一种变压器过负荷预警方法、装置、存储介质及设备制造方法及图纸

本发明专利技术实施例公开了一种变压器过负荷预警方法、装置、存储介质及设备，该方法包括：根据不同负荷率下的变压器的油色谱数据、热点温度分布、不同类型负荷的阻抗数据搭建深度学习模型；采集变压器的当前油色谱数据输入至深度学习模型中，得到变压器的目标热点温度分布、目标负荷率、不同类型负荷的目标阻抗数据；根据目标热点温度分布和变压器的标准温度指标确定变压器的负荷能力，并根据负荷能力确定负荷预警阈值；当目标负荷率大于负荷预警阈值时，根据不同类型负荷的目标阻抗数据确定负荷切除信息，并输出负荷切除信息和预警信号，以实现准确的对变压器的过负荷状态进行预警，有利于对过负荷情况进行及时处理，以保证变压器安全稳定的运行。安全稳定的运行。安全稳定的运行。

【技术实现步骤摘要】
一种变压器过负荷预警方法、装置、存储介质及设备


[0001]本专利技术涉及变压器
，尤其涉及一种变压器过负荷预警方法、装置、存储介质及设备。

技术介绍

[0002]在电力系统中，变压器因负荷能力受限或因过负荷故障停运均有可能引起电网大面积限电或停电，将造成较大的经济损失和不良的社会影响。为了维护电力系统安全稳定运行，需采取一系列措施尽量减少事故的发生，例如，将变压器的正常负荷率限制在80％以下。然而，这样会导致变压器实际负荷水平远低于其负荷能力允许值，运行经济性指标降低，带来资源的严重浪费。因此，需要一种合理有效的方法，对变压器的负荷能力进行评估，以及对变压器负荷率进行实时监测，从而对变压器的过负荷状态进行预警。
[0003]目前，一般是通过采集绕组热点温度来评估变压器负荷率，但由于采集的绕组最热点温度与实际的最热点温度存在较大误差，以及绕组部分材料的化学性质发生改变，会使得测量得到的负荷率出现较大的误差，且无法准确的对变压器的过负荷状态进行预警。

