本发明专利技术公开了一种基于数字孪生模型的变压器故障检测方法、装置及介质，包括：采集实体变压器的运行数据并建立孪生数据库；基于孪生数据库并根据运行数据建立实体变压器和孪生变压器的映射关系；根据映射关系更新孪生变压器的运行数据；基于更新后的运行数据并根据预设故障检测孪生模型对实体变压器的故障进行检测，预设故障检测孪生模型包括精度影响影子、耦合模型和故障检测神经网络模型，精度影响影子和故障检测神经网络模型用于决定变压器故障检测的精度，耦合模型用于确定实体变压器的故障阈值。本发明专利技术根据映射关系更新运行数据并基于更新后的运行数据根据预设故障检测孪生模型对变压器的故障进行检测，从而提高变压器故障的检测精度。压器故障的检测精度。压器故障的检测精度。
【技术实现步骤摘要】
基于数字孪生模型的变压器故障检测方法、装置及介质
[0001]本专利技术属于变压器故障检测
，尤其涉及一种基于数字孪生模型的变压器故障检测方法、装置及介质。
技术介绍
[0002]用户每日对于用电量的需求较大，因此保障用户在用电安全方面也提出了更高的要求。变压器是电力系统输变电的重要枢纽，一旦变压器出现故障会在成局部乃至大面积的停电，所以对变压器的故障检测显得尤为重要。但是，目前通过三比值法或者特征气体判别法存在对故障检测结果不准确的情况。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0004]本专利技术的主要目的在于提供一种基于数字孪生模型的变压器故障检测方法、装置及介质，旨在解决变压器故障检测结果不准确的技术问题。
[0005]本专利技术技术方案是：
[0006]一种基于数字孪生模型的变压器故障检测方法，所述检测方法包括：
[0007]采集实体变压器的运行数据并建立孪生数据库；
[0008]基于孪生数据库并根据运行数据建立实体变压器和孪生变压器的映射关系；
[0009]根据映射关系更新孪生变压器的运行数据；
[0010]基于更新后的运行数据并根据预设故障检测孪生模型对实体变压器的故障进行检测，预设故障检测孪生模型包括精度影响影子、耦合模型和故障检测神经网络模型，精度影响影子和故障检测神经网络模型用于决定变压器故障检测的精度，耦合模型用于确定所述实体变压器的故障阈值。
[0011]精度影响影子作为参数值输入至故障检测神经网络模型，故障检测神经网络模型的输入层与耦合模型的输出层连接。
[0012]所述基于更新后的运行数据并根据预设故障检测孪生模型对实体变压器的故障进行检测的步骤，包括：
[0013]对更新后的运行数据进行分析，获得实体变压器的受损值；
[0014]基于耦合模型对受损值进行迭代计算；
[0015]在迭代次数达到预设阈值时，获得实体变压器的故障阈值；
[0016]根据预设故障检测神经网络模型、更新后的运行数据和精度影响因子生成故障检测神经网络模型；
[0017]根据故障检测神经网络模型、更新后的运行数据和故障阈值对实体变压器的故障进行检测。
[0018]所述根据预设故障检测神经网络模型、更新后的运行数据和精度影响因子生成故
障检测神经网络模型的步骤，包括：
[0019]将更新后的部分运行数据作为训练集，并根据训练集对预设故障检测神经网络模型进行训练；
[0020]根据训练集中样本数量确定精度影响因子集群；
[0021]将精度影响因子集群输入至预设算法进行迭代计算，获得精度影响因子集群中各精度影响因子的适应度值；
[0022]将适应度值输入至训练后的预设故障检测神经网络模型，并根据训练后的预设故障检测神经网络模型对实体变压器进行故障检测；
[0023]在故障检测精度达到预设精度时，获得故障检测神经网络模型；
[0024]在故障检测精度未达到预设精度并且迭代次数未达到预设次数时，对所述各精度影响因子进行调整；
[0025]将调整后的各精度影响因子输入至预设算法中进行迭代计算，获得调整后的各精度影响因子的适应度值，并返回将适应度值输入至训练后的预设故障检测神经网络模型，并根据训练后的预设故障检测神经网络模型对实体变压器进行故障检测的步骤。
[0026]所述对各精度影响因子进行调整的步骤，包括：
[0027]基于训练集确定变异因子和交叉因子；
[0028]根据变异因子和交叉因子对各精度影响因子进行调整。
[0029]所述对更新后的运行数据进行分析，获得实体变压器的受损值的步骤，包括：
[0030]根据更行后的运行数据对实体变压器的电磁分布进行分析；
[0031]根据分析结果确定漏磁面积，根据漏磁面积确定实体变压器的受损密度；
[0032]根据受损密度确定实体变压器各部件的受损值。
[0033]基于所述孪生数据库并根据运行数据建立实体变压器和孪生变压器的映射关系的步骤，包括：
[0034]将运行数据存储至孪生数据库；
[0035]将运行数据分为可获得数据、待分析数据和待计算数据；
[0036]根据可获得数据建立第一映射关系，并根据待分析数据建立第二映射关系；
[0037]通过第一映射关系、第二映射关系和待计算数据建立第三映射关系。
[0038]一种基于数字孪生模型的变压器故障检测装置，所述基于数字孪生模型的变压器故障检测装置包括：数据获取模块、映射建立模块、数据更新模块及故障检测模块；
