基于图神经网络的电力变压器健康状态评估方法技术

本发明专利技术涉及人工智能及电力领域。公开了一种基于图神经网络的电力变压器健康状态评估方法，全面考虑了多指标及指标间复杂关系，并通过主客观赋权法实现健康状态评估；本发明专利技术提出的评估方法从变压器的基本信息、运行信息、试验信息和故障检修信息中选取多个关键性评估指标构建健康状态评估体系；由于底层指标众多，通过层次分析法和健康指数法获得相应综合指标的健康指数；利用综合指标关系图构建图神经网络，再通过故障检修信息进行修正，最终实现变压器健康状态的评估；利用建立的变压器样本集对模型进行训练，将训练好的健康状态评估模型应用于实例验证，实验结果表明该方法能够更准确地得到变压器的健康状态。更准确地得到变压器的健康状态。更准确地得到变压器的健康状态。

【技术实现步骤摘要】
基于图神经网络的电力变压器健康状态评估方法


[0001]本专利技术涉及人工智能及电力
，具体涉及一种基于图神经网络的电力变压器健康状态评估方法。

技术介绍

[0002]电力变压器作为电力系统中的核心设备，起着能量传输和转换的作用，电力变压器的安全可靠运行关系着整个电网的稳定性。一旦变压器发生运行故障，将可能造成电网大规模的停电事故，对电力系统及国民经济带来重大的负面影响。
[0003]长期以来，电力变压器的检修方式主要是定期检修，定期检修会带来“欠修”或“过修”的问题，从而导致维修工作量大，供电可靠性低等后果。因此，实时准确地掌握电力变压器的健康状态，并根据其监控状态进行检修将成为未来电力变压器检修工作的发展方向；故急需一种评估结果更加准确的变压器健康状态评估方案。
[0004]现有的变压器状态评估方法存在着评估指标单一、指标间复杂关系考虑欠缺、指标权重量化存在过于主观性等问题，导致评估结果的可靠性较差。

