变压器铁芯线圈的故障率预测方法、装置和计算机设备制造方法及图纸

本申请涉及一种变压器铁芯线圈的故障率预测方法、装置、计算机设备和存储介质。所述方法包括：获取多个变压器设备的历史特征参数，历史特征参数至少包括多个变压器设备的历史目标遥测参数、历史铁芯电流和历史夹件电流；获取多个变压器设备的历史运行参数，历史运行参数包括多个变压器设备在历史运行年限内的历史铁芯缺陷数据和历史功率数据；基于历史铁芯缺陷数据和历史功率数据，拟合各变压器设备的历史运行年限故障率；基于各变压器设备的历史特征参数和历史运行年限故障率，对神经网络模型进行训练，得到故障率预测模型，故障率预测模型为预测变压器铁芯线圈目标故障率的模型。采用本方法能够降低变压器铁芯线圈目标故障率的预测成本。障率的预测成本。障率的预测成本。

【技术实现步骤摘要】
变压器铁芯线圈的故障率预测方法、装置和计算机设备


[0001]本申请涉及变压器
，特别是涉及一种变压器铁芯线圈的故障率预测方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着换流站规模不断增加，设备系统的复杂性、精密性以及智能化程度快速提高，对基础设备有了更高的维护要求，传统的维修策略在操作上存在滞后性，满足不了现代维修的需求，可能会引发重大安全事故，因此故障率预测直接决定了维修决策的准确性以及时效性。
[0003]传统的故障率预测技术中，一般是通过收集换流变压器设备的寿命周期数据（也可以是设备失效的时间数据作为支撑），来对变压器铁芯线圈的故障率情况分析，确定出变压器铁芯线圈的寿命概率分布，但由于大型设备一般寿命比较长，导致预测成本过高。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够降低预测成本的变压器铁芯线圈的故障率预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种变压器铁芯线圈的故障率预测方法，所述方法包括：获取多个变压器设备的历史特征参数，所述历史特征参数至少包括多个变压器设备的历史目标遥测参数、历史铁芯电流和历史夹件电流；获取多个变压器设备的历史运行参数，所述历史运行参数包括多个变压器设备在历史运行年限内的历史铁芯缺陷数据和历史功率数据；基于在所述历史运行年限内的历史铁芯缺陷数据和历史功率数据，拟合各所述变压器设备的历史运行年限故障率；基于各所述变压器设备的历史特征参数和历史运行年限故障率，对神经网络模型进行训练，在训练完成时得到故障率预测模型，所述故障率预测模型为预测变压器铁芯线圈目标故障率的模型。
[0006]在其中一个实施例中，所述历史目标遥测参数的获取步骤包括：获取换流变遥测参数和油色谱遥测参数，所述换流变遥测参数至少包括换流变主油箱油温、换流变主油箱油位、换流变网侧绕组温、换流变阀侧绕组温以及换流变调压开关油位，所述油色谱遥测参数至少包括乙炔、氢气以及总烃；对所述换流变遥测参数中的各参数进行相关性分析，获得各参数两两之间的换流变相关性参数；对所述油色谱遥测参数中的各参数进行相关性分析，获得各参数两两之间的油色谱相关性参数；基于各所述换流变相关性参数，从所述换流变遥测参数中确定换流变目标遥测参数；根据各所述油色谱相关性参数，从所述油色谱遥测参数中确定油色谱目标遥测参数；基于所述换流变目标遥测参数和所述油色谱目标遥测参数，确定历史目标遥测参数。
[0007]在其中一个实施例中，所述历史运行年限包括多个历史运行时刻，各所述历史运行时刻对应有相应的历史铁芯缺陷数据和历史功率数据；所述基于在所述历史运行年限内的历史铁芯缺陷数据和历史功率数据，拟合各所述变压器设备的历史运行年限故障率，包括：基于各所述变压器设备在各所述历史运行时刻的历史铁芯缺陷数据，确定出初始历史故障率拟合曲线，所述初始历史故障率拟合曲线为表征各所述历史运行时刻与故障率之间拟合关系的曲线；基于各所述变压器设备在各所述历史运行时刻的历史功率数据，对所述初始历史故障率拟合曲线进行优化，获得目标历史故障率拟合曲线；所述目标历史故障率拟合曲线中包括有变压器设备的历史运行年限故障率。
