一种基于油中溶解气体在线监测的变压器早期缺陷预警方法技术

基于油中溶解气体在线监测的变压器早期缺陷预警方法，包括：步骤I.基于变压器油中溶解气体在线监测装置，建立可描述变压器时空动态演化特性的复杂网络模型；步骤II.基于变压器油中溶解气体在线监测装置的实时监测数据，对复杂网络模型的各节点数据进行归一化处理，并动态筛选当前变压器复杂网络模型中的关键节点；步骤III.将所筛选出来的关键节点组成关键网络，分别计算各时段(i)下关键网络的平均标准差

A Transformer Early Defect Warning Method Based on On-line Monitoring of Dissolved Gas in Oil

The early-warning method for transformer defects based on on on-line monitoring of dissolved gases in oil includes: step I. A complex network model describing the temporal and spatial dynamic evolution characteristics of transformer based on on on-line monitoring device of dissolved gases in transformer oil; step II. Based on real-time monitoring data of on-line monitoring device of dissolved gases in transformer oil, the node data of complex network model are obtained. Normalization and dynamic screening of key nodes in the current complex transformer network model; Step III. Constitute the selected key nodes into a critical network and calculate the average standard deviation of the critical network under each time period (i).

【技术实现步骤摘要】
一种基于油中溶解气体在线监测的变压器早期缺陷预警方法
本专利技术涉及电力变压器缺陷预警和故障诊断
，特别是涉及一种基于油中溶解气体在线监测的变压器早期缺陷预警方法。
技术介绍
电力变压器是电力系统中最基本且重要的电网设备，同时它也是极易发生事故的一种设备，对变压器进行缺陷预警和故障诊断是保证电力系统稳定运行的重要内容，其中监测和分析油中溶解气体(DGA)对保证变压器安全稳定运行有着重要的作用。目前，运用较为广泛的基于IEC三比值法在现场应用中存在的问题有：1)该方法主要对气体浓度数据进行监测分析，是一种静态分析法，体现不出在线监测系统的优势；2)该方法主要为阈值告警，体积分数未达注意值的情况不适用，且告警阈值的设定困难，缺少充分依据；3)存在缺编码问题，且编码边界过于绝对，易发生误判。对于传统诊断方法的不足，支持向量机、人工神经网络、混合智能算法等基于机器学习的智能算法的引入提高了变压器故障诊断的精确度，这些方法主要基于所收集的变压器典型状态下的油中溶解气体样本数据，对所建智能诊断模型进行训练，则所建立的智能诊断模型在训练成功后能够有效识别各种典型缺陷，其诊断正确率和鲁棒性均优于传统IEC三比值法，因此受到了广泛关注。但是，基于机器学习的诊断模型建立过程中，需要提供诊断对象典型状态下的样本数据。虽然不同变压器的监测数据之间存在着一定关联性，但是，考虑到运行环境和变压器本身状态(型号、厂家、役龄等因素)对于油中溶解气体成分和浓度的影响，要准确诊断某一变压器运行状态，需要足够多的基于个体的典型状态样本数据，这增加了模型建立的难度，也为基于机器学习的变压器DGA故障诊断方法的推广带来了困难。对复杂系统动力学中的“临界相变”理论的研究表明，复杂系统的参数在变化至某一“临界点”时会导致系统稳定性发生变化，且在该点附近会表现出临界慢化这一行为，并产生三个可能的预警信号：扰动恢复较慢、自相关性增加、方差增加，因此通过检测临界慢化信号可以预测系统的状态变化。变压器故障发生过程是一个动态过程，它由健康状态向故障状态转变的过程中也存在着一个临界状态，当油中溶解的特征气体含量增大到一定程度，到达临界点时，系统将从稳定状态突然转变至不稳定状态，出现临界转变现象。因此，通过油色谱在线监测系统监测油中溶解气体的动态变化，检测变压器状态转变中出现的预警信号，有助于对变压器进行早期缺陷预警与辨识。
