一种变压器热缺陷智能诊断方法、系统、设备及介质技术方案

本发明专利技术属于变电运维技术领域，具体公开了一种变压器热缺陷智能诊断方法、系统、设备及介质，本发明专利技术通过红外热成像仪采集电流致热型变压器设备的接点温度和环境温度数据，计算相对温差，划分电流致热型变压器设备缺陷程度等级，提取接点温度和相对温差作为征兆参数，根据电流致热型变压器设备缺陷诊断判据，建立电流致热型变压器设备缺陷故障

【技术实现步骤摘要】
一种变压器热缺陷智能诊断方法、系统、设备及介质


[0001]本专利技术属于变电运维
，具体涉及一种变压器热缺陷智能诊断方法、系统、设备及介质。

技术介绍

[0002]变压器是变电站的心脏、中枢，在运行过程中要求工作必须可靠。一旦出现故障轻则造成设备损坏，重则引发火情，危及正常的站内安全，因此，必须及时且有效地对变压器进行热缺陷检测，以防止安全事故发生。变压器热缺陷可分为：套管缺陷、箱体缺陷、散热器缺陷、重要部位接触不良缺陷、储油柜缺陷和其他缺陷；套管缺陷包括：套管缺油、接触不良和内部缺陷等；箱体缺陷包括变压器漏磁产生的涡流损耗引起箱体或部分连接螺栓发热；散热器缺陷包括散热器堵塞或阀门未开造成变压器油温升高；重要部位接触不良缺陷包括导电回路连接部位接触不良；储油柜缺陷包括储油柜缺油或假油位；其它缺席包括：线圈故障、铁芯多点接地引起的局部发热等。
[0003]在变压器出现故障的前夕，都伴随着自身温度的升高，而红外热成像是发现变压器热缺陷的最佳检测技术，为变压器的热缺陷、设备状态、安全运行监测提供红外安全检测。带电设备的发热类型包括电流致热型、电压致热型、其他致热型。电流致热是电流效应引起的发热，即电流流过电阻产生的发热。电流致热型一般都是设备接触不良引起的电阻过大，从而产生了发热，或是设备连接不紧固、松动，或是接触面锈蚀等原因。电流致热的原因简单，因此发热设备、发热图片的分析也相应的简单，一般直接关注发热点即可。而现有的红外热成像监控方法均由人工使用热成像仪现场进行采集数据，通过计算温差判断是否出现异常。因此，为了实时监控变压器状态、减少人工巡检成本，针对电流致热型变压器缺陷智能诊断方法进行研究具有一定的现实意义。目前利用红外热成像仪判断变压器缺陷主要是根据人工经验获得，无法实现智能评估。

