的共同数据类型即为功率；又如，若第二测量数据集包括功率和电压，而第一测量数据集中也包括功率和电压，则第一测量数据集和第二测量数据集中包括的共同数据类型即 为功率和电压。通常情况下，由于配置有电能质量监测系统的变压器的数据采集频率要快，因此共同的数据类型在第一测量数据集中的采集间隔小于在第二测量数据集中的采集间隔。
步骤S103，基于所述共同的数据类型在所述N个第一测量数据集中的取值，对所述第一组变压器中的N个变压器进行聚类，得到r个第一分组；其中，r为正整数。
例如，若第一测量数据集和第二测量数据集中包括的共同数据类型为功率，则该步骤S103中，可根据N个第一测量数据集中功率的取值，对所述第一组变压器中的N个变压器进行聚类，得到r个第一分组。例如，可分别记为A1，A2，…，Ar。
步骤S104，基于所述共同的数据类型在所述M个第二测量数据集中的取值，对所述第二组变压器中的M个变压器进行聚类，得到r个第二分组。
例如，若第一测量数据集和第二测量数据集中包括的共同数据类型为功率，则该步骤S104中，可根据M个第二测量数据集中功率的取值，对所述第二组变压器中的M个变压器进行聚类，得到r个第二分组。例如，可分别记为B1、B2、…、Br。
步骤S105，分别计算每个第一分组和每个第二分组之间的相似度，根据相互之间的最大相似度，确定第一分组和第二分组之间的r个相似映射关系。
本步骤中，可寻求A1，A2，…，Ar与B1、B2、…、Br之间的相似映射，例如f j：B i→A j。具体实现时，可计算二者之间任意两个分组的相似度，例如相似度取值可用0～1之间的数字表示，1表示最相似，0表示最不相似，之后将相似度值最高的两两分组关联起来，得到r个相似映射关系。
步骤S106，针对每个第二分组中的变压器的健康状态，利用与所述第二分组具有相似映射关系的第一分组中的变压器的第一测量数据集进行评估。
例如，针对上述的映射关系f j：B i→A j，B i分组的变压器的健康状态可以利用A j分组的变压器的状态来评估，也即可以利用A j分组的变压器的第一测量数据集进行评估。此外，还可以结合其他的数据，例如位置环境等因素来评估。
以上对本发明实施例中的变压器的健康状态评估方法进行了详细描述，下面再对本发明实施例中的变压器的健康状态评估装置进行描述，本发明实施例中的装置可用于实现本发明实施例中的上述方法，对于本发明装置实施例中未详细披露的内容请参见上述方法实施例中的对应描述，此处不再一一赘述。
图2为本发明实施例中变压器的健康状态评估装置的示例性结构图。如图2所示，该装置可包括：第一获取模块201、第二获取模块202、第一分组模块203、第二分组模块204、映射关系建立模块205和评估模块206。
其中，第一获取模块201用于将N个配置有电能质量监测系统的变压器作为第一组变压器，并获取所述第一组变压器中每个变压器的第一测量数据集，得到N个第一测量数据集；其中，N为大于或等于第一设定值的正整数。在一个实施方式中，所述第一测量数据集可包括变压器的电压和/或电流，谐波分量，以及功率等；在另一个实施方式中，所述第一测量数据集还可进一步包括：电网频率、电压偏差、电压中断中的至少一种。
第二获取模块202用于将M个未配置有电能质量监测系统的变压器作为第二组变压器，并获取所述第二组变压器中每个变压器的第二测量数据集，得到M个第二测量数据集；其中，M为大于或等于第二设定值的正整数；其中，第一测量数据集和第二测量数据集中包括共同的数据类型。在一个实施方式中，所述第二测量数据集包括变压器的功率、电压、电流中的至少一种。在一个实施方式中，所述共同的数据类型在所述第一测量数据集中的采集间隔小于在所述第二测量数据集中的采集间隔。在一个实施方式中，所述M大于N。
第一分组模块203用于基于所述共同的数据类型在所述N个第一测量数据集中的取值，对所述第一组变压器中的N个变压器进行聚类，得到r个第一分组；其中，r为正整数。
第二分组模块204用于基于所述共同的数据类型在所述M个第二测量数据集中的取值，对所述第二组变压器中的M个变压器进行聚类，得到r个第二分组。
映射关系建立模块205用于分别计算每个第一分组和每个第二分组之间的相似度，根据相互之间的最大相似度，确定第一分组和第二分组之间的r个相似映射关系。