技术实现思路

[0005]本专利技术的主要目的是提供一种基于图神经网络的电力变压器健康状态评估方法，旨在解决目前急需一种评估结果更加准确的变压器健康状态评估方案的问题。
[0006]本专利技术提出的技术方案为：
[0007]一种基于图神经网络的电力变压器健康状态评估方法，包括：
[0008]从变压器的基本信息、运行信息、试验信息和故障检修信息中选取多个关键性评估指标构建健康状态评估体系，其中，所述评估指标包括用于对变压器进行评估的底层指标和修正指标；r/>[0009]通过层次分析法和健康指数法得到所述底层指标对应的综合指标的健康指数；
[0010]利用综合指标关系图构建图神经网络，再通过故障检修信息进行修正，最终实现变压器健康状态的评估，其中，所述故障检修信息由所述修正指标生成；
[0011]建立变压器健康状态评估样本集，基于所述变压器健康状态评估样本集对变压器健康状态评估模型进行训练和测试，以得到优选评估模型；
[0012]通过所述优选评估模型进行变压器健康状态实例验证。
[0013]优选的，所述底层指标包括负荷率、环境等级、运行时间、设计寿命、氢气含量、甲烷含量、乙烷含量、乙烯含量、乙炔含量、微水含量、油介质损耗、击穿电压、糠醛含量、吸收比、直阻不平衡率、铁芯接地电流和绕组介质损耗；所述综合指标包括：与负荷率、环境等级、运行时间和设计寿命对应的运行工况指标、与氢气含量、甲烷含量、乙烷含量、乙烯含量和乙炔含量对应的油色谱试验指标、与微水含量、油介质损耗、击穿电压和糠醛含量对应的油化试验指标，以及与吸收比、直阻不平衡率、铁芯接地电流和绕组介质损耗对应的电气试验指标；所述通过层次分析法和健康指数法得到所述底层指标对应的综合指标的健康指
数，包括：
[0014]基于所述负荷率、所述环境等级、所述运行时间和所述设计寿命，利用健康指数法生成运行工况健康指数；
[0015]基于所述氢气含量、所述甲烷含量、所述乙烷含量、所述乙烯含量和所述乙炔含量，利用层次分析法生成油色谱试验健康指数；
[0016]基于所述微水含量、所述油介质损耗、所述击穿电压和所述糠醛含量，利用层次分析法生成油化试验健康指数；
[0017]基于所述吸收比、所述直阻不平衡率、所述铁芯接地电流和所述绕组介质损耗，利用层次分析法生成电气试验健康指数。
[0018]优选的，所述基于所述负荷率、所述环境等级、所述运行时间和所述设计寿命，利用健康指数法生成运行工况健康指数的计算公式为：
[0019]H1＝0.5e
BΔT
，
[0020][0021]式中，H1为所述运行工况健康指数；B为老化系数，ΔT为所述运行时间，T
d
为所述设计寿命；f
L
为负荷率修正因子，取值与所述负荷率相关；f
E
为环境等级修正因子，取值与所述环境等级相关。
[0022]优选的，所述通过层次分析法和健康指数法得到所述底层指标对应的综合指标的健康指数，还包括：
[0023]对各所述底层指标进行预处理，以得到对应的底层指标健康指数；
[0024]通过层次分析法获得各所述底层指标的权重；
[0025]所述基于所述氢气含量、所述甲烷含量、所述乙烷含量、所述乙烯含量和所述乙炔含量，利用层次分析法生成油色谱试验健康指数，包括：
[0026]基于所述油色谱试验健康指标对应的各所述底层指标的权重，将所述油色谱试验健康指标对应的各所述底层指标健康指数进行加权求和以得到油色谱试验健康指数。
[0027]优选的，所述对各所述底层指标进行预处理，以得到对应的底层指标健康指数，包括：
[0028]采用升半梯模型对氢气含量、甲烷含量、乙烷含量、乙烯含量、乙炔含量、微水含量、油介质损耗、糠醛含量、直阻不平衡率、铁芯接地电流和绕组介质损耗进行预处理，以得到对应的底层指标健康指数，其中，所述升半梯模型的公式为：
[0029][0030]其中，a为指标下阈值，b为指标上阈值；x为指标测量值；y为指标预处理值，即为对应的底层指标健康指数；在所述升半梯模型中，指标测量值越大，对应的底层指标健康指数越大，表明变压器的运行状态越差；
[0031]采用降半梯模型对击穿电压和吸收比进行预处理，以得到对应的底层指标健康指
数，其中，所述降半梯模型的公式为：
[0032][0033]其中，a为指标下阈值，b为指标上阈值；x为指标测量值；y为指标预处理值，即为对应的底层指标健康指数；在所述降半梯模型中，指标测量值越大，对应的底层指标健康指数越小，表明变压器的运行状态越差。
[0034]优选的，所述通过层次分析法获得各所述底层指标的权重，包括：
[0035]采用成对比较法，对氢气含量、甲烷含量、乙烷含量、乙烯含量和乙炔含量相对于油色谱试验指标的重要程度进行两两判断，并形成判断矩阵；
[0036]采用成对比较法，对微水含量、油介质损耗、击穿电压、糠醛含量相对于油化试验指标的重要程度进行两两判断，并形成判断矩阵；
[0037]采用成对比较法，对吸收比、直阻不平衡率、铁芯接地电流和绕组介质损耗相对于电气试验指标的重要程度进行两两判断，并形成判断矩阵，其中，判断矩阵的结构为：