[0008]在其中一个实施例中，所述基于各所述变压器设备在各所述历史运行时刻的历史功率数据，对所述初始历史故障率拟合曲线进行优化，获得目标历史故障率拟合曲线，包括：基于预先设定的功率划分等级，对各所述变压器设备在各所述历史运行时刻的历史功率数据进行功率划分，确定出在各所述历史运行时刻处于低功率状态的变压器设备、中功率状态的变压器设备以及高功率状态的变压器设备；基于在各所述历史运行时刻处于低功率状态的变压器设备，确定低功率状态拟合曲线；基于在各所述历史运行时刻处于中功率状态的变压器设备，确定中功率状态拟合曲线；基于在各所述历史运行时刻处于高功率状态的变压器设备，确定高功率状态拟合曲线；对于每个变压器设备，按照各变压器设备在不同历史运行时刻所对应的功率状态，并根据所述低功率状态拟合曲线、所述中功率状态拟合曲线以及所述高功率状态拟合曲线，对所述初始历史故障率拟合曲线进行修正，得到各个变压器设备各自对应的目标历史故障率拟合曲线。
[0009]在其中一个实施例中，所述基于各所述变压器设备的历史特征参数和所述历史运行年限故障率，对神经网络模型进行训练，在训练完成时得到故障率预测模型，包括：将所述历史特征参数和历史运行年限故障率输入至神经网络模型，经由所述神经网络模型计算得到铁芯线圈在各所述历史运行时刻的故障率预测值；将所述历史运行时刻的历史故障率预测值与预先设定的同时刻的历史故障率统计值进行比较，获得比较结果；若所述比较结果满足预设阈值条件，则完成训练，获得故障率预测模型。
[0010]在其中一个实施例中，所述方法还包括：获取变压器设备的当前特征参数，所述当前特征参数至少包括当前铁芯遥测参数、当前铁芯电流和当前夹件电流；获取所述变压器设备在当前运行年限内的功率数据；基于在所述当前运行年限内的功率数据，拟合所述变压器设备的当前运行年限故障率；将所述当前特征参数以及所述当前运行年限故障率输入至预先训练的故障率预测模型，以对拟合的当前运行年限故障率进行修正，得到所述变压器铁芯线圈的目标故障率。
[0011]在其中一个实施例中，所述基于在所述当前运行年限内的功率数据，拟合所述变压器设备的当前运行年限故障率，包括：基于所述当前运行年限内的功率数据，确定处于低功率状态的第一时间段、处于中功率状态的第二时间段、以及处于高功率状态的第三时间段；获取预先确定的低功率状态拟合曲线、中功率状态拟合曲线以及高功率状态拟合曲线；根据所述变压器设备在处于低功率状态的第一时间段，从所述低功率状态拟合曲线中选取第一部分曲线；根据所述变压器设备在处于中功率状态的第二时间段，从所述中功率状态
拟合曲线中选取第二部分曲线；根据所述变压器设备在处于高功率状态的第三时间段，从所述高功率状态拟合曲线中选取第三部分曲线；基于所述第一部分曲线、所述第二部分曲线以及所述第三部分曲线，拟合所述变压器设备的当前运行年限故障率。
[0012]第二方面，本申请还提供了一种变压器铁芯线圈的故障率预测装置，所述装置包括：第一数据获取模块，用于获取多个变压器设备的历史特征参数，所述历史特征参数至少包括多个变压器设备的历史目标遥测参数、历史铁芯电流和历史夹件电流；第二数据获取模块，用于获取多个变压器设备的历史运行参数，所述历史运行参数包括多个变压器设备在历史运行年限内的历史铁芯缺陷数据和历史功率数据；数据处理模块，用于基于在所述历史运行年限内的历史铁芯缺陷数据和历史功率数据，拟合各所述变压器设备的历史运行年限故障率；训练模块，用于基于各所述变压器设备的历史特征参数和历史运行年限故障率，对神经网络模型进行训练，在训练完成时得到故障率预测模型，所述故障率预测模型为预测变压器铁芯线圈目标故障率的模型。