技术实现思路

[0004]为了克服现有技术的缺点，本专利技术的目的在于提供一种变压器热缺陷智能诊断方法、系统、设备及介质，以解决现有红外热成像仪判断电流致热型变压器缺陷主要通过人工经验获得，无法实现智能评估的问题。
[0005]为了达到上述目的，本专利技术采用以下技术方案实现：
[0006]第一方面，本专利技术提供一种变压器热缺陷智能诊断方法，包括：
[0007]S1：利用红外热成像仪采集电流致热型变压器设备的接点温度和环境温度数据，计算相对温差；
[0008]S2：对电流致热型变压器设备缺陷程度进行划分，提取电流致热型变压器设备的接点温度和相对温差作为征兆参数；
[0009]S3：根据征兆参数制定电流致热型变压器设备缺陷诊断判据，建立电流致热型变压器典型故障
‑
征兆集；
[0010]S4：根据电流致热型变压器典型故障
‑
征兆集，将接点温度和相对温差作为径向基神经网络的输入，电流致热型变压器的缺陷程度作为径向基神经网络的输出，建立基于径向基神经网络的电流致热型变压器设备缺陷诊断模型；
[0011]S5：将电流致热型变压器设备实际运行的接点温度和相对温差输入建立的电流致热型变压器设备缺陷诊断模型，对电流致热型变压器设备的缺陷程度进行识别。
[0012]进一步的，所述电流致热型变压器设备的接点温度和环境温度数据包括：发热点A、B、C三相接点温度和被测电流致热型变压器设备区域的环境温度；
[0013]相对温差δ
t
的计算公式为：
[0014][0015]式中，T1为A、B、C三相接点温度最大值，T2为A、B、C三相接点温度中间值，T0为被测电流致热型变压器设备区域的环境温度。
[0016]进一步的，所述征兆参数的取值规则如下：
[0017]当接点温度<第一预设温度时，A1＝1，否则A1＝0；
[0018]当第一预设温度≤接点温度≤第二预设温度时，A2＝1，否则A2＝0；
[0019]当接点温度>第二预设温度时，A3＝1，否则A3＝0；
[0020]当第二预设值>δ
t
≥第一预设值时，A4＝1，否则A4＝0；
[0021]当第三预设值>δ
t
≥第二预设值时，A5＝1，否则A5＝0；
[0022]当δ
t
≥第三预设值时，A6＝1，否则A6＝0；
[0023]征兆参数集合为A＝{A1,A2,A3,A4,A5,A6}。
[0024]进一步的，所述变压器设备缺陷程度分为一般缺陷、严重缺陷和紧急缺陷：
[0025]F＝{F1,F2,F3}
[0026]其中，F表示变压器设备缺陷程度；F1表示变压器设备存在一般缺陷；F2表示变压器设备存在严重缺陷；F3表示变压器设备存在紧急缺陷。
[0027]进一步的，所述F＝{F1,F2,F3}的划分依据为：
[0028]当相对温差δ
t
≥第一预设值，且发热点温度小于严重缺陷温度时，变压器设备存在一般缺陷，记F1；
[0029]当严重缺陷温度>发热点温度>紧急缺陷温度或者相对温差δ
t
≥第二预设值，且发热点温度小于紧急缺陷温度时，变压器设备存在严重缺陷，记F2；
[0030]当发热点温度>紧急缺陷温度或者相对温差δ
t
≥第三预设值，且发热点温度大于严重缺陷温度时，变压器设备存在紧急缺陷，记F3。
[0031]进一步的，所述电流致热型变压器设备诊断判据的产生式规则制定过程为：
[0032]IfA1＝1andA4＝1Then F1＝1；
[0033]IfA2＝1orA2＝1andA5＝1Then F2＝1；
[0034]IfA3＝1orA2＝1andA6＝1Then F3＝1；
[0035]获得电流致热型变压器典型故障
‑
征兆集。
[0036]进一步的，所述基于电流致热型径向基神经网络的变压器设备缺陷诊断模型建模过程如下：
[0037]利用径向基神经网络建立电流致热型变压器热缺陷智能诊断模型，根据电流致热
型变压器典型故障
‑
征兆集，将接点温度和相对温差作为径向基神经网络的输入，电流致热型变压器的缺陷程度作为径向基神经网络的输出，采用高斯函数将输入信号变换非线性的激活函数，径向基神经网络的输入和输出样本分别为：
[0038][0039][0040]利用MATLAB中的Newrbe()函数创建径向基神经网络基本函数：
[0041]Net＝newrb(P,T,SPREAD)
[0042]其中，P为神经网络训练样本；T为神经网络输出目标；SPREAD为径向基神经网络的扩展速度。
[0043]第二方面，一种变压器热缺陷智能诊断系统，包括：
[0044]温度数据采集及相对温差计算模块，用于利用红外热成像仪采集电流致热型变压器设备的接点温度和环境温度数据，计算相对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变压器热缺陷智能诊断方法，其特征在于，包括：S1：利用红外热成像仪采集电流致热型变压器设备的接点温度和环境温度数据，计算相对温差；S2：对电流致热型变压器设备缺陷程度进行划分，提取电流致热型变压器设备的接点温度和相对温差作为征兆参数；S3：根据征兆参数制定电流致热型变压器设备缺陷诊断判据，建立电流致热型变压器典型故障
‑
征兆集；S4：根据电流致热型变压器典型故障
‑
征兆集，将接点温度和相对温差作为径向基神经网络的输入，电流致热型变压器的缺陷程度作为径向基神经网络的输出，建立基于径向基神经网络的电流致热型变压器设备缺陷诊断模型；S5：将电流致热型变压器设备实际运行的接点温度和相对温差输入建立的电流致热型变压器设备缺陷诊断模型，对电流致热型变压器设备的缺陷程度进行识别。2.根据权利要求1所述的一种变压器热缺陷智能诊断方法，其特征在于，所述电流致热型变压器设备的接点温度和环境温度数据包括：发热点A、B、C三相接点温度和被测电流致热型变压器设备区域的环境温度；相对温差δ
t
的计算公式为：式中，T1为A、B、C三相接点温度最大值，T2为A、B、C三相接点温度中间值，T0为被测电流致热型变压器设备区域的环境温度。3.根据权利要求2所述的一种变压器热缺陷智能诊断方法，其特征在于，所述征兆参数的取值规则如下：当接点温度＜第一预设温度时，A1＝1，否则A1＝0；当第一预设温度≤接点温度≤第二预设温度时，A2＝1，否则A2＝0；当接点温度>第二预设温度时，A3＝1，否则A3＝0；当第二预设值＞δ
t
≥第一预设值时，A4＝1，否则A4＝0；当第三预设值＞δ
t
≥第二预设值时，A5＝1，否则A5＝0；当δ
t
≥第三预设值时，A6＝1，否则A6＝0；征兆参数集合为A＝{A1，A2，A3，A4，A5，A6}。4.根据权利要求3所述的一种变压器热缺陷智能诊断方法，其特征在于，所述电流致热型变压器设备缺陷程度分为一般缺陷、严重缺陷和紧急缺陷：F＝{F1，F2，F3}其中，F表示电流致热型变压器设备缺陷程度；F1表示电流致热型变压器设备存在一般缺陷；F2表示电流致热型变压器设备存在严重缺陷；F3表示电流致热型变压器设备存在紧急缺陷。5.根据权利要求4所述的一种变压器热缺陷智能诊断方法，其特征在于，所述F＝{F1，F2，F3}的划分依据为：当相对温差δ
t
≥第一预设值，且发热点温度小于严重缺陷温度时，变压器设备存在一般缺陷，记F1；
当严重缺陷温度>发热点温度>紧急缺陷温度或者相对温差δ
t
≥第二预设值，且发热点温度小于紧急缺陷温度时，变压器设备存在严重缺陷，记F2；当发热点温度>紧急缺陷温度或者相对温差δ
t...

【专利技术属性】
技术研发人员：徐铭璐，马超，曹立锟，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：