一种变压器油色谱在线监测装置预测性维护方法及系统制造方法及图纸

本发明专利技术公开了一种变压器油色谱在线监测装置预测性维护方法及系统，采用B‑EMD对油色谱进行数据拟合与经验模态分析，获得油色谱有效性评价参量，采用基于多维DBN的油色谱数据有效性分析网络，对油色谱数据的模态特征进行有效性评估，最后通过综合权重因子排序网络对不用维度综合加权得到油色谱数据有效性综合评价结果，从而实现对油色谱在线监测装置的运行可靠性评估，从而可以针对性的开展计划检修。

【技术实现步骤摘要】
一种变压器油色谱在线监测装置预测性维护方法及系统
本专利技术属于电力设备故障诊断领域，具体涉及一种基于多尺度深度特征学习的变压器油色谱在线监测装置预测性维护方法。
技术介绍
电力变压器作为电力系统最关键的设备，其可靠性直接关系到电力系统的运行安全。目前，变压器油中溶解气体分析(dissolvedgasanalysis，DGA)(简称油色谱分析)作为监测和诊断变压器缺陷和潜伏性故障的有效手段已经广泛地应用在电力变压器状态监测中，各省电网也部署了大量的油色谱在线监测装置，通过在线地分析电力变压器油中溶解气体的成分和含量，评估变压器的运行状态以可以提前发现其潜伏性故障，降低停电风险。但是，由于目前油色谱在线监测装置的运行寿命远低于电力变压器本体的运行寿命，而且油色谱在线监测装置大多安装在户外，运行环境恶劣，存在大量由于死油、脱气装置老化、光谱仪偏差等因素造成的油色谱分析精度下降甚至数据失真案例，从而大大降低了油色谱监测数据的可靠性与可信度。并且，油色谱装置的现场定期校验工作存在仪器操作复杂，人员专业要求高等限制因素，使得油色谱在线监测装置现场运行后全面的定期校验在实际推广中存在极大困难，因此亟需对油色谱在线监测装置开展预测性维护研究。与传统预防性维护相比，预测性维护不是基于固定维护周期，而是利用现场在线监测测量数据和相应的数据评估，进而针对现场高风险的油色谱在线监测设备进行提前校验和维修，从而在检修资源有限的情况下降低油色谱在线监测设备故障率。
技术实现思路
专利技术目的：为填补现有技术对油色谱在线监测装置预测性维护方法的空缺，本专利技术提供了一种基于多尺度深度特征学习的变压器油色谱在线监测装置预测性维护方法。技术方案：一种变压器油色谱在线监测装置预测性维护方法，包括以下步骤：S100：对油色谱在线监测装置监测得到的油色谱数据进行数据拟合与经验模态分析，得到多个IMF数据；S200：对多个IMF数据进行逐层特征提取，得到特征信号；S300：将S200中特征信号进行权重因子排序，得到油色谱在线监测装置的运行可靠性结果。进一步的，所述S100具体包括以下子步骤：对油色谱在线监测装置监测得到的油色谱数据进行B样条拟合，得到B样条拟合曲线；将B样条拟合曲线进行EMD分解，得到多个IMF数据。进一步的，所述的对油色谱数据进行B样条拟合，得到B样条拟合曲线，包括以下步骤：S110：设油色谱监测序列u＝{u0,u1,u2,…,un+p}，采用Cox-deBoor递归公式计算得到p阶B样条函数Bj,p：式中，Bj,p为p阶B样条函数，Bj,1为1阶B样条函数，uj为第j个油色谱监测序列，uj+1为第j+1个油色谱监测序列，uj+p为第j+p个油色谱监测序列，uj+p-1为第j+p-1个油色谱监测序列，Bj,p-1为p-1阶B样条函数，Bj+1,p-1为p-1阶B样条函数；S120：引入ε(t)，并通过ε(t)的最小二乘求取B样条拟合中待求解参数cj：式中，y(t)为原始油色谱数据曲线，g(t)为p阶B样条拟合曲线，cj为待求解参数，Bj,p为p阶B样条函数；S130：基于p阶B样条函数Bj,p和B样条拟合中待求解参数cj，得到p阶B样条拟合曲线g(t)：式中，Bj,p为p阶B样条函数，cj为S120中求解得到的参数。