一种基于电力物联网的变压器异常状态预测方法技术

本发明专利技术涉及数据处理技术领域，具体涉及一种基于电力物联网的变压器异常状态预测方法，该方法包括：获取变压器的磁场强度序列和声音信号序列；获取变压器内部原边绕组所在位置处的温度和副边绕组所在位置处的温度的差值，得到设定时间段内不同时刻变压器的环境温度差异，得到环境温度差异序列；基于环境温度差异序列和磁场强度序列得到变压器的结构性指标；基于结构性指标和声音信号序列计算设定时间段内变压器的危险指数评价；获取危险指数评价序列，并利用神经网络得到预测危险指数评价序列，根据预测危险指数评价序列中元素对变压器的异常状况进行预测。本发明专利技术结合多个因素进行综合考虑，保证了准确性，且能够根据计算结果进行预测。进行预测。进行预测。

【技术实现步骤摘要】
一种基于电力物联网的变压器异常状态预测方法


[0001]本专利技术涉及数据处理
，具体涉及一种基于电力物联网的变压器异常状态预测方法。

技术介绍

[0002]变压器是输配电的基础设备，广泛应用于工业、农业、交通、城市社区等领域。我国在网运行的变压器约1700万台，总容量约110亿千伏安。变压器损耗约占输配电电力损耗的40%，具有较大节能潜力。变压器的使用具有非常复杂的要求，由于变压器是电力输送中的关键设备，通常情况下，需要保证变压器能够一年四季无间断地进行工作，但长期工作的变压器不可避免的会因为各种损耗或者外部环境变化而发生损坏。若是需要对变压器进行检修，则需要停止电力供应，那将造成巨大的经济损失和生活不便，并且传统的检修方法，需要按时间检修，若检修间隔周期不合理，容易造成过度检修。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种基于电力物联网的变压器异常状态预测方法，所采用的技术方案具体如下：获取变压器内部励磁线圈的匝数，并获取设定时间段内不同时刻变压器内部流经励磁线圈的励磁电流，根据所述励磁线圈的匝数和励磁电流得到变压器的磁场强度，进而得到磁场强度序列；获取变压器内部原边绕组所在位置处的温度和副边绕组所在位置处的温度的差值，得到设定时间段内不同时刻变压器的环境温度差异，构成环境温度差异序列；获取变压器运行时的声音信号序列；计算环境温度差异序列中元素的极差与环境温度差异序列中元素均值的比值，并计算磁场强度序列中元素的最大值与磁场强度序列中元素的均值的差值，根据所述比值和所述差值的乘积，得到变压器的结构性指标；基于变压器的结构性指标和声音信号序列中元素的变化趋势，计算设定时间段内变压器的危险指数评价；获取连续的多个设定时间段内变压器的危险指数评价，构成危险指数评价序列；将危险指数评价序列输入神经网络得到预测危险指数评价序列，根据预测危险指数评价序列中元素对变压器的异常状况进行预测。
[0004]优选地，所述变压器的结构性指标的获取方法具体为：其中，U表示变压器的结构性指标，W表示变压器的环境温度差异序列，Max(W)、Min(W)以及mean(W)分别表示环境温度差异序列中元素的最大值、最小值以及均值，H表示变压器的磁场强度序列，Max(H)、mean(H)分别表示变压器的磁场强度序列中元素的最大值和均值。
[0005]优选地，所述变压器的危险指数评价的获取方法具体为：
其中，J表示设定时间段内变压器的危险指数评价，U表示变压器的结构性指标，T表示声音信号序列中元素的数量；表示声音信号序列中第t个时刻对应的声音信号；表示声音信号序列中第t－1个时刻对应的声音信号；表示声音信号序列中第1个时刻对应的声音信号和第t个时刻对应的声音信号之间的第g个声音信号；表示声音信号序列中第1个时刻对应的声音信号和第t－1个时刻对应的声音信号之间的第h个声音信号。
[0006]优选地，所述变压器运行时的声音信号序列具体为：设定时间段内不同时刻变压器运行时的声音信号。
[0007]优选地，所述磁场强度序列、环境温度差异序列、声音信号序列、危险指数序列、预测危险指数序列中的元素以时间顺序进行排列。
[0008]优选地，所述神经网络为粒子群算法优化LSTM神经网络。
[0009]优选地，所述预测危险指数评价序列中元素为未来连续的多个设定时间段内的预测危险指数评价，若预测危险指数评价大于评价阈值，需对变压器进行提前检修。
[0010]本专利技术实施例至少具有如下有益效果：本专利技术通过获取变压器内部的原边绕组和副边绕组所在位置处的温度，并计算两处位置的温度差异，用来表示变压器内部环境的温度差异，同时结合了变压器内部的磁场强度获取变压器的结构性指标，进而结合变压器的声音信息获取变压器的危险指数评价，并根据危险指数评价获取预测的评价。本专利技术结合了多个因素，通过综合考虑，保证故障判断的准确性；并且根据对变压器的相关数据进行预测，根据预测结果做出相应的调整，能够防止变压器出现安全问题。