[0039]所述数据获取模块，用于采集实体变压器的运行数据并建立孪生数据库；
[0040]所述映射建立模块，用于基于所述孪生数据库并根据所述运行数据建立所述实体变压器和孪生变压器的映射关系；
[0041]所述数据更新模块，用于根据所述映射关系更新所述孪生变压器的运行数据；
[0042]所述故障检测模块，用于基于更新后的运行数据并根据预设故障检测孪生模型对所述实体变压器的故障进行检测，所述预设故障检测孪生模型包括精度影响影子、耦合模型和故障检测神经网络模型，所述精度影响影子和所述故障检测神经网络模型用于决定变压器故障检测的精度，所述耦合模型用于确定所述实体变压器的故障阈值。
[0043]一种基于数字孪生模型的变压器故障检测设备，所述基于数字孪生模型的变压器故障检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基
于数字孪生模型的变压器故障检测程序，所述基于数字孪生模型的变压器故障检测程序被所述处理器执行时实现所述的基于数字孪生模型的变压器故障检测方法的步骤。
[0044]一种存储介质，所述存储介质上存储有基于数字孪生模型的变压器故障检测程序，所述基于数字孪生模型的变压器故障检测程序被处理器执行时实现所述的基于数字孪生模型的变压器故障检测方法的步骤。
[0045]本专利技术有益效果是：
[0046]本专利技术公开了一种基于数字孪生模型的变压器故障检测方法、装置及介质，该方法包括：采集实体变压器的运行数据并建立孪生数据库；基于孪生数据库并根据运行数据建立实体变压器和孪生变压器的映射关系；根据映射关系更新孪生变压器的运行数据；基于更新后的运行数据并根据预设故障检测孪生模型对所述实体变压器的故障进行检测，预设故障检测孪生模型包括精度影响影子、耦合模型和故障检测神经网络模型，精度影响影子和故障检测神经网络模型用于决定变压器故障检测的精度，耦合模型用于确定实体变压器的故障阈值。本专利技术基于孪生数据库建立实体变压器和孪生变压器的映射关系，根据映射关系更新孪生变压器的运行数据，并基于更新后的运行数据根据预设故障检测孪生模型对变压器的故障进行检测，从而提高对变压器故障的检测精度。
附图说明
[0047]图1是本专利技术实施例方案涉及的硬件运本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于数字孪生模型的变压器故障检测方法，其特征在于，所述检测方法包括：采集实体变压器的运行数据并建立孪生数据库；基于孪生数据库并根据运行数据建立实体变压器和孪生变压器的映射关系；根据映射关系更新孪生变压器的运行数据；基于更新后的运行数据并根据预设故障检测孪生模型对实体变压器的故障进行检测，预设故障检测孪生模型包括精度影响影子、耦合模型和故障检测神经网络模型，精度影响影子和故障检测神经网络模型用于决定变压器故障检测的精度，耦合模型用于确定所述实体变压器的故障阈值。2.根据权利要求1所述的一种基于数字孪生模型的变压器故障检测方法，其特征在于，精度影响影子作为参数值输入至故障检测神经网络模型，故障检测神经网络模型的输入层与耦合模型的输出层连接。3.根据权利要求1所述的一种基于数字孪生模型的变压器故障检测方法，其特征在于，所述基于更新后的运行数据并根据预设故障检测孪生模型对实体变压器的故障进行检测的步骤，包括：对更新后的运行数据进行分析，获得实体变压器的受损值；基于耦合模型对受损值进行迭代计算；在迭代次数达到预设阈值时，获得实体变压器的故障阈值；根据预设故障检测神经网络模型、更新后的运行数据和精度影响因子生成故障检测神经网络模型；根据故障检测神经网络模型、更新后的运行数据和故障阈值对实体变压器的故障进行检测。4.根据权利要求3所述的一种基于数字孪生模型的变压器故障检测方法，其特征在于，所述根据预设故障检测神经网络模型、更新后的运行数据和精度影响因子生成故障检测神经网络模型的步骤，包括：将更新后的部分运行数据作为训练集，并根据训练集对预设故障检测神经网络模型进行训练；根据训练集中样本数量确定精度影响因子集群；将精度影响因子集群输入至预设算法进行迭代计算，获得精度影响因子集群中各精度影响因子的适应度值；将适应度值输入至训练后的预设故障检测神经网络模型，并根据训练后的预设故障检测神经网络模型对实体变压器进行故障检测；在故障检测精度达到预设精度时，获得故障检测神经网络模型；在故障检测精度未达到预设精度并且迭代次数未达到预设次数时，对所述各精度影响因子进行调整；将调整后的各精度影响因子输入至预设算法中进行迭代计算，获得调整后的各精度影响因子的适应度值，并返回将适应度值输入至训练后的预设故障检测神经网络模型，并根据训练后的预设故障检测神经网络模型对实体变压器进行故障检测的步骤。5.根据权利要求4所述的一种基于数字孪生模型的变压器故障检测方法，其特...
【专利技术属性】
技术研发人员：王杰峰，龙玉江，田钺，李洵，汤杰，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。