[0013]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变压器铁芯线圈的故障率预测方法，其特征在于，所述方法包括：获取多个变压器设备的历史特征参数，所述历史特征参数至少包括多个变压器设备的历史目标遥测参数、历史铁芯电流和历史夹件电流；获取多个变压器设备的历史运行参数，所述历史运行参数包括多个变压器设备在历史运行年限内的历史铁芯缺陷数据和历史功率数据；基于在所述历史运行年限内的历史铁芯缺陷数据和历史功率数据，拟合各所述变压器设备的历史运行年限故障率；基于各所述变压器设备的历史特征参数和历史运行年限故障率，对神经网络模型进行训练，在训练完成时得到故障率预测模型，所述故障率预测模型为预测变压器铁芯线圈目标故障率的模型。2.根据权利要求1所述的方法，其特征在于，所述历史目标遥测参数的获取步骤包括：获取换流变遥测参数和油色谱遥测参数，所述换流变遥测参数至少包括换流变主油箱油温、换流变主油箱油位、换流变网侧绕组温、换流变阀侧绕组温以及换流变调压开关油位，所述油色谱遥测参数至少包括乙炔、氢气以及总烃；对所述换流变遥测参数中的各参数进行相关性分析，获得各参数两两之间的换流变相关性参数；对所述油色谱遥测参数中的各参数进行相关性分析，获得各参数两两之间的油色谱相关性参数；基于各所述换流变相关性参数，从所述换流变遥测参数中确定换流变目标遥测参数；根据各所述油色谱相关性参数，从所述油色谱遥测参数中确定油色谱目标遥测参数；基于所述换流变目标遥测参数和所述油色谱目标遥测参数，确定历史目标遥测参数。3.根据权利要求1所述的方法，其特征在于，所述历史运行年限包括多个历史运行时刻，各所述历史运行时刻对应有相应的历史铁芯缺陷数据和历史功率数据；所述基于在所述历史运行年限内的历史铁芯缺陷数据和历史功率数据，拟合各所述变压器设备的历史运行年限故障率，包括：基于各所述变压器设备在各所述历史运行时刻的历史铁芯缺陷数据，确定出初始历史故障率拟合曲线，所述初始历史故障率拟合曲线为表征各所述历史运行时刻与故障率之间拟合关系的曲线；基于各所述变压器设备在各所述历史运行时刻的历史功率数据，对所述初始历史故障率拟合曲线进行优化，获得目标历史故障率拟合曲线；所述目标历史故障率拟合曲线中包括有变压器设备的历史运行年限故障率。4.根据权利要求3所述的方法，其特征在于，所述基于各所述变压器设备在各所述历史运行时刻的历史功率数据，对所述初始历史故障率拟合曲线进行优化，获得目标历史故障率拟合曲线，包括：基于预先设定的功率划分等级，对各所述变压器设备在各所述历史运行时刻的历史功率数据进行功率划分，确定出在各所述历史运行时刻处于低功率状态的变压器设备、中功率状态的变压器设备以及高功率状态的变压器设备；基于在各所述历史运行时刻处于低功率状态的变压器设备，确定低功率状态拟合曲线；
基于在各所述历史运行时刻处于中功率状态的变压器设备，确定中功率状态拟合曲线；基于在各所述历史运行时刻处于高功率状态的变压器设备，确定高功率状态拟合曲线；对于每个变压器设备，按照各变压器设备在不同历史运行时刻所对应的功率状态，并根据所述低功率状态拟合曲线、所述中功率状态拟合曲线以及所述高功率状态拟合曲线，对所述初始历史故...

【专利技术属性】
技术研发人员：石延辉，杨洋，张博，阮彦俊，赖皓，袁海，牛峥，秦秉东，程冠錤，陆昶安，庄小亮，蒙泳昌，李良创，吴泽宇，邹雄，李毅，洪乐洲，王蒙，张朝斌，严伟，蔡斌，李凯协，秦金锋，赵晓杰，黄家豪，孔玮琦，王越章，林轩如，吴卓遥，娄德军，高亮，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司广州局，
类型：发明
国别省市：