附图说明
[0011]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。
[0012]图1是本专利技术的一种基于电力物联网的变压器异常状态预测方法的方法流程图。
具体实施方式
[0013]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基于电力物联网的变压器异常状态预测方法，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。
[0014]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。
[0015]下面结合附图具体的说明本专利技术所提供的一种基于电力物联网的变压器异常状态预测方法的具体方案。
[0016]实施例：请参阅图1，其示出了本专利技术一个实施例提供的一种基于电力物联网的变压器异常状态预测方法的方法流程图，该方法包括以下步骤：步骤一，获取变压器内部励磁线圈的匝数，并获取设定时间段内不同时刻变压器内部流经励磁线圈的励磁电流，根据所述励磁线圈的匝数和励磁电流得到变压器的磁场强度，进而得到磁场强度序列；获取变压器内部原边绕组所在位置处的温度和副边绕组所在位置处的温度的差值，得到设定时间段内不同时刻变压器的环境温度差异，构成环境温度差异序列；获取变压器运行时的声音信号序列。
[0017]首先，获取变压器的磁场强度，由于磁场强度是描述磁场性质的物理量，磁场强度能够体现变压器内部环境的变化情况，即可能出现故障或者其他原因从而导致变压器磁场强度发生改变。在本实施例中，通过获取变压器内部励磁线圈的匝数，同时实时获取励磁电流，进而可以计算得到磁场强度。
[0018]具体地，计算磁场强度，用公式表示为：其中，H为磁场强度，单位为A/m，N为励磁线圈的匝数，I为励磁电流，单位为A，Le为测试样本的有效磁路长度，单位为m。其中，励磁线圈的匝数与有效磁路长度数据均可由变压器出厂型号得到。并且通过获取设定时间段内不同时刻的励磁电流，按照上述公式进行计算，得到设定时间段内不同时刻变压器的磁场强度，构成磁场强度序列。
[0019]然后，由于变压器内部环境温度是分析变压器是否故障的重要数据之一，变压器内部环境温度的变化情况能够在一定程度上体现变压器内部元件是否损坏，外部散热是否出现问题，故可以利用温度传感器对变压器进行内部环境温度采集。
[0020]需要说明的是，根据热传递的物理现象，在变压器内部可能各个不同位置处的温度会存在一定程度的差异，但是热能必然会以热传导、热辐射和热对流三种方式中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.种基于电力物联网的变压器异常状态预测方法，其特征在于，该方法包括以下步骤：获取变压器内部励磁线圈的匝数，并获取设定时间段内不同时刻变压器内部流经励磁线圈的励磁电流，根据所述励磁线圈的匝数和励磁电流得到变压器的磁场强度，进而得到磁场强度序列；获取变压器内部原边绕组所在位置处的温度和副边绕组所在位置处的温度的差值，得到设定时间段内不同时刻变压器的环境温度差异，构成环境温度差异序列；获取变压器运行时的声音信号序列；计算环境温度差异序列中元素的极差与环境温度差异序列中元素均值的比值，并计算磁场强度序列中元素的最大值与磁场强度序列中元素的均值的差值，根据所述比值和所述差值的乘积，得到变压器的结构性指标；基于变压器的结构性指标和声音信号序列中元素的变化趋势，计算设定时间段内变压器的危险指数评价；获取连续的多个设定时间段内变压器的危险指数评价，构成危险指数评价序列；将危险指数评价序列输入神经网络得到预测危险指数评价序列，根据预测危险指数评价序列中元素对变压器的异常状况进行预测。2.根据权利要求1所述的一种基于电力物联网的变压器异常状态预测方法，其特征在于，所述变压器的结构性指标的获取方法具体为：其中，U表示变压器的结构性指标，W表示变压器的环境温度差异序列，Max(W)、Min(W)以及mean(W)分别表示环境温度差异序列中元素的最大值、最小值以及均值，H表示变压器的磁场强度序列，Max(H)、mean(H)分别表示变压器的磁场强度...

【专利技术属性】
技术研发人员：刘宾，
申请(专利权)人：江苏布罗信息技术有限公司，
类型：发明
国别省市：