基于多监测参量统计特性的变压器故障诊断方法及系统技术方案

本发明专利技术公开了基于多监测参量统计特性的变压器故障诊断方法及系统，采集一个周期的电力变压器在线监测数据，对电力变压器在线监测数据进行数据预处理；对预处理后的电力变压器在线监测数据进行分布统计模型加载，并基于加载的统计分布模型进行统计规律分析，以确定分布统计模型及模型参数；获取更多周期的预处理后的电力变压器在线监测数据，输入确定的分布统计模型中，得到若干组模型参数；对比依据不同周期电力变压器在线监测数据获得的模型参数，若模型参数之间的误差在阈值内，则判断电力变压器故障，否则判断电力变压器出现故障。本发明专利技术在电力变压器运行维护、巡检、带电检测和在线监测中也具有广阔的应用前景。和在线监测中也具有广阔的应用前景。和在线监测中也具有广阔的应用前景。

【技术实现步骤摘要】
基于多监测参量统计特性的变压器故障诊断方法及系统


[0001]本专利技术属于电气工程电力变压器在线监测
，具体涉及一种基于多监测参量统计特性的变压器故障诊断方法及系统。

技术介绍

[0002]目前对电力变压器进行绝缘状态在线监测是电力行业设备运维管理的主要方法，具有良好的实时性和准确性，但因为变压器设备现场运行条件复杂、状态监测传感器性能、网络通信质量等多种因素造成变压器在线监测数据具有波动性大、异常数据多等普遍性问题，导致在线监测数据质量低下、数据可信度不高，更无法直接利用在线监测数据对变压器状态进行分析与判断。而目前电力变压器在线监测数据分析限于对于单一监测参数自身的数据分析，例如，油中溶解气体分析，局部放电等。这些技术，无法做到对于电力变压器全部在线监测数据的横向挖掘，更没有结合数据分布特性，进行参数之间相关分析。对于电力变压器的在线监测数据获取，涉及数据量巨大，且需要将不同在线监测的非结构化数据，解析成结构化数据，无论从数据量本身、数据获取及数据解析都存在巨大的难度。
[0003]目前各在线监测装置及系统的数据，无法从公开渠道获得。每家在线监测装置制造商，也仅能掌握自家产品的数据，通常只能通过现场积累的数据，来推测设备运行状态的方式，具有较强的片面性，且采用此种方式进行被监测设备状态评估数据，会和真实数据差距较大，而且很不稳定。
[0004]现有的在线监测系统往往需要借助人为设定阈值进行被监测设备状态的判断。