进一步的，S200中的DBN网络包括多个RBM单元，每层所述RBM单元均由可视层v∈{0,1}D和隐含层h∈{0,1}M构成，其中，D和M为期变量的维数。进一步的，所述S200包括：将多个IMF数据分别输入至对应的DBN网络中进行逐层特征提取，得到特征信号；所述DBN网络包括多个RBM单元，每层所述RBM单元均由可视层v∈{0,1}D和隐含层h∈{0,1}M构成，其中，D和M为期变量的维数。所述DBN网络的建立步骤为：S210：定义每一层RBM单元中的可视层v∈{0,1}D和隐含层h∈{0,1}M之间的能量函数：式中，θ为RBM单元参数θ＝{W,b,a}，Wij表示第i个可视层节点vi和第i个隐藏层节点hj之间的权重，aj,bi为RBM单元的偏置系数，vi为第i个可视层节点，hj为第i个隐藏层节点，D为可视层维度，M为隐含层维度；基于能量函数，得到单个RBM单元，表示为：式中，p*表示未归一化的概率函数，Z(θ)表示配分函数；S220：基于单个RBM单元，构建得到DBN网络；S230：采用未标记的IMF样本对构建得到的DBN网络进行预训练，得到训练后的DBN网络；S240：通过标记的IMF样本对训练后的DBN网络进行微调，得到最终可使用的DBN网络。进一步的，S230中的采用未标记的IMF样本对构建得到的DBN网络进行预训练，得到训练后的DBN网络，包括：S231：采用RBM参数训练算法对第一层RBM单元进行训练，得到θ＝{W,b,a}；S232：将第一层RBM单元中的参数θ作为第一层RBM单元的输入；S233：采用RBM参数训练算法对第二层RBM单元进行训练；S234：以此类推，直至完成最后一层RBM单元的训练，得到训练后的DBN网络。进一步的，所述RBM参数训练算法描述为：式中，ε(·)表示学习效率函数；<·>data表示训练样本的数学期望函数，<·>k、Δwij、Δbi、Δai分别表示对训练样本进行k次Gibbs采样后的数学期望函数、更新权重和更新偏执量，vi为第i个可视层节点，hi和hj分别为第i个、第j个隐藏层节点；基于θ＝{W,b,a}，得到训练后的RBM单元参数。进一步的，S240中的通过标记样本对训练后的DBN网络进行微调，得到最终可使用的DBN网络，包括：将DBN网络中的最后一层RBM单元的输出作为训练后的DBN网络的输入，通过BP反向传播算法由后向前对训练后的DBN网络进行训练，得到最终可使用的DBN网络。进一步的，所述S300具体包括：将S200中特征信号输入至权重因子排序网络中进行权重因子排序，得到油色谱在线监测装置的运行可靠性结果；所述权重因子排序网络表示为：式中，S为标记的最终结果，Yn为DBN网络的置信度输出，αn为权值。本专利技术还公开了一种变压器油色谱在线监测装置预测性维护系统，包括：数据拟合与经验模态分析模块，用于采用B-EMD油色谱数据拟合与经验模态分析方法对输入的油色谱数据进行数据拟合与经验模态分析，得到多个IMF数据；多个DBN网络模块，用于对对应输入的IMF数据进行逐层特征提取，得到特征信号；权重因子排序网络模块，用于对DBN网络模块输出的特征信号进行权重因子排序，得到油色谱在线监测装置的运行可靠性结果。有益效果：本专利技术与现有技术相比，具有以下优点：1、本专利技术针对本文档来自技高网...

