一种立体卷铁心变压器的退火工艺智能监测方法及系统技术方案

本发明专利技术涉及退火工艺监测技术领域，具体涉及一种立体卷铁心变压器的退火工艺智能监测方法及系统。该方法包括：采集预设时间段的参数序列，拟合出多条参数曲线；将参数曲线进行经验模态分解，得到多个内涵模态分量，选取目标内涵模态分量，根据每个剩余内涵模态分量恢复能力的大小计算目标内涵模态分量的重要程度指标；获取重构参数曲线；截取参数子曲线，获取参数子曲线对应的标准变化曲线，计算参数子曲线和标准变化曲线的曲线差异；获取参数曲线对应的噪声曲线，并预测下一时刻的噪声信号，根据曲线差异和下一时刻的噪声信号获取预警指标，当预警指标小于预警阈值时，生成预警信息。本发明专利技术实施例能够避免监测时的误检测，提高预警响应的及时性。高预警响应的及时性。高预警响应的及时性。

【技术实现步骤摘要】
一种立体卷铁心变压器的退火工艺智能监测方法及系统


[0001]本专利技术涉及退火工艺监测
，具体涉及一种立体卷铁心变压器的退火工艺智能监测方法及系统。

技术介绍

[0002]退火是一种对材料的热处理工艺，指的是将材料缓慢加热到一定温度，保持足够时间，然后以适宜速度冷却。
[0003]立体卷铁心变压器是制造和运行双节能型高可靠性的变压器，所带来的低运行成本和社会效益极其显著。在立体卷铁心变压器的生产过程中，铁心的加工是关键的工序之一，其中铁心的退火和浸漆烘干工艺则是最为关键的工序，对变压器的性能、制作起关键作用。
[0004]现有退火工艺监测通常是对于退火工艺参数采用阈值比较的方式监测并进行异常预警，由于传感器设备精度等因素影响，工艺参数可能存在瞬时或极短时间内的波动，进而导致超过所预设的阈值范围，使监测模块出现误检测，影响工作效率。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的目的在于提供一种立体卷铁心变压器的退火工艺智能监测方法及系统，所采用的技术方案具体如下：第一方面，本专利技术一个实施例提供了一种立体卷铁心变压器的退火工艺智能监测方法，该方法包括以下步骤：采集预设时间段的退火工艺参数序列，拟合出多条参数曲线；对于每条所述参数曲线，将所述参数曲线进行经验模态分解，得到多个内涵模态分量，选取目标内涵模态分量，根据每个剩余内涵模态分量恢复能力的大小计算所述目标内涵模态分量的重要程度指标；按照重要程度指标的大小顺序选取预设数量的所述内涵模态分量，叠加得到重构参数曲线；以当前时刻作为截止时刻，向前截取预设时间段的所述重构参数曲线作为参数子曲线，获取所述参数子曲线对应的标准变化曲线，计算所述参数子曲线和所述标准变化曲线的曲线差异；获取所述参数曲线对应的噪声曲线，并预测下一时刻的噪声信号，根据所述曲线差异和下一时刻的噪声信号获取预警指标，当所述预警指标小于预警阈值时，生成预警信息。
[0006]优选的，所述重要程度指标的获取步骤包括：利用所有所述剩余内涵模型分量获取最优恢复曲线，计算所述最优恢复曲线与对应的所述参数曲线之间的欧氏距离，通过对所述欧氏距离进行指数映射获取所述重要程度指标。
[0007]优选的，所述最优恢复曲线的获取过程为：
对每个所述剩余内涵模态分量分配一个随机权重，得到对应的恢复曲线，当所述恢复曲线与对应的所述参数曲线之间的欧氏距离最小时，该恢复曲线为所述最优恢复曲线。
[0008]优选的，所述重要程度指标的获取步骤还包括：根据所述剩余内涵模型分量的获取时序为所述重要程度指标添加系数。
[0009]优选的，所述噪声曲线的获取步骤包括：获取所述参数曲线经过经验模态分解后遗留的残差曲线，将其与未参与获取所述重构参数曲线的内涵模态分量相叠加，得到所述噪声曲线。
[0010]优选的，所述噪声信号的预测过程为：将所述噪声曲线输入时间卷积网络，输出下一时刻的所述噪声信号。
[0011]优选的，所述预警指标的获取过程为：将所述噪声信号进行对数函数的映射作为所述曲线差异的影响系数，所述噪声信号与所述影响系数呈正相关关系；根据所述影响系数与所述曲线差异的乘积获取所述预警指标，所述乘积与所述预警指标呈负相关关系。
[0012]第二方面，本专利技术另一个实施例提供了一种立体卷铁心变压器的退火工艺智能监测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述立体卷铁心变压器的退火工艺智能监测方法的步骤。