技术实现思路

[0004]基于此，有必要针对上述问题，提出了一种变压器过负荷预警方法、装置、存储介质及设备，以实现准确的对变压器的过负荷状态进行预警，有利于对过负荷情况进行及时处理，以保证变压器安全稳定的运行。
[0005]为实现上述目的，本专利技术在第一方面提供一种变压器过负荷预警方法，所述方法包括：
[0006]采集不同负荷率下的变压器的油色谱数据；
[0007]基于有限元法和有限元体积法，获得不同负荷率下的所述变压器的热点温度分布；
[0008]获取不同负荷率下的所述变压器的不同类型负荷的阻抗数据；
[0009]根据不同负荷率下的所述变压器的所述油色谱数据、所述热点温度分布、所述不同类型负荷的阻抗数据搭建深度学习模型；
[0010]采集所述变压器的当前油色谱数据，并将所述当前油色谱数据输入至所述深度学习模型中，得到所述变压器的目标热点温度分布、目标负荷率、不同类型负荷的目标阻抗数据；
[0011]根据所述目标热点温度分布和所述变压器的标准温度指标确定所述变压器的负荷能力，并根据所述负荷能力确定负荷预警阈值；
[0012]若所述目标负荷率大于所述负荷预警阈值，则根据所述不同类型负荷的目标阻抗数据确定负荷切除信息，并输出所述负荷切除信息和预警信号。
[0013]可选地，所述油色谱数据和所述当前油色谱数据均为所述变压器的变压器油中溶解的特征气体的浓度数据；
[0014]所述特征气体包括氢气、一氧化碳、甲烷、乙烯、乙炔、乙烷和二氧化碳中的一种或多种。
[0015]可选地，所述基于有限元法和有限元体积法，获得不同负荷率下的所述变压器的热点温度分布，包括：
[0016]基于所述有限元法和有限元体积法，搭建不同负荷率下的所述变压器的三维有限元模型；
[0017]依次将所述变压器的材料参数信息、温度场和流场的边界条件输入至所述三维有限元模型中，得到不同负荷率下的所述变压器的热点温度分布。
[0018]可选地，所述根据不同负荷率下的所述变压器的所述油色谱数据、所述热点温度分布、所述不同类型负荷的阻抗数据搭建深度学习模型，包括：
[0019]根据不同负荷率下的所述油色谱数据确定负荷率与所述油色谱数据的第一函数关系；
[0020]根据不同负荷率下的所述油色谱数据、所述热点温度分布确定所述油色谱数据与所述热点温度分布的第二函数关系；
[0021]根据所述不同负荷率下的所述不同类型负荷的阻抗数据确定负荷率与所述不同类型负荷的阻抗数据的第三函数关系；
[0022]根据所述第一函数关系、所述第二函数关系、所述第三函数关系搭建所述深度学习模型。
[0023]可选地，所述将所述当前油色谱数据输入至所述深度学习模型中，得到所述变压器的目标热点温度分布、目标负荷率、不同类型负荷的目标阻抗数据，包括：
[0024]将所述当前油色谱数据输入至所述深度学习模型中，根据所述当前油色谱数据和所述第一函数关系得到所述目标负荷率，并根据所述当前油色谱数据和所述第二函数关系得到所述目标热点温度分布，以及根据所述目标负荷率和所述第三函数关系得到所述不同类型负荷的目标阻抗数据。
[0025]可选地，所述方法还包括：
[0026]获取不同负荷率下的所述变压器的历史负荷率数据和历史热点温度分布数据；
[0027]根据所述历史负荷率数据和所述历史最高温度数据确定临界负荷率；
[0028]将所述临界负荷率作为所述负荷预警阈值。
[0029]可选地，所述方法还包括：
[0030]若所述目标负荷率小于或等于所述负荷预警阈值，则输出变压器运行正常信息。
[0031]为实现上述目的，本专利技术在第二方面提供一种变压器过负荷预警装置，所述装置包括：
[0032]油色谱数据采集模块，用于采集不同负荷率下的变压器的油色谱数据；
[0033]热点温度获取模块，用于基于有限元法和有限元体积法，获得不同负荷率下的所述变压器的热点温度分布；
[0034]阻抗数据获取模块，用于获取不同负荷率下的所述变压器的不同类型负荷的阻抗数据；
[0035]模型搭建模块，用于根据不同负荷率下的所述变压器的所述油色谱数据、所述热点温度分布、所述不同类型负荷的阻抗数据搭建深度学习模型；
[0036]目标数据获取模块，用于采集所述变压器的当前油色谱数据，并将所述当前油色谱数据输入至所述深度学习模型中，得到所述变压器的目标热点温度分布、目标负荷率、不同类型负荷的目标阻抗数据；
[0037]阈值确定模块，用于根据所述目标热点温度分布和所述变压器的标准温度指标确定所述变压器的负荷能力，并根据所述负荷能力确定负荷预警阈值；
[0038]信息输出模块，用于若所述目标负荷率大于所述负荷预警阈值，则根据所述不同类型负荷的目标阻抗数据确定负荷切除信息，并输出所述负荷切除信息和预警信号。
[0039]为实现上述目的，本专利技术在第三方面提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如第一方面所述方法的步骤。
[0040]为实现上述目的，本专利技术在第四方面提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如第一方面所述方法的步骤。
[0041]采用本专利技术实施例，具有如下有益效果：采集不同负荷率下的变压器的油色谱数据；基于有限元法和有限元体积法，获得不同负荷率下的变压器的热点温度分布；获取不同负荷率下的变压器的不同类型负荷的阻抗数据；根据不同负荷率下的变压器的油色谱数据、热点温度分布、不同类型负荷的阻抗数据搭建深度学习模型；采集变压器的当前油色谱数据，并将当前油色谱数据输入至深度学习模型中，得到变压器的目标热点温度分布、目标负荷率、不同类型负荷的目标阻抗数据；根据目标热点温度分布和变压器的标准温度指标确定变压本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变压器过负荷预警方法，其特征在于，所述方法包括：采集不同负荷率下的变压器的油色谱数据；基于有限元法和有限元体积法，获得不同负荷率下的所述变压器的热点温度分布；获取不同负荷率下的所述变压器的不同类型负荷的阻抗数据；根据不同负荷率下的所述变压器的所述油色谱数据、所述热点温度分布、所述不同类型负荷的阻抗数据搭建深度学习模型；采集所述变压器的当前油色谱数据，并将所述当前油色谱数据输入至所述深度学习模型中，得到所述变压器的目标热点温度分布、目标负荷率、不同类型负荷的目标阻抗数据；根据所述目标热点温度分布和所述变压器的标准温度指标确定所述变压器的负荷能力，并根据所述负荷能力确定负荷预警阈值；若所述目标负荷率大于所述负荷预警阈值，则根据所述不同类型负荷的目标阻抗数据确定负荷切除信息，并输出所述负荷切除信息和预警信号。2.根据权利要求1所述的方法，其特征在于，所述油色谱数据和所述当前油色谱数据均为所述变压器的变压器油中溶解的特征气体的浓度数据；所述特征气体包括氢气、一氧化碳、甲烷、乙烯、乙炔、乙烷和二氧化碳中的一种或多种。3.根据权利要求1所述的方法，其特征在于，所述基于有限元法和有限元体积法，获得不同负荷率下的所述变压器的热点温度分布，包括：基于所述有限元法和有限元体积法，搭建不同负荷率下的所述变压器的三维有限元模型；依次将所述变压器的材料参数信息、温度场和流场的边界条件输入至所述三维有限元模型中，得到不同负荷率下的所述变压器的热点温度分布。4.根据权利要求1所述的方法，其特征在于，所述根据不同负荷率下的所述变压器的所述油色谱数据、所述热点温度分布、所述不同类型负荷的阻抗数据搭建深度学习模型，包括：根据不同负荷率下的所述油色谱数据确定负荷率与所述油色谱数据的第一函数关系；根据不同负荷率下的所述油色谱数据、所述热点温度分布确定所述油色谱数据与所述热点温度分布的第二函数关系；根据所述不同负荷率下的所述不同类型负荷的阻抗数据确定负荷率与所述不同类型负荷的阻抗数据的第三函数关系；根据所述第一函数关系、所述第二函数关系、所述第三函数关系搭建所述深度学习模型。5.根据权利要求4所述的方法，其特征在于，所述将所述当前油色谱数据输入至所述深度学习模型中，得到所述变压器...

【专利技术属性】
技术研发人员：邹德旭，彭庆军，洪志湖，代维菊，王山，周仿荣，胡锦，徐肖伟，刘红文，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：