评估模块206用于针对每个第二分组中的变压器的健康状态，利用与所述第二分组具有相似映射关系的第一分组中的变压器的第一测量数据集进行评估。
图3为本发明实施例中又一种变压器的健康状态评估装置的示例性结构图。如图3所示，该装置可包括：至少一个存储器31和至少一个处理器32。此外，还可以包括一些其它组件，例如通信端口等。这些组件通过总线进行通信。
其中，至少一个存储器31用于存储计算机程序。在一个实施方式中，该计算机程序可以理解为包括图2所示的变压器的健康状态评估装置的各个模块。此外，至少一个存储器31还可存储操作系统等。操作系统包括但不限于：Android操作系统、Symbian操作系统、Windows操作系统、Linux操作系统等等。
至少一个处理器32用于调用至少一个存储器31中存储的计算机程序，以执行本发明实施例中所述的变压器的健康状态评估方法。处理器32可以为CPU，处理单元/模块，ASIC，逻辑模块或可编程门阵列等。其可通过所述通信端口进行数据的接收和发送。
此外，本发明实施例中还提供一种包括上述图2或图3所示的变压器的健康状态评估装置的服务器、或服务器集群、或云平台等。
需要说明的是，上述各流程和各结构图中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。各模块的划分仅仅是为了便于描述采用的功能上的划分，实际实现时，一个模块可以分由多个模块实现，多个模块的功能也可以由同一个模块实现，这些模块可以位于同一个设备中，也可以位于不同的设备中。
可以理解，上述各实施方式中的硬件模块可以以机械方式或电子方式实现。例如，一个硬件模块可以包括专门设计的永久性电路或逻辑器件(如专用处理器，如FPGA或ASIC)用于完成特定的操作。硬件模块也可以包括由软件临时配置的可编程逻辑器件或电路(如包括通用处理器或其它可编程处理器)用于执行特定操作。至于具体采用机械方式，或是采用专用的永久性电路，或是采用临时配置的电路(如由软件进行配置)来实现硬件模块，可以根据成本和时间上的考虑来决定。
另外，本发明实施例中还提供一种能够在服务器或服务器集群或云平台上执行的计算机软件，所述计算机软件能够被一处理器执行并实现本发明实施例中所述的变压器的健康状态评估方法。
此外，本发明实施例中还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序能够被一处理器执行并实现本发明实施例中所述的变压器的健康状态评估方法。具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施方式的功能的软件程序代码，且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。此外，还可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作。还可以将从存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作，从而实现上述实施方式中任一实施方式的功能。用于提供程序代码的存储介质实施方式包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上下载程序代码。
从上述方案中可以看出，由于本发明实施例中将配置有电能质量监测系统的变压器和没有配置电能质量监测系统的变压器当作两类变压器，并获取各自的测量数据集，根据各自的测量数据集中包括的共同数据类型对两类变压器分别进行聚类分组，然后再建 立两类变压器组与组之间的相似映射关系，之后就可以利用配置有电能质量监测系统的变压器的电能质量数据来预估没有配置电能质量监测系统的变压器的健康状态，从而实现了对不带电能质量监测系统的变压器的健康状况的评估。
此外，给出了几个易于实现的测量数据集所包括的数据的几种具体实现。
另外，通过设置较大数值的M值及N值可以使得两类变压器进行聚类时的分组更为准确，进而健康状态评估也会更为准确。
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，均应包含在本发明的保护范围之内。