技术实现思路
本专利技术的主要目的在于克服现有技术中的上述缺陷，提出一种基于油中溶解气体在线监测的变压器早期缺陷预警方法。本专利技术采用如下技术方案：基于油中溶解气体在线监测的变压器早期缺陷预警方法，其特征在于，包括以下步骤：步骤I.基于变压器油中溶解气体在线监测装置，建立可描述变压器时空动态演化特性的复杂网络模型；步骤II.基于变压器油中溶解气体在线监测装置的实时监测数据，设定合理的采样时间间隔为一个时间周期，对复杂网络模型的各节点数据进行归一化处理，并动态筛选当前变压器复杂网络模型中的关键节点，节点数据标准差归一化公式为：其中Xij表示时段(i)内第(j)个采样时间点上节点的归一化表达式数据，xij是时段(i)内第(j)个采样时间点上节点的值，xi代表时段(i)的节点数据，而mean(xi)和SD(xi)分别表示时段(i)内所有采样时间点上节点的平均值和标准差；步骤III.将所筛选出来的关键节点组成关键网络，分别计算各时段(i)下关键网络的平均标准差关键网络内各节点间的平均皮尔逊相关系数以及关键网络内的节点与其他非关键节点间的平均皮尔逊相关系数来判断该关键网络是否符合变压器状态转变的临界特性，并根据计算结果得到当前时段(i)下的关键网络标志物的量化值Ii：式中ε是一个用来避免分母为零的小的正常数，若分母不为零可省去；步骤IV.计算该关键网络各时段(i)下的关键网络标志物的量化值Ii，当(Ii-Ii-1)＞0.05且(Ii-Ii+1)＞0.05时，意味着变压器所对应的复杂网络模型在时段(i)状态发生了临界变化，由稳定状态Ii-1经临界状态Ii转化为缺陷状态Ii+1，此时发出预警信号。所述步骤I具体为：将变压器油中溶解气体在线监测装置监测到的每种典型气体映射为复杂网络模型中的一个节点，节点之间采取全互联方式。所述步骤II具体为：步骤II-1.基于变压器油中溶解气体在线监测装置所获取的历史数据序列，建立每种类型气体的预测模型；步骤II-2.对当前实际监测数据和基于历史数据建立的预测模型得到的预测数据进行差异显著性分析；步骤II-3.若某种气体实测值偏离了预期的动态轨迹并与预期值有着显著性差异，则认为该气体的变化可能影响变压器复杂网络模型的状态，该节点为关键节点。所述步骤II-2具体为：步骤II-2-1.设时段(i)共有7组典型气体的实测数据和7组典型气体的预测数据，包括该时段下各采样点的气体数据；采用t检验法分别对各气体进行差异分析，设显著性水平α＝0.05，各气体对应的p值从小到大排列分别是p(1)，p(2)，p(3)，p(4)，p(5)，p(6)，p(7)，其中p值反映实测数据与预测数据无显著性差异的概率，若p＞α则两组数据差别无显著意义，反之两组数据差别有显著意义；步骤II-2-2.结合错误发现率对p值进行FDR校正，判断气体的p值是否满足：m＝1,2,...,7表示7种气体，若满足则初步认定该气体为关键节点，其中p(m)代表气体对应的p值；步骤II-2-3.结合两倍数变化法对初步选定的变化显著的气体变量进一步筛选，若满足：则认为该气体实测值偏离了预期的动态轨迹并与预期值有着显著性差异，对应节点为关键节点；其中A1i，A2i代表气体A在时段(i)的实测值和预测值，SD(A1i)为该气体在时段(i)实测值的标准差，SD(A2i)为该气体在时段(i)预测值的标准差。所述步骤III具体为：步骤III-1.计算当前时段(i)的关键网络的平均标准差式中M为网络内关键节点个数，N为采样点编号，Xij表示网络内节点在时段(i)内第(j)个采样时间点上的归一化数据，为关键网络内该气体数据时段(i)的平均值；步骤III-2.计算当前时段(i)的关键网络内各节点间的平均皮尔逊相关系数式中rm表示关键网络内第m个节点与网络内其他节点间的相关系数；步骤III-3.计算当前时段(i)的关键网络内的节点与其他非关键节点间的平均皮尔逊相关系数式中Rm表示关键网络内第m个节点与网络外其他节点间的相关系数；步骤III-4.根据计算结果，若满足以下临界特性：1)关键网络的平均标准差与相比显著增加；2)关键网络内各节点间的平均皮尔逊相关系数与相比增加；3)关键网络内的节点与其他非关键节点间的平均皮尔逊相关系数与相比降低；则变压器所对应复杂网络模型可能到达状态转变的临界点附近，并根据计算结果得到各时段(i)下的关键网络标志物的量化值Ii，通过监测该关键网络标志物的动态变化有助于检测复杂网络模型临界转变的预警信号。所述关键网络内节点间与关键网络内外节点间的相关系数rm和Rm的计算公式具体为：关键网络内节点间的皮尔逊相关系数为：其中m≠k，Xim表示当前时段(i)中关键网络内第(m)个关键节点的归一化数据，Yik表示时段(i)中关键网络内第(k)个关键节点的归一化数据，和表本文档来自技高网...