[0013]本专利技术实施例至少具有如下有益效果：将参数曲线分解，得到多个内涵模态分量，通过选取目标内涵模态分量，计算剩余内涵模特分量的恢复能力得到目标内涵模态分量的重要程度指标，然后选取重要程度较高的预设数量的内涵模态分量重构参数曲线，能够去除噪声的影响，避免监测时的误检测；利用重构的参数曲线结合噪声判断下一时刻是否需要预警，提高预警响应的及时性。
附图说明
[0014]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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它附图。
[0015]图1为本专利技术一个实施例提供的一种立体卷铁心变压器的退火工艺智能监测方法的步骤流程图。
具体实施方式
[0016]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种立体卷铁心变压器的退火工艺智能监测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0017]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的
技术人员通常理解的含义相同。
[0018]下面结合附图具体的说明本专利技术所提供的一种立体卷铁心变压器的退火工艺智能监测方法及系统的具体方案。
[0019]请参阅图1，其示出了本专利技术一个实施例提供的一种立体卷铁心变压器的退火工艺智能监测方法的步骤流程图，该方法包括以下步骤：步骤S001，采集预设时间段的退火工艺参数序列，拟合出多条参数曲线。
[0020]在立体卷铁心变压器的铁心退火工艺流程中，在退火设备上部署传感器等监测设备，获取退火工艺参数信息，本专利技术实施例中的退火工艺参数包括氢含量、氧含量、炉压、炉内气氛的露点和板温炉温差，在其他实施例中，可以选取上述退火工艺参数中的一个、多个或者增加更多其他参数。
[0021]具体的，通过所部署的传感器等监测设备，在预设时间段内采集退火工艺参数，包括氢含量、氧含量、炉压、炉内气氛的露点和板温炉温差，预设时间段规律设置，不同工艺参数可对应不同时间点间隔，在本专利技术实施例中以板温炉温差为例，其时间点间隔设置为30s，采集固定长度的时间序列，则获取板温炉温差的参数序列，其中，表示第个采集时间点，N表示序列长度，本专利技术实施例中为固定长度值300。
[0022]对所采集的参数序列离散点进行曲线拟合，为保证拟合精度，本专利技术实施例选择10阶曲线进行拟合，拟合后获取参数曲线。
[0023]同理获取其他参数的参数曲线。
[0024]步骤S002，对于每条参数曲线，将参数曲线进行经验模态分解，得到多个内涵模态分量，选取目标内涵模态分量，根据剩余内涵模态分量恢复能力的大小计算目标内涵模态分量的重要程度指标。
[0025]具体的步骤包括：1.将每条参数曲线分别进行经验模态分解（EMD）。
[0026]对多维度的工艺参数曲线分别进行处理，本专利技术实施例仍以板温炉温差对应的参数曲线为例，进行经验模态分解（EMD），具体的过程为：i. 获取参数曲线的上、下极值点，分别连接上、下极值点，画出上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种立体卷铁心变压器的退火工艺智能监测方法，其特征在于，该方法包括以下步骤：采集预设时间段的退火工艺参数序列，拟合出多条参数曲线；对于每条所述参数曲线，将所述参数曲线进行经验模态分解，得到多个内涵模态分量，选取目标内涵模态分量，根据剩余内涵模态分量恢复能力的大小计算所述目标内涵模态分量的重要程度指标；按照重要程度指标的大小顺序选取预设数量的所述内涵模态分量，叠加得到重构参数曲线；以当前时刻作为截止时刻，向前截取预设时间段的所述重构参数曲线作为参数子曲线，获取所述参数子曲线对应的标准变化曲线，计算所述参数子曲线和所述标准变化曲线的曲线差异；获取所述参数曲线对应的噪声曲线，并预测下一时刻的噪声信号，根据所述曲线差异和下一时刻的噪声信号获取预警指标，当所述预警指标小于预警阈值时，生成预警信息。2.根据权利要求1所述的方法，其特征在于，所述重要程度指标的获取步骤包括：利用所有所述剩余内涵模型分量获取最优恢复曲线，计算所述最优恢复曲线与对应的所述参数曲线之间的欧氏距离，通过对所述欧氏距离进行指数映射获取所述重要程度指标。3.根据权利要求2所述的方法，其特征在于，所述最优恢复曲线的获取过程为：对每个所述剩余内涵模态分量分配一个随机权重，...

【专利技术属性】
技术研发人员：陈尔奎，毕永丽，陈煊之，刘晶，张树兰，
申请(专利权)人：山东华尚电气有限公司，
类型：发明
国别省市：