The invention relates to the electric power system and the field of automation, in particular to a method of evaluating the state of the transformer insulation defect considering the influence of the load rate. To get data from the electric network monitoring platform transformer load rate data related to history, real-time data, construct the transformer load rate history, real-time data of the K parabolic type fuzzy set; the distribution transformer insulation defect state into several characteristic parameters of characteristic value of fuzzy processing and constructing membership function and construction of insulating oil; K parabolic oil insulation defect state feature class fuzzy set; oil test data processing and construction of fuzzy membership function, and construct the K parabolic oil test class fuzzy set; finally constructs the test class and feature class probability fuzzy similarity function between sets, the transformer insulation defect state and accurate assessment.
【技术实现步骤摘要】
一种考虑负载率影响的变压器绝缘缺陷状态评估方法
本专利技术涉及电力系统及其自动化领域,尤其涉及一种考虑负载率影响的变压器绝缘缺陷状态评估方法。
技术介绍
传统配网主设备的事后维修和定期计划检修往往需要投入大量的人为、物力,而且维修的性价比不高。有大量资料的统计研究表明,随着设备自动化程度的提高,与时间相关的设备的故障模式只占设备所有故障模式的6%,因此基于时间的定期维修策略只对6%的设备故障模式有效。以定期维修为主结合经验决定延长或缩短检修周期的维修方式,取得了一定的效果。随着电力设备数量与日俱增,设备间关联关系日趋复杂,社会对供电可靠性要求越来越高,安排停电检修日益困难;配电网设备量多面广、运行状态复杂多变,难以及时检测和评估配网主设备状态,以往检修策略更多地重视试验数据而很少重视运行数据,无法适应日趋精益化的状态检修管理要求。配电变压器数量多,会存在不同程度的劣化、劣化、缺陷并具有家族性和隐蔽性,难以得到及时检测和评估。因运行年限、环境、检修等有很大差异并受多因素影响,增加了配电变压器运行健康状态评价的难度和复杂性,无法满足精准化和智能化评价的更高要求。配电变压器安全可靠运行首先要有严格质量保障,还要有足够的维护和检修保证。虽然定期预防性检修能够在一定程度上预防劣化、劣化或缺陷问题所导致的故障事故事件的发生,但是很难发现潜在性、隐蔽性极强的缺陷等。故障检修是一种被动的检修模式,具有极大的压力和不确定性,也容易导致过修或失修的问题。状态检修具有针对性和合理性,能够有效克服定期检修造成的过修和失修的问题,能够防范配电设备劣化、劣化或缺陷问题的扩大化和严重化 ...
【技术保护点】
一种考虑负载率影响的变压器绝缘缺陷状态评估方法,其特征在于,包括以下步骤:S1:构建变压器负载率历史数据的k次抛物型模糊集;S2:构建变压器负载率实时数据的k次抛物型模糊集;S3:油绝缘缺陷状态特征类数据的模糊化处理及隶属度函数的构建;S4:构建油绝缘缺陷状态特征类的k次抛物型模糊集;S5:油试验数据的模糊化处理及隶属度函数的构建;S6:构建油试验类的k次抛物型模糊集;S7:构建试验类与特征类概率模糊集之间的相似度函数;S8:变压器绝缘缺陷状态评估。
【技术特征摘要】
