一种变压器故障校验、预警方法及系统技术方案

本发明专利技术实施例公开了一种变压器故障校验、预警方法及系统，采用Fisher最优分割法将一天划分为多个波动时段，可分时段精准分析故障情况。利用机器学习模型并结合多因素多规则的预测方法，有效提升变压器故障检验、预警的效率和准确性。另外，本发明专利技术采用机器学习模型完成智能分闸，同时，结合视频协同监控设备状态的方式，实现变压器故障监测及反应的双重保障。实现变压器故障监测及反应的双重保障。实现变压器故障监测及反应的双重保障。

【技术实现步骤摘要】
一种变压器故障校验、预警方法及系统


[0001]本专利技术属于变压器故障检测
，具体涉及一种变压器故障校验、预警方法及系统。

技术介绍

[0002]变压器在运行的过程中，电能通过铁芯和绕组时的损耗会转变为热能，引起变压器各部位发热，从而导致变压器温度升高。只有当热量向周围辐射传导，发热和散热达到平衡状态时，各部位的温度才会趋于稳定。但是，变压器在实际运行时，各部位的温度是不相同的，其中，高压侧和低压侧的绕组温度最高，其次是铁芯的温度。如果变压器的温度长时间超过正常温度运行，其绝缘会因为长期受热后老化甚至损坏，而温度越高，绝缘老化越快。当绝缘老化到一定程度时，在变压器运行产生的振动和电动力的作用下，非常容易破裂，且容易发生电击穿而造成事故。因此，变压器在运行时的温度监控、故障监测和相应处理措施尤为重要，既能够防止不必要的事故发生也可增加变压器的使用年限。
[0003]目前，在变压器的温度、故障检测方面，主要采用单一地通过对温度进行测量的方式。随着技术的进步，也存在同时对电流进行测量的方式，但大多侧重温升和电流的关系，通过关系曲线进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变压器故障校验、预警方法，其特征在于，应用于安装高压侧温度和电流传感器、低压侧温度和电流传感器、环境温度传感器和铁芯温度传感器的变压器；所述变压器还安装有设置预警指示灯的预警系统，以及，可拍摄预警指示灯和变压器电闸的监视系统，所述方法包括：建立变压器在历史时段内电流和温度的数据集，所述数据集中的样本为在历史时段内每日的电流值和温度值，其中，每个样本均包含在当日每间隔预设时长采集得到的变压器数据，所述变压器数据至少包括高压侧、低压侧的温度值和电流值、环境温度、铁芯温度以及是否分闸的标注信息；根据每个样本中低压侧的电流值，利用Fisher最优分割法将一天划分为多个波动时段，所述波动时段为日高峰时段或日平峰时段；获取变压器在当前时刻所属波动时段的起始时刻至当前时刻之间的多个低压侧电流值，并计算所有所述低压侧电流值的平均值；判断所述平均值是否小于预设电流平均值，如果平均值小于预设电流平均值，获取变压器在当前时刻的环境温度和铁芯温度；判断所述环境温度或铁芯温度是否超过对应的预设温度阈值，如果是，生成预警信号发送至预警系统，并且，调用预设的分闸模块判定变压器是否需要进行分闸；如果平均值不小于预设电流平均值，获取当前时刻的高压侧、低压侧的电流值和温度值，以及环境温度值；根据所述高压侧、低压侧电流值和温度值，以及环境温度值判定是否生成预警信号，以及是否调用分闸模块；利用监视系统判定预警指示灯的颜色与电闸状态是否匹配，其中，预警指示灯的颜色由预警系统根据预警信号的内容确定；如果预警指示灯的颜色与电闸状态不匹配，生成告警信息，并将当前拍摄预警指示灯和电闸的视频发送至工作人员。2.根据权利要求1所述的方法，其特征在于，所述根据每个样本中低压侧的电流值，利用Fisher最优分割法将一天划分为多个波动时段，包括：针对所述数据集中的每个样本，均按照以下方式将所述样本对应的当日划分为高峰时段和平峰时段：按照测量时间将所述样本内的低压侧电流值按照以下顺序排列：；其中，i1为在所述样本对应当日内测量得到的第一个低压侧电流值，i2为在所述样本内对应当日内，间隔预设时长后测量得到的第二个低压侧电流值，以此类推，i
N
为在所述样本对应当日内，测量得到的最后一个低压侧电流值；预先设定分类数的取值范围为[1,K]，针对每个分类数的取值，均基于Fisher最优分割法，按照以下公式，计算所述样本内所有低压侧电流值在不同时段分组方式下的组内离差平方和：；
其中，为分类数为K
i
时的组内离差平方和；N
k
为将所述样本内低压侧电流值分为K
i
组时，第k组中低压侧电流值的数量；i
