基于油系统油温估计的调相机潜伏性缺陷诊断方法和装置制造方法及图纸

本发明专利技术公开了一种基于油系统油温估计的调相机潜伏性缺陷诊断方法和装置，属于调相机故障诊断技术领域，包括以下步骤：（1）调相机油系统油温归一化处理；（2）基于气象因素的调相机油系统油温历史样本初分类；（3）基于油温特性的调相机油系统油温历史样本再分类；（4）基于时间因素的调相机油系统油温历史样本末分类；（5）调相机油系统油温预测；（6）调相机潜伏性缺陷诊断。该方法基于气象、油温和时间三个因素对油系统油温历史样本进行三次分类后，选择得到了相似日，并利用BP神经网络和油温趋势变化法实现了油系统油温的预测，有效提高了油系统油温的预测精度，实现了调相机内部潜伏性缺陷诊断，提高了调相机的安全运行水平。

【技术实现步骤摘要】
基于油系统油温估计的调相机潜伏性缺陷诊断方法和装置
本专利技术涉及一种基于油系统油温估计的调相机潜伏性缺陷诊断方法和装置，属于调相机故障诊断

技术介绍
随着我国经济的快速增长，特高压输变工程得以全面建设，变压器、电抗器、断路器等核心电力设备在特高压电网大量运用，提高此类设备的可靠性对保证国内经济发展具有重要意义。近年来，随着特高压直流输电工程的大量建设，为满足“大直流输电、强无功支撑”的迫切需求，调相机凭借其快速动态无功调节和短时过载能力，在电力系统得到了广泛的应用。目前，针对调相机已有一定研究，主要集中在结构原理、运行分析、故障诊断等方面。作为一种大型旋转设备，调相机配置了专用的油系统，主要起到润滑作用。调相机运行时，长期处于高速旋转状态，设备极易发生故障，因此开展调相机故障诊断的研究具有重要意义。在现有的研究中，主要是基于振动噪声来判断调相机故障，但振动噪声容易受到外界环境的干扰，使得调相机故障诊断准确性不高，经常出现误报故障的情况。为解决上述问题，亟需研究一种新的调相机故障诊断方法。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术提供了一种基于油系统油温估计的调相机潜伏性缺陷诊断方法和装置，解决了调相机故障诊断基于振动噪声来判断不准确的问题。技术方案：为解决上述技术问题，本专利技术采用的技术方案为：一种基于油系统油温估计的调相机潜伏性缺陷诊断方法，其特征在于，包括以下步骤：对历史样本中调相机油系统油温归一化处理，得到历史样本中归一化后的调相机油系统油温；基于气象因素对调相机油系统油温历史样本初分类；基于油温特性对调相机油系统油温历史样本再分类；基于时间因素对调相机油系统油温历史样本末分类，得到历史样本预测集；基于历史样本中归一化后的调相机油系统油温和历史样本预测集对待预测日调相机油系统油温进行预测；根据待预测日调相机油系统油温预测值，对调相机潜伏性缺陷诊断。进一步的，所述对历史样本中调相机油系统油温归一化处理，包括步骤：(1)将历史样本中调相机油系统各时刻油温的平均值作为基准油温：式中，B表示基准油温，Mlk表示第l时刻第k个样本日的油系统油温值，N表示样本日对应的时刻数量，kmax表示历史样本的数量；(2)利用历史样本各时刻油系统油温减去基准油温，得到第l时刻第k个样本日的油系统新的油温Mlk’：M′lk＝Mlk-B(3)对Mlk’进行归一化处理：式中，Mlk”表示油系统归一化油温，C0表示归一化系数。进一步的，所述基于气象因素对调相机油系统油温历史样本初分类，包括：(1)选择温度、风速、光照和降雨4种因素作为气象因素的研究对象；(2)计算基于相关性大小优化的欧式距离：式中，Eijk表示经第j次迭代后第k个样本与第i个分类中心的距离，Wijl表示经第j次迭代后的第i个分类中心第l时刻的温度值，Wlk表示第l时刻第k个样本日的温度值，xW表示温度相关系数；Fijl表示经第j次迭代后的第i个分类中心第l时刻的风速值，Flk表示第l时刻第k个样本日的风速值，xF表示风速相关系数；Gijl表示经第j次迭代后的第i个分类中心第l时刻的光照值，Gk表示第l时刻第k个样本日的光照值，xG表示光照相关系数；Jijl表示经第j次迭代后的第i个分类中心第l时刻的降雨值，Jlk表示第l时刻第k个样本日的降雨值，xJ表示降雨相关系数；(3)将历史样本按照最小距离原则分配给两个分类中心：(4)根据样本划分结果构建新的分类中心，新的分类中心为该分类中所有样本的平均值；(5)建立目标评价函数：Gj表示第j次迭代的目标评价函数；当目标评价函数取得最小值时，迭代完成，此时的分类结果即为最优分类；当目标评价函数未取得最小值时，重新回到步骤(1)继续迭代；(6)基于气象因素分类后，历史样本被分为两类，其中待预测日所在类为相似类Con1，另一类则为非相似类Con2。进一步的，所述基于油温特性对调相机油系统油温历史样本再分类，包括：基于油温大小对Con1进行再分类时，形成两个分类分别为Con1a1和Con1a2，Con1a1中对应的样本数量为Na1，Con1a2中对应的样本数量为Na2，则：1)当Na1>Na2时，则认为Con1a1为基于油温大小的相似类Con1a，Na1为基于油温大小的分类样本数Na，而Con1a2为基于油温大小的非相似类；2)当Na1<Na2时，则认为Con1a2为基于油温大小的相似类Con1a，Na2为基于油温大小的分类样本数Na，而Con1a1为基于油温大小的非相似类；3)当Na1＝Na2时，则认为Con1a1+Con1a2为基于油温大小的相似类Con1a，Na1+Na2为基于油温大小的分类样本数Na，没有基于油温大小的非相似类；基于油温变化率对Con1进行再分类时，形成两个分类分别为Con1b1和Con1b2，Con1b1中对应的样本数量为Nb1，Con1b2中对应的样本数量为Nb2，则：1)当Nb1>Nb2时，则认为Con1b1为基于油温变化率的相似类Con1b，Nb1为基于油温变化率的分类样本数Nb，而Con1b2为基于油温变化率的非相似类；2)当Nb1<Nb2时，则认为Con1b2为基于油温变化率的相似类Con1b，Nb2为基于油温变化率的分类样本数Nb，而Con1b1为基于油温变化率的非相似类；3)当Nb1＝Nb2时，则认为Con1b1+Con1b2为基于油温变化率的相似类Con1b，Nb1+Nb2为基于油温变化率的分类样本数Nb，没有基于油温变化率的非相似类。进一步的，所述基于时间因素对调相机油系统油温历史样本末分类，得到历史样本预测集，包括：(1)当Na>Nb时，选择Con1a为研究对象，当Na≥设定样本数量一时，选择距离待预测日时间距离最近的设定样本数量一个样本作为基于油温大小的历史样本相似预测集Conya；当Na<设定样本数量一时，选择全部样本作为基于油温大小的历史样本相似预测集Conya；(2)当Na<Nb时，选择Con1b为研究对象，当Nb≥设定样本数量二时，选择距离待预测日时间距离最近的设定样本数量二个样本作为基于油温变化率的历史样本相似预测集Conyb；当Nb<设定样本数量二时，选择全部样本作为基于油温变化率的历史样本相似预测集Conyb；(3)当Na＝Nb时，选择Con1a和Con1b为研究对象，针对Con1a：当Na≥设定样本数量一时，选择距离待预测样本时间距离最近的20个样本作为基于油温大小的历史样本相似预测集Conya；当Na<设定样本数量一时，选择全部样本作为基于油温大小的历史样本相似预测集Conya；针对Con1b：当Nb≥设定样本数量二时，选择距离待预测时间距离最近的设定样本数量二个样本作为基于油温变本文档来自技高网...

