一种变压器故障预测方法、装置、终端及可读存储介质制造方法及图纸

本发明专利技术提供了一种变压器故障预测方法、装置、终端及可读存储介质，其中，该方法包括：根据采集到的变压器油中溶解的特征气体的历史浓度和历史电气参数建立特征气体的浓度预测模型；利用浓度预测模型对采集到的特征气体的当前浓度和当前电气参数进行处理，得到特征气体的下一时刻浓度；根据特征气体的下一时刻浓度进行故障预测，得到预测故障类型。这种故障预测方法首先分析油溶气体间以及油溶气体和其它电气参数的关联关系，之后建立每一油溶气体基于其它气体和电气参数的浓度预测模型，通过浓度预测模型预测未来任意时刻变压器油溶气体浓度，根据油溶气体浓度进行故障预测，提高了变压器故障预测的精确度。

【技术实现步骤摘要】
一种变压器故障预测方法、装置、终端及可读存储介质
本专利技术涉及变电站设备监测领域，具体涉及一种变压器故障预测方法、装置、终端及可读存储介质。
技术介绍
随着电网容量的不断扩大，电力变压器作为电力系统的核心设备之一，承担连接不同电压等级线路、电压转化与电能分配的重要功能。而由于变压器在制造、工艺、运输、安装及使用过程中面临多种潜在的缺陷与意外，以及运行中承受多种不同的物理场应力，导致电力变压器在正常老化及异常操作条件下不可避免的出现各类故障，导致电能供应中断，影响正常的工业生产、日常生活、社会秩序等，造成巨大的经济损失。因此，为了整个电网的安全运行，对变压器运行状态及其早期潜伏性故障进行监测和诊断对保障电力系统稳定、可靠供电具有重要意义。油中溶解气体分析方法(DissolvedGasAnalysis，DGA)通过气体组份比值及相对占比进行变压器的故障监测，由于易操件、不受电磁影响，是目前国内外使用最为广泛的变压器故障诊断及预测方法。近几年，国内外研究学者应用人工神经网络、专家系统、模糊理论等建立相应数学模型，结合油中溶解气体特征量对变压器故障进行诊断探索，也取得了一定的成效。但DGA浓度预测模型大多采用气体的历史浓度数据作为输入层、未来任意时刻的气体浓度作为输出层，这样便使得浓度预测模型不够全面、客观，导致变压器故障预测结果不够精确。
技术实现思路
因此，本专利技术要解决的技术问题在于克服现有技术中的变压器故障预测不够精确的缺陷。为此，本专利技术提供如下技术方案：本专利技术第一方面，提供一种变压器故障预测方法，包括如下步骤：根据采集到的变压器油中溶解的特征气体的历史浓度和历史电气参数建立所述特征气体的浓度预测模型；利用所述浓度预测模型对采集到的所述特征气体的当前浓度和当前电气参数进行处理，得到所述特征气体的下一时刻浓度；根据所述特征气体的下一时刻浓度进行故障预测，得到预测故障类型。可选地，在所述根据采集到的变压器油中溶解的特征气体的历史浓度和历史电气参数建立所述特征气体的浓度预测模型的步骤中，包括：获取变压器预设时间内所述特征气体的历史浓度和历史电气参数；对所述历史浓度和历史电气参数进行标准化处理得到相关性交叉表；根据所述相关性交叉表获取所述特征气体中每一种气体的自变量；根据所述每一种气体的自变量建立每一种气体的浓度预测模型。可选地，利用支持向量机算法建立所述每一种气体的浓度预测模型。可选地，所述特征气体包括H2、CH4、C2H6、C2H4和C2H2。可选地，所述电气参数包括油温和负荷。可选地，在根据所述特征气体的下一时刻浓度进行故障预测，得到预测故障类型的步骤中，包括：获取所述特征气体的故障诊断模型；利用所述故障诊断模型对所述特征气体的下一时刻浓度进行处理，得到预测故障类型。可选地，在所述获取特征气体的故障诊断模型的步骤中，包括：获取变压器故障案例，所述故障案例包括所述变压器油中溶解的所述特征气体的类型、数值及所述变压器设备状态类型；将所述变压器故障案例进行处理得到训练数据集和测试数据集；根据所述训练数据集和所述测试数据集建立所述故障诊断模型。可选地，利用C5.0分类决策树算法建立所述故障诊断模型，并利用C5.0分类决策树的后修剪算法对所述故障诊断模型进行优化。本专利技术第二方面，提供一种变压器故障预测装置，包括：第一处理模块，用于根据采集到的变压器油中溶解的特征气体的历史浓度和历史电气参数建立所述特征气体的浓度预测模型；第二处理模块，用于利用所述浓度预测模型对采集到的所述特征气体的当前浓度和当前电气参数进行处理，得到所述特征气体的下一时刻浓度；第三处理模块，用于根据所述特征气体的下一时刻浓度进行故障预测，得到预测故障类型。可选地，所述第一处理模块包括：第一获取单元，用于获取变压器预设时间内特征气体的历史浓度和历史电气参数；第一处理单元，用于对所述历史浓度和历史电气参数进行标准化处理得到相关性交叉表；第二获取单元，用于根据所述相关性交叉表获取所述特征气体中每一种气体的自变量；第二处理单元，用于根据所述每一种气体的自变量建立每一种气体的浓度预测模型。可选地，所述第三处理模块包括：第三获取单元，用于获取特征气体的故障诊断模型；第三处理单元，用于利用所述故障诊断模型对所述特征气体的下一时刻浓度进行处理，得到预测故障类型。可选地，所述第三获取单元包括：第一获取次单元，用于获取变压器故障案例，所述故障案例包括变压器油中溶解的所述特征气体的类型、数值及变压器设备状态类型；第一处理次单元，用于将所述变压器故障案例进行处理得到训练数据集和测试数据集；第二处理次单元，用于根据所述训练数据集和所述测试数据集建立所述故障诊断模型。本专利技术第三方面，提供一种终端，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行本专利技术第一方面任一所述的方法。本专利技术第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现本专利技术第一方面任一所述方法的步骤。本专利技术技术方案，具有如下优点：本专利技术提供了一种变压器故障预测方法、装置、终端及可读存储介质，其中，该方法包括：根据采集到的变压器油中溶解的特征气体的历史浓度和历史电气参数建立所述特征气体的浓度预测模型；利用所述浓度预测模型对采集到的所述特征气体的当前浓度和当前电气参数进行处理，得到所述特征气体的下一时刻浓度；根据所述特征气体的下一时刻浓度进行故障预测，得到预测故障类型。这种故障预测方法首先分析油溶气体间以及油溶气体和其它电气参数的关联关系，之后建立每一油溶气体基于其它气体和电气参数的浓度预测模型，通过浓度预测模型预测未来任意时刻变压器油溶气体浓度，根据油溶气体浓度进行故障预测，提高了变压器故障预测的精确度。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例中变压器故障预测方法的一个具体示例的流程图；图2为本专利技术实施例中变压器故障预测方法的另一个具体示例的流程图；图3为本专利技术实施例中变压器故障预测方法的另一个具体示例的流程图；图4为本专利技术实施例中变压器故障预测方法的另一个具体示例的流程图；图5为本专利技术实施例中变压器故障预测方法的另一个具体示例的流程图；图6为本专利技术实施例中变压器故障预测装置的一个具体示例的框图；图7为本专利技术实施例中终端的结构示意图。具体实施方式下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件本文档来自技高网...