【技术保护点】
1.一种变压器油色谱在线监测装置预测性维护方法，其特征在于：包括以下步骤：/nS100：对油色谱在线监测装置监测得到的油色谱数据进行数据拟合与经验模态分析，得到多个IMF数据；/nS200：对多个IMF数据进行逐层特征提取，得到特征信号；/nS300：将S200中特征信号进行权重因子排序，得到油色谱在线监测装置的运行可靠性结果。/n

【技术特征摘要】
1.一种变压器油色谱在线监测装置预测性维护方法，其特征在于：包括以下步骤：
S100：对油色谱在线监测装置监测得到的油色谱数据进行数据拟合与经验模态分析，得到多个IMF数据；
S200：对多个IMF数据进行逐层特征提取，得到特征信号；
S300：将S200中特征信号进行权重因子排序，得到油色谱在线监测装置的运行可靠性结果。


2.根据权利要求1所述的一种变压器油色谱在线监测装置预测性维护方法，其特征在于：所述S100具体包括以下子步骤：
对油色谱在线监测装置监测得到的油色谱数据进行B样条拟合，得到B样条拟合曲线；
将B样条拟合曲线进行EMD分解，得到多个IMF数据。


3.根据权利要求2所述的一种变压器油色谱在线监测装置预测性维护方法，其特征在于：所述的对油色谱数据进行B样条拟合，得到B样条拟合曲线，包括以下步骤：
S110：设油色谱监测序列u＝{u0,u1,u2,…,un+p}，采用Cox-deBoor递归公式计算得到p阶B样条函数Bj,p：






式中，Bj,p为p阶B样条函数，Bj,1为1阶B样条函数，uj为第j个油色谱监测序列，uj+1为第j+1个油色谱监测序列，uj+p为第j+p个油色谱监测序列，uj+p-1为第j+p-1个油色谱监测序列，Bj,p-1为p-1阶B样条函数，Bj+1,p-1为p-1阶B样条函数；
S120：引入ε(t)，并通过ε(t)的最小二乘求取B样条拟合中待求解参数cj：



式中，y(t)为原始油色谱数据曲线，g(t)为p阶B样条拟合曲线，cj为待求解参数，Bj,p为p阶B样条函数；
S130：基于p阶B样条函数Bj,p和B样条拟合中待求解参数cj，得到p阶B样条拟合曲线g(t)：



式中，Bj,p为p阶B样条函数，cj为S120中求解得到的参数。


4.根据权利要求1所述的一种变压器油色谱在线监测装置预测性维护方法，其特征在于：所述S200包括：
将多个IMF数据分别输入至对应的DBN网络中进行逐层特征提取，得到特征信号；所述DBN网络包括多个RBM单元，每层所述RBM单元均由可视层v∈{0,1}D和隐含层h∈{0,1}M构成，其中，D和M为期变量的维数。


5.根据权利要求4所述的一种变压器油色谱在线监测装置预测性维护方法，其特征在于：所述DBN网络的建立步骤为：
S210：定义每一层RBM单元中的可视层v∈{0,1}D和隐含层h∈{0,1}M之间的能量函数：



式中，θ为RBM单元参数θ＝{W,b,a}，Wij表示第i个可视层节点vi和第i个隐藏层节点hj之间的权重，aj,bi为RBM单元的偏置系数，vi为第i个可视层节点，hj为第i个隐藏层节点，D为可视层维度，M为隐含层维度；
基于能量函数，得到单个RBM单元，表示为：

<...

【专利技术属性】
技术研发人员：贾骏，陶风波，胡成博，黄强，路永玲，秦建华，刘子全，王真，徐阳，
申请(专利权)人：国网江苏省电力有限公司电力科学研究院，国家电网有限公司，江苏省电力试验研究院有限公司，
类型：发明
国别省市：江苏;32