Claims (11)

  1. 变压器的健康状态评估方法，其特征在于，包括：
    将N个配置有电能质量监测系统的变压器作为第一组变压器，并获取所述第一组变压器中每个变压器的第一测量数据集，得到N个第一测量数据集(S101)；其中，N为大于或等于第一设定值的正整数；
    将M个未配置有电能质量监测系统的变压器作为第二组变压器，并获取所述第二组变压器中每个变压器的第二测量数据集，得到M个第二测量数据集(S102)；其中，M为大于或等于第二设定值的正整数；其中，第一测量数据集和第二测量数据集中包括共同的数据类型；
    基于所述共同的数据类型在所述N个第一测量数据集中的取值，对所述第一组变压器中的N个变压器进行聚类，得到r个第一分组(S103)；其中，r为正整数；
    基于所述共同的数据类型在所述M个第二测量数据集中的取值，对所述第二组变压器中的M个变压器进行聚类，得到r个第二分组(S104)；
    分别计算每个第一分组和每个第二分组之间的相似度，根据相互之间的最大相似度，建立第一分组和第二分组之间的r个相似映射关系(S105)；
    针对每个第二分组中的变压器的健康状态，利用与所述第二分组具有相似映射关系的第一分组中的变压器的第一测量数据集进行评估(S106)。
  2. 根据权利要求1所述的变压器的健康状态评估方法，其特征在于，所述第一测量数据集包括变压器的电压和/或电流，谐波分量，以及功率；
    所述第二测量数据集包括变压器的功率、电压、电流中的至少一种。
  3. 根据权利要求2所述的变压器的健康状态评估方法，其特征在于，所述共同的数据类型在所述第一测量数据集中的采集间隔小于在所述第二测量数据集中的采集间隔。
  4. 根据权利要求2所述的变压器的健康状态评估方法，其特征在于，所述第一测量数据集进一步包括：电网频率、电压偏差、电压中断中的至少一种。
  5. 根据权利要求1至4中任一项所述的变压器的健康状态评估方法，其特征在于，所述M大于N。
  6. 变压器的健康状态评估装置，其特征在于，包括：
    第一获取模块(201)，用于将N个配置有电能质量监测系统的变压器作为第一组变压器，并获取所述第一组变压器中每个变压器的第一测量数据集，得到N个第一测量数据集；其中，N为大于或等于第一设定值的正整数；
    第二获取模块(202)，用于将M个未配置有电能质量监测系统的变压器作为第二 组变压器，并获取所述第二组变压器中每个变压器的第二测量数据集，得到M个第二测量数据集；其中，M为大于或等于第二设定值的正整数；其中，第一测量数据集和第二测量数据集中包括共同的数据类型；
    第一分组模块(203)，用于基于所述共同的数据类型在所述N个第一测量数据集中的取值，对所述第一组变压器中的N个变压器进行聚类，得到r个第一分组；其中，r为正整数；
    第二分组模块(204)，用于基于所述共同的数据类型在所述M个第二测量数据集中的取值，对所述第二组变压器中的M个变压器进行聚类，得到r个第二分组；
    映射关系建立模块(205)，用于分别计算每个第一分组和每个第二分组之间的相似度，根据相互之间的最大相似度，确定第一分组和第二分组之间的r个相似映射关系；
    评估模块(206)，用于针对每个第二分组中的变压器的健康状态，利用与所述第二分组具有相似映射关系的第一分组中的变压器的第一测量数据集进行评估。
  7. 根据权利要求6所述的变压器的健康状态评估装置，其特征在于，所述第一测量数据集包括变压器的电压和/或电流，谐波分量，以及功率；
    所述第二测量数据集包括变压器的功率、电压、电流中的至少一种。
  8. 根据权利要求7所述的变压器的健康状态评估装置，其特征在于，所述第一测量数据集进一步包括：电网频率、电压偏差、电压中断中的至少一种。
  9. 变压器的健康状态评估装置，其特征在于，包括：至少一个存储器(31)和至少一个处理器(32)，其中：
    所述至少一个存储器(31)用于存储计算机程序；
    所述至少一个处理器(32)用于调用所述至少一个存储器(31)中存储的计算机程序，执行如权利要求1至5中任一项所述的变压器的健康状态评估方法。
  10. 一种云平台或服务器，其特征在于，包括如权利要求6至9中任一项所述的变压器的健康状态评估装置。
  11. 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，所述计算机程序能够被一处理器执行并实现如权利要求1至5中任一项所述的变压器的健康状态评估方法。
PCT/CN2019/088191 2019-05-23 2019-05-23 变压器的健康状态评估方法、装置及存储介质 WO2020232716A1 (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
US17/613,279 US20220221528A1 (en) 2019-05-23 2019-05-23 Method and device for assessing state of health of transformer, and storage medium
CN201980096355.6A CN113826127A (zh) 2019-05-23 2019-05-23 变压器的健康状态评估方法、装置及存储介质
EP19929432.3A EP3958194B1 (en) 2019-05-23 2019-05-23 Method and device for assessing state of health of transformer, and storage medium
PCT/CN2019/088191 WO2020232716A1 (zh) 2019-05-23 2019-05-23 变压器的健康状态评估方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2019/088191 WO2020232716A1 (zh) 2019-05-23 2019-05-23 变压器的健康状态评估方法、装置及存储介质