【技术保护点】
1.一种基于油系统油温估计的调相机潜伏性缺陷诊断方法，其特征在于，包括以下步骤：/n对历史样本中调相机油系统油温归一化处理，得到历史样本中归一化后的调相机油系统油温；/n基于气象因素对调相机油系统油温历史样本初分类；/n基于油温特性对调相机油系统油温历史样本再分类；/n基于时间因素对调相机油系统油温历史样本末分类，得到历史样本预测集；/n基于历史样本中归一化后的调相机油系统油温和历史样本预测集对待预测日调相机油系统油温进行预测；/n根据待预测日调相机油系统油温预测值，对调相机潜伏性缺陷诊断。/n

【技术特征摘要】
1.一种基于油系统油温估计的调相机潜伏性缺陷诊断方法，其特征在于，包括以下步骤：
对历史样本中调相机油系统油温归一化处理，得到历史样本中归一化后的调相机油系统油温；
基于气象因素对调相机油系统油温历史样本初分类；
基于油温特性对调相机油系统油温历史样本再分类；
基于时间因素对调相机油系统油温历史样本末分类，得到历史样本预测集；
基于历史样本中归一化后的调相机油系统油温和历史样本预测集对待预测日调相机油系统油温进行预测；
根据待预测日调相机油系统油温预测值，对调相机潜伏性缺陷诊断。