【技术保护点】
1.基于油中溶解气体在线监测的变压器早期缺陷预警方法，其特征在于，包括以下步骤：步骤I.基于变压器油中溶解气体在线监测装置，建立可描述变压器时空动态演化特性的复杂网络模型；步骤II.基于变压器油中溶解气体在线监测装置的实时监测数据，设定合理的采样时间间隔为一个时间周期，对复杂网络模型的各节点数据进行归一化处理，并动态筛选当前变压器复杂网络模型中的关键节点，节点数据标准差归一化公式为：

【技术特征摘要】
1.基于油中溶解气体在线监测的变压器早期缺陷预警方法，其特征在于，包括以下步骤：步骤I.基于变压器油中溶解气体在线监测装置，建立可描述变压器时空动态演化特性的复杂网络模型；步骤II.基于变压器油中溶解气体在线监测装置的实时监测数据，设定合理的采样时间间隔为一个时间周期，对复杂网络模型的各节点数据进行归一化处理，并动态筛选当前变压器复杂网络模型中的关键节点，节点数据标准差归一化公式为：其中Xij表示时段(i)内第(j)个采样时间点上节点的归一化表达式数据，xij是时段(i)内第(j)个采样时间点上节点的值，xi代表时段(i)的节点数据，而mean(xi)和SD(xi)分别表示时段(i)内所有采样时间点上节点的平均值和标准差；步骤III.将所筛选出来的关键节点组成关键网络，分别计算各时段(i)下关键网络的平均标准差关键网络内各节点间的平均皮尔逊相关系数以及关键网络内的节点与其他非关键节点间的平均皮尔逊相关系数来判断该关键网络是否符合变压器状态转变的临界特性，并根据计算结果得到当前时段(i)下的关键网络标志物的量化值Ii：式中ε是一个用来避免分母为零的小的正常数，若分母不为零可省去；步骤IV.计算该关键网络各时段(i)下的关键网络标志物的量化值Ii，当(Ii-Ii-1)＞0.05且(Ii-Ii+1)＞0.05时，意味着变压器所对应的复杂网络模型在时段(i)状态发生了临界变化，由稳定状态Ii-1经临界状态Ii转化为缺陷状态Ii+1，此时发出预警信号。2.根据权利要求1所述的一种基于油中溶解气体在线监测的变压器早期缺陷预警方法，其特征在于，所述步骤I具体为：将变压器油中溶解气体在线监测装置监测到的每种典型气体映射为复杂网络模型中的一个节点，节点之间采取全互联方式。3.根据权利要求1所述的一种基于油中溶解气体在线监测的变压器早期缺陷预警方法，其特征在于，所述步骤II具体为：步骤II-1.基于变压器油中溶解气体在线监测装置所获取的历史数据序列，建立每种类型气体的预测模型；步骤II-2.对当前实际监测数据和基于历史数据建立的预测模型得到的预测数据进行差异显著性分析；步骤II-3.若某种气体实测值偏离了预期的动态轨迹并与预期值有着显著性差异，则认为该气体的变化可能影响变压器复杂网络模型的状态，该节点为关键节点。4.根据权利要求3所述的一种基于油中溶解气体在线监测的变压器早期缺陷预警方法，其特征在于，所述步骤II-2具体为：步骤II-2-1.设时段(i)共有7组典型气体的实测数据和7组典型气体的预测数据，包括该时段下各采样点的气体数据；采用t检验法分别对各气体进行差异分析，设显著性水平α＝0.05，各气体对应的p值从小到大排列分别是p(1)，p(2)，p(3)，p(4)，p(5)，p(6)，p(7)，其中p值反映实测数据与预测数据无显著性差异的概率，若p＞α则两组数据差别无显著意义，反之两组数据差别有显著意义；步骤II-2-2.结合错误发现...

【专利技术属性】
技术研发人员：方瑞明，张燕，王黎，谢远强，
申请(专利权)人：华侨大学，
类型：发明
国别省市：福建,35