Publications (1)

Publication Number Publication Date
WO2020232716A1 true WO2020232716A1 (zh) 2020-11-26

Family

ID=73459509

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/088191 WO2020232716A1 (zh) 2019-05-23 2019-05-23 变压器的健康状态评估方法、装置及存储介质

Country Status (4)

Country Link
US (1) US20220221528A1 (zh)
EP (1) EP3958194B1 (zh)
CN (1) CN113826127A (zh)
WO (1) WO2020232716A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113255940A (zh) * 2021-05-18 2021-08-13 国网山东省电力公司东平县供电公司 一种变电站运检管控系统及方法
CN114167179A (zh) * 2021-12-03 2022-03-11 中国海洋大学 轨道交通低压供电的配电变压器健康状态评估方法及系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110174137B (zh) * 2019-05-07 2020-06-19 西安交通大学 一种基于非电量综合特征信息的变压器监测装置的监测方法
CN115660478B (zh) * 2022-10-25 2023-06-20 贵州电网有限责任公司 基于变压器的健康状态监测方法、装置、设备及存储介质
CN116231647B (zh) * 2023-05-09 2023-07-21 国网浙江省电力有限公司永康市供电公司 高渗透率未监测光伏发电的配电系统状态估计方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103091612A (zh) * 2013-01-16 2013-05-08 重庆市电力公司电力科学研究院 一种变压器油纸绝缘多局部放电源信号的分离与识别算法
US20150052088A1 (en) * 2013-08-15 2015-02-19 International Business Machines Corporation Voltage-Based Clustering to Infer Connectivity Information in Smart Grids
CN105512448A (zh) * 2014-09-22 2016-04-20 国家电网公司 一种配电网健康指数的评估方法
CN106159940A (zh) * 2016-07-01 2016-11-23 华北电力大学 基于电网负荷特性分析的pmu最优布点方法
CN106327062A (zh) * 2016-08-11 2017-01-11 中国南方电网有限责任公司电网技术研究中心 一种配电网设备的状态评估方法
CN107831300A (zh) * 2017-10-20 2018-03-23 广东电网有限责任公司河源供电局 一种基于三维梯形概率模糊集的变压器绝缘油劣化评估方法
CN107909213A (zh) * 2017-11-27 2018-04-13 国网冀北电力有限公司 一种基于需求侧群组的新能源负荷预测方法及系统
CN108304567A (zh) * 2018-02-09 2018-07-20 杭州安脉盛智能技术有限公司 高压变压器工况模式识别与数据分类方法及系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6906630B2 (en) * 2001-02-28 2005-06-14 General Electric Company Transformer management system and method
US7499816B2 (en) * 2006-12-12 2009-03-03 Abb Research Ltd. Estimation of real-time power system quantities using time-synchronized measurements
CN104081301B (zh) * 2012-02-01 2017-02-22 Abb研究有限公司 电力系统中的一次装置的监测
CN104919384B (zh) * 2012-11-19 2018-09-18 Abb瑞士股份有限公司 用于设备维护和/或风险减缓的电力系统设备的评估
US10373065B2 (en) * 2013-03-08 2019-08-06 Oracle International Corporation Generating database cluster health alerts using machine learning
CN104316803B (zh) * 2014-11-04 2017-10-24 国家电网公司 一种基于带电检测的电力变压器状态评价方法及系统
CN106199305B (zh) * 2016-07-01 2018-12-28 太原理工大学 煤矿井下供电系统用干式变压器绝缘健康状态评估方法
WO2018027180A1 (en) * 2016-08-05 2018-02-08 The Regents Of The University Of California Phase identification in power distribution systems
CN106841846A (zh) * 2016-12-19 2017-06-13 广东电网有限责任公司电力调度控制中心 一种变压器状态分析与故障诊断方法及系统
CN108241901B (zh) * 2016-12-27 2021-12-03 全球能源互联网研究院 一种基于预测数据的变压器预警评估方法及装置
CN109447511A (zh) * 2018-11-13 2019-03-08 南方电网科学研究院有限责任公司 一种变压器故障诊断方法、系统及相关装置
CN109374063B (zh) * 2018-12-04 2021-04-23 广东电网有限责任公司 一种基于集群管理的变压器异常检测方法、装置和设备
US20200293032A1 (en) * 2019-03-13 2020-09-17 General Electric Company Extremely fast substation asset monitoring system and method