1.一种考虑负载率影响的变压器绝缘缺陷状态评估方法,其特征在于,包括以下步骤:S1:构建变压器负载率历史数据的k次抛物型模糊集;S2:构建变压器负载率实时数据的k次抛物型模糊集;S3:油绝缘缺陷状态特征类数据的模糊化处理及隶属度函数的构建;S4:构建油绝缘缺陷状态特征类的k次抛物型模糊集;S5:油试验数据的模糊化处理及隶属度函数的构建;S6:构建油试验类的k次抛物型模糊集;S7:构建试验类与特征类概率模糊集之间的相似度函数;S8:变压器绝缘缺陷状态评估。2.根据权利要求1所述的一种考虑负载率影响的变压器绝缘缺陷状态评估方法,其特征在于,步骤S1构建变压器负载率历史数据的k次抛物型模糊集的过程为:从电网监控数据平台获取变压器负载率历史数据的相关数据信息,构建变压器负载率历史数据的k次抛物型模糊集:fH=[(fH1,fH2,fH3,fH4;kfH)式中fH为变压器负载率历史数据的k次抛物型模糊集,kfH为变压器负载率历史数据的k次抛物型模糊集的隶属度系数,fHj(j=1,2,3,4)分别为变压器负载率历史数据的k次抛物型模糊集的模糊数。3.根据权利要求1所述的一种考虑负载率影响的变压器绝缘缺陷状态评估方法,其特征在于,步骤S2构建变压器负载率实时数据的k次抛物型模糊集过程如下;从电网监控数据平台获取变压器负载率实时数据的相关数据信息,构建变压器负载率实时数据的k次抛物型模糊集:fN=[(fN1,fN2,fN3,fN4;kfN)式中fN为变压器负载率实时数据的k次抛物型模糊集,kfN为变压器负载率实时数据的k次抛物型模糊集的隶属度系数,fNj(j=1,2,3,4)分别为变压器负载率实时数据的k次抛物型模糊集的模糊数。4.根据权利要求1所述的一种考虑负载率影响的变压器绝缘缺陷状态评估方法,其特征在于,步骤S3油绝缘缺陷状态特征类数据的模糊化处理及隶属度函数的构建过程如下;油绝缘缺陷状态特征类描述的是配电变压器绝缘油进入绝缘缺陷状态时若干个特征参量特征值的组合,从公开文献中收集配电变压器绝缘油绝缘缺陷状态评估所涉及参量及其特征值,构建配电变压器绝缘油绝缘缺陷状态特征类其中NS为配电变压器绝缘油绝缘缺陷状态特征类的数量,油绝缘缺陷状态特征类具有不同的特征空间,包括油介质损耗、油中含水量、油中含气量、油击穿电压、油体积电阻率、油电导率、油中酸值、油破坏电压、油总酸值、油中糠醛量、油色泽、纸介质损耗、纸中含水量、纸击穿电压、纸电导率、纸中酸值、纸聚合度、纸总酸值、纸中糠醛量、纸色泽、H2含量、C2H2含量、C2H6含量、C2H4含量、CH4含量、CO相对产气速率、CO2相对产气速率、总烃、铁心绝缘电阻、铁心接地电流、绕组直流电阻、绝缘电阻吸收比、绕组直流电阻及其不平衡率、绕组短路阻抗初值差、绕组绝缘介质损耗、绕组电容量初值差、高压侧A相电容值、高压侧B相电容值、高压侧C相电容值、低压侧a相电容值、低压侧b相电容值、低压侧c相电容值、典型负荷时热点温度、高负荷时热点温度、油温、局部放电量数共47个特征参量的组合,假设第m(m=1,2,3,...,NS)个油绝缘缺陷状态特征类Sm含有n(n=1,2,3,...,NSm)个特征参量,各个特征参量的特征数据集xSmn,通过大数据处理可以得到第m个油绝缘缺陷状态特征类Sm的数据集xSm为:第m个油绝缘缺陷状态特征类Sm的第n个特征参量的特征数据集xSmn可表示为:式中NSmn为第m个油绝缘缺陷状态特征类Sm的第n个特征参量的特征数据集xSmn数据的数量,对于不同参量NSmn会有不同数值,假设表征配电变压器油绝缘缺陷状态特征水平有极低、很低、低、较低、中等、较高、高、很高、极高9个模糊不确定性,其数学表示为:ASmn={ASmn1,ASmn2,ASmn3,ASmn4,ASmn5,ASmn6,ASmn7,ASmn8,ASmn9}式中ASmn1、ASmn2、ASmn3、ASmn4、ASmn5、ASmn6、ASmn7、ASmn8、ASmn9分别表示配电变压器油绝缘缺陷状态极低、很低、低、较低、中等、较高、高、很高、极高的特征水平,其具有k次抛物型分布特性的模糊集的隶属度函数为:式中为配电变压器油绝缘缺陷状态水平i(i=1,2,...,9)具有k次抛物型分布特性的特征隶属度函数,分别为具有k次抛物型模糊集分布特性的油绝缘缺陷状态水平i(i=1,2,...,9)特征隶属度函数的特征系数,x为第m个油绝缘缺陷状态特征类Sm的第n个特征参量的特征数据集xSmn的数据,对于第m个油绝缘缺陷状态特征类Sm的第n个特征参量的特征数据集xSmn,配电变压器油绝缘缺陷状态水平i(i=1,2,...,9)的k次抛物型模糊集的特征隶属度函数为:
【专利技术属性】
技术研发人员:邹志强,吴杰康,陶飞达,曾振达,张丽平,黄智鹏,杨夏,
申请(专利权)人:广东电网有限责任公司河源供电局,广东工业大学,
类型:发明
国别省市:广东,44
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。