【技术保护点】
一种变压器故障预测方法，其特征在于，包括如下步骤：根据采集到的变压器油中溶解的特征气体的历史浓度和历史电气参数建立所述特征气体的浓度预测模型；利用所述浓度预测模型对采集到的所述特征气体的当前浓度和当前电气参数进行处理，得到所述特征气体的下一时刻浓度；根据所述特征气体的下一时刻浓度进行故障预测，得到预测故障类型。

【技术特征摘要】
1.一种变压器故障预测方法，其特征在于，包括如下步骤：根据采集到的变压器油中溶解的特征气体的历史浓度和历史电气参数建立所述特征气体的浓度预测模型；利用所述浓度预测模型对采集到的所述特征气体的当前浓度和当前电气参数进行处理，得到所述特征气体的下一时刻浓度；根据所述特征气体的下一时刻浓度进行故障预测，得到预测故障类型。2.根据权利要求1所述的变压器故障预测方法，其特征在于，在所述根据采集到的变压器油中溶解的特征气体的历史浓度和历史电气参数建立所述特征气体的浓度预测模型的步骤中，包括：获取变压器预设时间内所述特征气体的历史浓度和历史电气参数；对所述历史浓度和历史电气参数进行标准化处理得到相关性交叉表；根据所述相关性交叉表获取所述特征气体中每一种气体的自变量；根据所述每一种气体的自变量建立每一种气体的浓度预测模型。3.根据权利要求2所述的变压器故障预测方法，其特征在于，利用支持向量机算法建立所述每一种气体的浓度预测模型。4.根据权利要求1-3任一所述的变压器故障预测方法，其特征在于，所述特征气体包括H2、CH4、C2H6、C2H4和C2H2。5.根据权利要求1-4任一所述的变压器故障预测方法，其特征在于，所述电气参数包括油温和负荷。6.根据权利要求1-5任一所述的变压器故障预测方法，其特征在于，在根据所述特征气体的下一时刻浓度进行故障预测，得到预测故障类型的步骤中，包括：获取所述特征气体的故障诊断模型；利用所述故障诊断模型对所述特征气体的下一时刻浓...

【专利技术属性】
技术研发人员：陈其鹏，饶玮，郑晓崑，周爱华，胡斌，梁潇，
申请(专利权)人：全球能源互联网研究院有限公司，国家电网公司，
类型：发明
国别省市：北京,11