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103091612A (zh) * 2013-01-16 2013-05-08 重庆市电力公司电力科学研究院 一种变压器油纸绝缘多局部放电源信号的分离与识别算法
US20150052088A1 (en) * 2013-08-15 2015-02-19 International Business Machines Corporation Voltage-Based Clustering to Infer Connectivity Information in Smart Grids
CN105512448A (zh) * 2014-09-22 2016-04-20 国家电网公司 一种配电网健康指数的评估方法
CN106159940A (zh) * 2016-07-01 2016-11-23 华北电力大学 基于电网负荷特性分析的pmu最优布点方法
CN106327062A (zh) * 2016-08-11 2017-01-11 中国南方电网有限责任公司电网技术研究中心 一种配电网设备的状态评估方法
CN107831300A (zh) * 2017-10-20 2018-03-23 广东电网有限责任公司河源供电局 一种基于三维梯形概率模糊集的变压器绝缘油劣化评估方法
CN107909213A (zh) * 2017-11-27 2018-04-13 国网冀北电力有限公司 一种基于需求侧群组的新能源负荷预测方法及系统
CN108304567A (zh) * 2018-02-09 2018-07-20 杭州安脉盛智能技术有限公司 高压变压器工况模式识别与数据分类方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113255940A (zh) * 2021-05-18 2021-08-13 国网山东省电力公司东平县供电公司 一种变电站运检管控系统及方法
CN114167179A (zh) * 2021-12-03 2022-03-11 中国海洋大学 轨道交通低压供电的配电变压器健康状态评估方法及系统
CN114167179B (zh) * 2021-12-03 2022-09-09 中国海洋大学 轨道交通低压供电的配电变压器健康状态评估方法及系统

Also Published As

Publication number Publication date
EP3958194C0 (en) 2024-01-10
EP3958194A1 (en) 2022-02-23
US20220221528A1 (en) 2022-07-14
EP3958194B1 (en) 2024-01-10
EP3958194A4 (en) 2022-11-16
CN113826127A (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
WO2020232716A1 (zh) 变压器的健康状态评估方法、装置及存储介质
US9292794B2 (en) Voltage-based clustering to infer connectivity information in smart grids
RU2428708C2 (ru) Способ и система для поверки измерительных приборов
US10908198B2 (en) Determining meter phase using interval voltage measurements
De Santis et al. Analysis of the origin of measured voltage sags in interconnected networks
US20130076534A1 (en) Process, Device and System For Mapping Transformers to Meters and Locating Non-Technical Line Losses
KR101860647B1 (ko) 데이터 집중 장치 및 이의 동작 방법
Urquhart et al. Impacts of demand data time resolution on estimates of distribution system energy losses
US20220260619A1 (en) Abnormal electricity use recognition method and device, and computer-readable medium
CN105866728A (zh) 一种电能表自动化检定装置的实时核查系统
Airoboman et al. Reliability analysis of power system network: A case study of transmission company of Nigeria, Benin City
Jimenez et al. Phase identification and substation detection using data analysis on limited electricity consumption measurements
CN110768256B (zh) 一种基于电压谐波图谱的台区拓扑识别方法、装置及系统
CN105676157A (zh) Wams低频振荡识别功能的测试系统及方法
Bosovic et al. Deterministic aggregated harmonic source models for harmonic analysis of large medium voltage distribution networks
TW201717510A (zh) 將模組自動聯繫至相應變頻器之方法及相關模組及發電系統
CN206002680U (zh) 一种电表串户检测装置
EP3482218A1 (en) Electrical network inspection devices
TWI637176B (zh) 相群組推測裝置、相群組推測方法及記錄媒體
CN210899204U (zh) 一种集抄通信故障智能检测装置
CN105005523B (zh) 基于电流量的计算机软件运行监测方法及装置
US11061056B2 (en) Voltage rating validator for advanced metering
GB2561218A (en) Identification of electrical phase of an electrical device
JP6221443B2 (ja) 監視装置、監視方法及びプログラム
Romero et al. Developing a PQ monitoring system for assessing power quality and critical areas detection

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19929432

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2019929432

Country of ref document: EP

Effective date: 20211119