[0038][0039]其中，元素a
ij
代表的含义为第i个指标相较于第j个指标的重要程度，矩阵中的对角元素都为1，元素a
ij
与元素a
ji
互为倒数关系，n为各个试验对应的底层指标总数；
[0040]对判断矩阵进行一致性检验；
[0041]若判断矩阵不满足一致性检验，对相应底层指标的相对重要程度进行重新判断，直至判断矩阵满足一致性检验；
[0042]若判断矩阵满足一致性检验，计算判断矩阵的最大特征值λ
max
和最大特征值对应的特征向量w，以获得底层指标的权重。
[0043本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的电力变压器健康状态评估方法，其特征在于，包括：从变压器的基本信息、运行信息、试验信息和故障检修信息中选取多个关键性评估指标构建健康状态评估体系，其中，所述评估指标包括用于对变压器进行评估的底层指标和修正指标；通过层次分析法和健康指数法得到所述底层指标对应的综合指标的健康指数；利用综合指标关系图构建图神经网络，再通过故障检修信息进行修正，最终实现变压器健康状态的评估，其中，所述故障检修信息由所述修正指标生成；建立变压器健康状态评估样本集，基于所述变压器健康状态评估样本集对变压器健康状态评估模型进行训练和测试，以得到优选评估模型；通过所述优选评估模型进行变压器健康状态实例验证。2.根据权利要求1所述的一种基于图神经网络的电力变压器健康状态评估方法，其特征在于，所述底层指标包括负荷率、环境等级、运行时间、设计寿命、氢气含量、甲烷含量、乙烷含量、乙烯含量、乙炔含量、微水含量、油介质损耗、击穿电压、糠醛含量、吸收比、直阻不平衡率、铁芯接地电流和绕组介质损耗；所述综合指标包括：与负荷率、环境等级、运行时间和设计寿命对应的运行工况指标、与氢气含量、甲烷含量、乙烷含量、乙烯含量和乙炔含量对应的油色谱试验指标、与微水含量、油介质损耗、击穿电压和糠醛含量对应的油化试验指标，以及与吸收比、直阻不平衡率、铁芯接地电流和绕组介质损耗对应的电气试验指标；所述通过层次分析法和健康指数法得到所述底层指标对应的综合指标的健康指数，包括：基于所述负荷率、所述环境等级、所述运行时间和所述设计寿命，利用健康指数法生成运行工况健康指数；基于所述氢气含量、所述甲烷含量、所述乙烷含量、所述乙烯含量和所述乙炔含量，利用层次分析法生成油色谱试验健康指数；基于所述微水含量、所述油介质损耗、所述击穿电压和所述糠醛含量，利用层次分析法生成油化试验健康指数；基于所述吸收比、所述直阻不平衡率、所述铁芯接地电流和所述绕组介质损耗，利用层次分析法生成电气试验健康指数。3.根据权利要求2所述的一种基于图神经网络的电力变压器健康状态评估方法，其特征在于，所述基于所述负荷率、所述环境等级、所述运行时间和所述设计寿命，利用健康指数法生成运行工况健康指数的计算公式为：H1＝0.5e
BΔT
，式中，H1为所述运行工况健康指数；B为老化系数，ΔT为所述运行时间，T
d
为所述设计寿命；f
L
为负荷率修正因子，取值与所述负荷率相关；f
E
为环境等级修正因子，取值与所述环境等级相关。4.根据权利要求2所述的一种基于图神经网络的电力变压器健康状态评估方法，其特征在于，所述通过层次分析法和健康指数法得到所述底层指标对应的综合指标的健康指数，还包括：
对各所述底层指标进行预处理，以得到对应的底层指标健康指数；通过层次分析法获得各所述底层指标的权重；所述基于所述氢气含量、所述甲烷含量、所述乙烷含量、所述乙烯含量和所述乙炔含量，利用层次分析法生成油色谱试验健康指数，包括：基于所述油色谱试验健康指标对应的各所述底层指标的权重，将所述油色谱试验健康指标对应的各所述底层指标健康指数进行加权求和以得到油色谱试验健康指数。5.根据权利要求4所述的一种基于图神经网络的电力变压器健康状态评估方法，其特征在于，所述对各所述底层指标进行预处理，以得到对应的底层指标健康指数，包括：采用升半梯模型对氢气含量、甲烷含量、乙烷含量、乙烯含量、乙炔含量、微水含量、油介质损耗、糠醛含量、直阻不平衡率、铁芯接地电流和绕组介质损耗进行预处理，以得到对应的底层指标健康指数，其中，所述升半梯模型的公式为：其中，a为指标下阈值，b为指标上阈值；x为指标测量值；y为指标预处理值，即为对应的底层指标健康指数；在所述升半梯模型中，指标测量值越大，对应的底层指标健康指数越大，表明变压器的运行状态越差；采用降半梯模型对击穿电压和吸收比进行预处理，以得到对应的底层指标健康指数，其中，所述降半梯模型的公式为：其中，a为指标下阈值，b为指标上阈值；x为指标测量值；y为指标预处理值，即为对应的底层指标健康指数；在所述降半梯模型中，指标测量值越大，对应的底层指标健康指数越小，表明变压器的运行状态越差。6.根据权利要求4所述的一种基于图神经网络的电力变压器健...

【专利技术属性】
技术研发人员：罗滇生，奚瑞瑶，何洪英，刘楠，黄沁云，
申请(专利权)人：湖南大学，
类型：发明
国别省市：