tk
为在第k组中，第t个低压侧电流值；为在第k组中，低压侧电流值的平均值；将每个分类数K
i
下，具有最小组内离差平方和的时段分组方式作为对应分类数下最优的时段分组方式；针对每个分类数K
i
，均按照以下方式计算衰减速率：；其中，为分类数K
i
对应的衰减速率，为分类数K
i
对应的最小组内离差平方和；将对应最大衰减速率的分类数K
i
作为最优分类数；根据与最优分类数相对应的最优时段分组方式，将所述样本对应的当日划分为多个时段，其中，相同时段内的低压侧电流值属于同一组；分别计算每个所述时段中低压侧电流值的平均值，作为对应时段的时段电流平均值；以及，计算所述样本对应当日内低压侧电流值的平均值，作为当日电流平均值；逐个比较每个所述时段的时段电流平均值与当日电流平均值的大小，将时段电流平均值大于当日电流平均值的时段确定为当日的高峰时段，以及，将时段电流平均值不大于当日电流平均值对应的时段确定为当日的平峰时段；按照以下方式将一天划分为日高峰时段和日平峰时段：针对数据库中的每一个样本，均判断在当日的24个小时中，每个小时内包含高峰时段的时长是否超过预设时长，如果是，将所述小时确定为所述样本当日的高峰小时；如果否，将所述小时确定为所述样本当日的平峰小时；根据所有样本当日的高峰小时和平峰小时，统计一天24个小时中，每个小时被确定为高峰小时或平峰小时的数量；针对每个小时，均判断被确定为高峰小时的数量是否超过被确定为平峰小时的数量，如果是，将所述小时确定为一个日高峰时段；如果否，将所述小时确定为一个日平峰时段；判断是否存在相邻的小时同为日高峰时段或日平峰时段，如果是，将所述相邻的小时合并，作为一个日高峰时段或日平峰时段。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：按照以下方式建立分闸模块：获取每个样本中所有变压器数据对应的高压侧和低压侧的电流值、环境温度、铁芯温度，以及，是否进行分闸的标注信息；计算出每个变压器数据对应的高压侧电流温升值和低压侧电流温升值，以及，每个样本在每个波动时段内的时段最大电流偏差值和时段最大温度偏差值；根据每个样本中所有的变压器数据，以及计算出的对应数据构建训练数据集和测试数据集；
基于机器学习模型，采用训练数据集中的数据进行训练，构建分闸模型，其中，输入数据为高压侧和低压侧的电流值、环境温度、铁芯温度、高压侧和低压侧的电流温升值，以及时段最大电流偏差值和时段最大温度偏差值，输出数据为是否分闸的标注信息；利用测试数据集中的数据对分闸模型进行检验，判断分闸模型的准确率是否达到预设准确率，如果是，确认分闸模型建立完成；如果否，重新训练分闸模型。4.根据权利要求1所述的方法，其特征在于，所述根据所述高压侧、低压侧电流值和温度值，以及环境温度值判定是否生成预警信号，以及是否调用分闸模块，包括：判断当前时刻的高压侧电流值或低压侧的电流值是否超过对应的预警电流阈值，如果是，生成橙色预警信号发送至预警系统，使预警系统控制预警指示灯以橙色显示，同时，调用分闸模块判定是否进行分闸；如果确认进行分闸，向工作人员发送请求信息；在接收到工作人员发送的分闸信号后，控制分闸机构进行分闸；如果确认不进行分闸，获取当前时刻高压侧温升值和低压侧温升值，以及，当前时刻所属波动时段对应的高压侧电流温升曲线和低压侧电流温升曲线，所述高压侧电流温升曲线和低压侧电流温升曲线中均具有黄色预警线和红色预警线；判断当前时刻高压侧温升值或低压侧温升值是否超过对应电流温升曲线中的黄色预警线或红色预警线，在高压侧温升值或低压侧温升值超过对应的红色预警线时，生成红色预警信号发送至预警系统及工作人员，使预警系统控制预警指示灯以红色显示，以及，在接收到工作人员发送的分闸信号后，控制分闸机构进行分闸；在高压侧温升值或低压侧温升值超过对应的黄色预警线且小于对应的红色预警线时，生成黄色预警信号发送至预警系统，使预警系统控制预警指示灯以黄色显示，同时，调用分闸模块确定是否进行分闸，如果确认进行分闸，向工作人员发送请求信息；在接收到工作人员发送的分闸信号后，控制分闸机构进行分闸；如果确认不进行分闸，分别计算当前时刻高压侧和低压侧对应的时段最大电流偏差值以及时段最大温度偏差值；根据所述时段最大电流偏差值和时段最大温度...

【专利技术属性】
技术研发人员：熊林海，刘亮，林晨，张步林，王嗣琛，
申请(专利权)人：大全集团有限公司，
类型：发明
国别省市：