2.根据权利要求1所述的一种基于油系统油温估计的调相机潜伏性缺陷诊断方法，其特征在于：所述对历史样本中调相机油系统油温归一化处理，包括步骤：
(1)将历史样本中调相机油系统各时刻油温的平均值作为基准油温：



式中，B表示基准油温，Mlk表示第l时刻第k个样本日的油系统油温值，N表示样本日对应的时刻数量，kmax表示历史样本的数量；
(2)利用历史样本各时刻油系统油温减去基准油温，得到第l时刻第k个样本日的油系统新的油温Mlk’：
M′lk＝Mlk-B
(3)对Mlk’进行归一化处理：



式中，Mlk”表示油系统归一化油温，C0表示归一化系数。


3.根据权利要求1所述的一种基于油系统油温估计的调相机潜伏性缺陷诊断方法，其特征在于：所述基于气象因素对调相机油系统油温历史样本初分类，包括：
(1)选择温度、风速、光照和降雨4种因素作为气象因素的研究对象；
(2)计算基于相关性大小优化的欧式距离：



式中，Eijk表示经第j次迭代后第k个样本与第i个分类中心的距离，Wijl表示经第j次迭代后的第i个分类中心第l时刻的温度值，Wlk表示第l时刻第k个样本日的温度值，xW表示温度相关系数；Fijl表示经第j次迭代后的第i个分类中心第l时刻的风速值，Flk表示第l时刻第k个样本日的风速值，xF表示风速相关系数；Gijl表示经第j次迭代后的第i个分类中心第l时刻的光照值，Gk表示第l时刻第k个样本日的光照值，xG表示光照相关系数；Jijl表示经第j次迭代后的第i个分类中心第l时刻的降雨值，Jlk表示第l时刻第k个样本日的降雨值，xJ表示降雨相关系数；
(3)将历史样本按照最小距离原则分配给两个分类中心：



(4)根据样本划分结果构建新的分类中心，新的分类中心为该分类中所有样本的平均值；
(5)建立目标评价函数：



Gj表示第j次迭代的目标评价函数；当目标评价函数取得最小值时，迭代完成，此时的分类结果即为最优分类；当目标评价函数未取得最小值时，重新回到步骤(1)继续迭代；
(6)基于气象因素分类后，历史样本被分为两类，其中待预测日所在类为相似类Con1，另一类则为非相似类Con2。


4.根据权利要求3所述的一种基于油系统油温估计的调相机潜伏性缺陷诊断方法，其特征在于：所述基于油温特性对调相机油系统油温历史样本再分类，包括：
基于油温大小对Con1进行再分类时，形成两个分类分别为Con1a1和Con1a2，Con1a1中对应的样本数量为Na1，Con1a2中对应的样本数量为Na2，则：
1)当Na1>Na2时，则认为Con1a1为基于油温大小的相似类Con1a，Na1为基于油温大小的分类样本数Na，而Con1a2为基于油温大小的非相似类；
2)当Na1<Na2时，则认为Con1a2为基于油温大小的相似类Con1a，Na2为基于油温大小的分类样本数Na，而Con1a1为基于油温大小的非相似类；
3)当Na1＝Na2时，则认为Con1a1+Con1a2为基于油温大小的相似类Con1a，Na1+Na2为基于油温大小的分类样本数Na，没有基于油温大小的非相似类；
基于油温变化率对Con1进行再分类时，形成两个分类分别为Con1b1和Con1b2，Con1b1中对应的样本数量为Nb1，Con1b2中对应的样本数量为Nb2，则：
1)当Nb1>Nb2时，则认为Con1b1为基于油温变化率的相似类Con1b，Nb1为基于油温变化率的分类样本数Nb，而Con1b2为基于油温变化率的非相似类；
2)当Nb1<Nb2时，则认为Con1b2为基于油温变化率的相似类Con1b，Nb2为基于油温变化率的分类样本数Nb，而Con1b1为基于油温变化率的非相似类；
3)当Nb1＝Nb2时，则认为Con1b1+Con1b2为基于油温变化率的相似类Con1b，Nb1+Nb2为基于油温变化率的分类样本数Nb，没有基于油温变化率的非相似类。


5.根据权利要求4所述的一种基于油系统油温估计的...

【专利技术属性】
技术研发人员：陈昊，谭风雷，邓伟，韩伟，宋金山，周永荣，张兆君，崔晓祥，
申请(专利权)人：国网江苏省电力有限公司检修分公司，
类型：发明
国别省市：江苏;32