技术实现思路

[0005]本专利技术的目的在于提供一种基于多监测参量统计特性的变压器故障诊断方法及系统，以解决现有技术存在的缺陷，本专利技术不再以人为主观确定设备监测数据阈值，通过在线监测数据多参量统计建立关联分析规则，以实现被监测变压器的状态分析与故障诊断，在电力变压器运行维护、巡检、带电检测和在线监测中也具有广阔的应用前景。
[0006]为达到上述目的，本专利技术采用如下技术方案：
[0007]基于多监测参量统计特性的变压器故障诊断方法，包括以下步骤：
[0008]S100：采集一个周期的电力变压器在线监测数据，对电力变压器在线监测数据进行数据预处理；
[0009]S200：对预处理后的电力变压器在线监测数据进行分布统计模型加载，并基于加载的统计分布模型进行统计规律分析，以确定分布统计模型及模型参数；
[0010]S300：获取更多周期的预处理后的电力变压器在线监测数据，输入S200确定的分布统计模型中，得到若干组模型参数；
[0011]S400：对比依据不同周期电力变压器在线监测数据获得的模型参数，若模型参数之间的误差在阈值内，则判断电力变压器无故障，否则判断电力变压器出现故障。
[0012]进一步地，所述电力变压器在线监测数据包括油中溶解气体数据、局部放电数据、
铁心接地电流数据、油温及油压。
[0013]进一步地，所述数据预处理包括数据清理、数据集成、数据变换及数据规约。
[0014]进一步地，所述数据集成包括：
[0015]解决电力变压器在线监测数据的时间索引不是单调增加的问题；
[0016]解决电力变压器在线监测数据的时间索引包含重复的时间戳的问题，通过保留第一个值进行固定；
[0017]解决电力变压器在线监测数据缺少时间索引属性freq的问题；
[0018]解决电力变压器在线监测数据的时间序列包括分类标签列的问题，通过将分类标签转换为二进制指示符进行修复。
[0019]进一步地，所述统计分布模型包括单参数统计模型和多参数统计模型。
[0020]进一步地，所述单参数统计模型包括正态分布、威布尔分布及t参数分布。
[0021]进一步地，所述多参数统计模型包括多重线性回归检测、Logistic回归检测、Cox比例风险回归检测及时间序列检测。
[0022]进一步地，所述统计规律分析基于Python语言利用Pandas包进行。
[0023]进一步地，所述模型参数为能够确定分布统计模型的参数。
[0024]基于多监测参量统计特性的变压器故障诊断系统，包括：
[0025]数据采集及预处理模块：用于采集一个周期的电力变压器在线监测数据，对电力变压器在线监测数据进行数据预处理；
[0026]模型确定模块：用于对预处理后的电力变压器在线监测数据进行分布统计模型加载，并基于加载的统计分布模型进行统计规律分析，以确定分布统计模型及模型参数；
[0027]模型参数获取模块：用于获取更多周期的预处理后的电力变压器在线监测数据，输入确定的分布统计模型中，得到若干组模型参数；
[0028]判断模块：用于对比依据不同周期电力变压器在线监测数据获得的模型参数，若模型参数之间的误差在阈值内，则判断电力变压器无故障，否则判断电力变压器出现故障。
[0029]与现有技术相比，本专利技术具有以下有益的技术效果：
[0030]本专利技术通过结合电力变压器在线监测数据的统计特性，利用多周期电力变压器在线监测数据之间的联合统计分析算法，对被监测电力变压器运行状态进行动态融合分析与诊断，可以获得准确度非常高的电力变压器状态分析和故障诊断；本专利技术不再以人为主观确定设备监测数据阈值，通过在线监测数据多参量统计建立关联分析规则，以实现被监测变压器的状态分析与故障诊断，在电力变压器运行维护、巡检、带电检测和在线监测中也具有广阔的应用前景。
附图说明
[0031]说明书附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0032]图1为本专利技术电力变压器在线监测数据分析方法流程图；
[0033]图2为本专利技术电力变压器在线监测单参数数据分析方法具体流程图；
[0034]图3为本专利技术电力变压器在线监测多参数数据分析方法具体流程图；
[0035]图4为本专利技术单状态参数的统计特性实例图，其中，(a)局部放电前油中H2含量统
计，(b)局部放电后油中H2含量统计；
[0036]图5为本专利技术多状态监测参数拟合散点图；
[0037]图6为本专利技术基于多监测参量统计特性的变压器故障诊断方法流程图。
具体实施方式
[0038]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0039]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多监测参量统计特性的变压器故障诊断方法，其特征在于，包括以下步骤：S100：采集一个周期的电力变压器在线监测数据，对电力变压器在线监测数据进行数据预处理；S200：对预处理后的电力变压器在线监测数据进行分布统计模型加载，并基于加载的统计分布模型进行统计规律分析，以确定分布统计模型及模型参数；S300：获取更多周期的预处理后的电力变压器在线监测数据，输入S200确定的分布统计模型中，得到若干组模型参数；S400：对比依据不同周期电力变压器在线监测数据获得的模型参数，若模型参数之间的误差在阈值内，则判断电力变压器无故障，否则判断电力变压器出现故障。2.根据权利要求1所述的基于多监测参量统计特性的变压器故障诊断方法，其特征在于，所述电力变压器在线监测数据包括油中溶解气体数据、局部放电数据、铁心接地电流数据、油温及油压。3.根据权利要求1所述的基于多监测参量统计特性的变压器故障诊断方法，其特征在于，所述数据预处理包括数据清理、数据集成、数据变换及数据规约。4.根据权利要求3所述的基于多监测参量统计特性的变压器故障诊断方法，其特征在于，所述数据集成包括：解决电力变压器在线监测数据的时间索引不是单调增加的问题；解决电力变压器在线监测数据的时间索引包含重复的时间戳的问题，通过保留第一个值进行固定；解决电力变压器在线监测数据缺少时间索引属性freq的问题；解决电力变压器在线监测数据的时间序列包括分类标签列的问题，通过将分类标签转换为二进制指示符进行修复。5.根据权利要求1所述的基于多...

【专利技术属性】
技术研发人员：王文森，高峰，齐卫东，韩彦华，张璐，孙渭薇，董明，杨晓西，贺馨仪，李亚峰，杨智军，郭涛，刘娇健，王辰曦，薛倩楠，
申请(专利权)人：国网陕西省电力有限公司电力科学研究院，
类型：发明
国别省市：