【技术实现步骤摘要】
基于变压器油中溶解气体数据的变压器亚健康状态识别及平均剩余寿命估计方法
本专利技术涉及统计分析领域,具体涉及一种基于变压器油中溶解气体数据的变压器亚健康状态识别及平均剩余寿命估计方法。
技术介绍
变压器设备发生故障时往往会释放较高的电和热,导致变压器油分解,产生不同的油中溶解气体,包括氢气、甲烷、乙烷、乙烯等。油中溶解气体分析法通过计算、比较变压器在运行过程中产生气体的浓度和组成成分,分析设备存在的潜在风险,对变压器设备的健康状态给予初步的判断。油中溶解气体分析法是一种非常重要的变压器故障诊断方法,该方法对判断变压器慢性局部缺陷十分有效,具有方便在线监测、无需拆解检测的优点,国内颁布的电力设备预试规程(1997年)中将油中溶解气体分析置于首要地位。油中溶解气体是变压器故障的重要判断指标。根据大量的实践经验,相关研究人员已总结出了一些针对不同故障类型体的规律和判断方法,如IEC60599(三比值)方法、Rogers(四比值)方法和Doernenburg(五比值)方法等。这些方法属于早期的经典方法,能够对变压器设备的故障情况进行初步的判断,但在从实际应用中存在比值结果无法对应、容易对正常设备造成误判的问题。我国目前推行的《变压器油中溶解气体分析和判断导则(国家电力行业标准DL/T722-2014)》在上述比值方法的基础上设置了注意值,减少了设备正常情况下的误判现象,并对比值编码和故障类型进行了细化,排除了比值结果与故障类型无法对应的情况,极大的完善了比值方法的实用原则。但是,该方法仍属于比值方法,此类方法在故障描述方面存在一定的局限,具体表现在两个方面,第一, ...
【技术保护点】
一种基于变压器油中溶解气体数据的变压器亚健康状态识别及平均剩余寿命估计方法,包括如下步骤:(1)利用故障变压器设备从正常状态至故障状态过程中的油中溶解气体浓度数据以及正常变压器设备的油中溶解气体浓度数据对隐马尔科夫模型进行训练,得到针对每种故障类型的变压器故障模型M
【技术特征摘要】
1.一种基于变压器油中溶解气体数据的变压器亚健康状态识别及平均剩余寿命估计方法,包括如下步骤:(1)利用故障变压器设备从正常状态至故障状态过程中的油中溶解气体浓度数据以及正常变压器设备的油中溶解气体浓度数据对隐马尔科夫模型进行训练,得到针对每种故障类型的变压器故障模型Mm与变压器正常模型M,其中,m代表变压器的故障类型;(2)利用变压器故障模型Mm与变压器正常模型M,找到与经过预处理后的待测变压器的油中溶解气体浓度数据相匹配的模型M′,并根据模型M′估计待测设备当前时刻的健康状态;(3)对处于亚健康状态下的变压器设备,根据与其匹配的模型M′预测未来时刻油中溶解气体浓度数据的期望值与未来时刻的健康状态,进而估计得到变压器设备的平均剩余寿命。2.如权利要求1所述的变压器亚健康状态识别及平均剩余寿命估计方法,其特征在于,所述步骤(1)的具体步骤为:(1-1)收集故障变压器设备及此些故障变压器设备从正常状态至故障状态过程中的油中溶解气体浓度数据,并将收集的数据按其所属变压器设备的故障类型分类,构建针对不同故障类型的设备案例库Cm;(1-2)收集正常变压器设备及此些正常变压器设备的油中溶解气体浓度数据,利用收集数据构建针对正常变压器的设备案例库C;(1-3)对设备案例库Cm与C中的溶解气体浓度数据进行预处理,得到处理后的设备案例库C′m与C′,使得所有设备案例库中的溶解气体浓度数据拥有相同的时间间隔;(1-4)将设备案例库C′m与C′作为隐马尔科夫模型输入数据,以最大似然函数L收敛为目标,对隐马尔科夫模型进行训练,得到针对每种故障类型的变压器故障模型Mm与变压器正常模型M。3.如权利要求2所述的变压器亚健康状态识别及平均剩余寿命估计方法,其特征在于,所述的待测设备油中溶解气体数据的预处理方法为线性插值法,具体过程为:以1天为单位,对所有设备案例库中每台变压器的溶解气体浓度数据进行线性插值处理,补全数据中的缺失值,得到时间间隔为1天的气体浓度数据插值序列,再按照预先设定的时间间隔对气体浓度数据插值序列进行等间隔取样,使得所有设备案例库中的变压器的溶解气体浓度数据的时间间隔相同。4.如权利要求2所述的变压器亚健康状态识别及平均剩余寿命估计方法,其特征在于,所述的隐马尔科夫模型为:当设备案例库C′m作为训练样本时,在隐马尔科夫模型中,构建三种分别对应变压器设备正常、亚健康以及故障异常三种健康状态i的隐性节点,在训练的过程中,以最大似然函数L收敛为目标,利用设备案例库C′m中的数据迭代确定隐马尔科夫模型的最优参数λ*=(π*,A*,B*);当设备案例库C′作为训练样本时,在隐马尔科夫模型中,构建对应变压器设备正常状态的隐性节点,在训练的过程中,以最大似然函数L收敛为目标,利用设备案例库C′中的数据迭代确定隐马尔科夫模型的最优参数λ*=(π*,A*,B*);其中,π*表示初始时间点变压器处于不同健康状态下概率,记为为状态转移矩阵,表示变压器设备在t时刻健康状态qt为i时,且t+1时刻健康状态q(t+1)为j的转移概率P(q(t+1)=j|qt=i)的具体数值;溶解气体数据在设备各种运行状态下的概率分布B*={bi(Ot|μi,∑i)},μi表示溶解气体数据分布的均值,∑i表示溶解气体数据分布的协方差矩阵,Ot为t时刻的溶解气体数据,bi(Ot|μi,∑i)表示溶解气体数据分布的概率密度函数,i=1,2…k,j=1,2…k,k为变压器设备的健康状态的数目。5.如权利要求4所述的变压器亚健康状态识别及平均剩余寿命估计方法,其特征在于,对于设备案例库C′m,隐马尔科夫模型对训练所得的参数集按μi的均值进行排序,μi最大的参数集对应设备的故障状态,μi最小的参数集对应设备的健康状态,介于二者之间的参数集对应设备的亚健康状态。6.如权利要求2所述的变压器亚健康状态识别及平均剩余寿命估计方法,其特征在于,所述的最大似然函数L具体...
【专利技术属性】
技术研发人员:华中生,俞鸿涛,范逸文,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。