一种用于变压器油色谱数据的最优长度选择方法及系统技术方案

本发明专利技术公开了一种用于变压器油色谱数据的最优长度选择方法及系统，包括：基于具有混沌特性的变压器油的油色谱时间序列，通过相空间重构技术进行重构，生成多维多变量时间序列，其中，油色谱时间序列用于表示油色谱在线监测时间序列；通过C

【技术实现步骤摘要】
一种用于变压器油色谱数据的最优长度选择方法及系统


[0001]本专利技术涉及变压器油色谱数据处理领域，尤其涉及一种用于变压器油色谱数据的最优长度选择方法及系统。

技术介绍

[0002]变压器是电力系统的重要枢纽设备之一，其运行的可靠性关系到电力系统的安全稳定运行。为了确保变压器的正常运行，通常使用油中溶解气体分析(dissolved gas analysis，DGA)在线监测技术实时监测油中溶解气体含量，根据实时监测值发现变压器的早期故障、判断故障的类型、给出检修计划等。变压器油色谱在线监测系统按照一定的采集周期获取油中溶解气体的数据，采集到的油色谱数据随着时间变化，形成油色谱在线监测时间序列。
[0003]在现有的研究中，油色谱在线监测时间序列被广泛应用于变压器的状态评价、故障预测、油色谱阈值计算和预警等方面。油色谱在线监测时间序列从变压器投运时即开始形成，因此该时间序列时间跨度较长，数据量较大，在实际使用时，通常将所有采集的历史数据作为样本进行分析，或者仅取一个固定的时间段内的数据进行分析，该固定时间段长度的选取主要依赖于研究人员的主观性，没有统一的标准。
[0004]在实际计算中，如果选取的油色谱数据过多，即选择的时间跨度较长时，则数据中靠前的部分可能无法反应当前工况下变压器的运行状态，同样的如果选取的数据量较少，即选择的时间跨度较短时，则由于数据量的缺乏也无法完整的反映变压器的运行情况。因此，油色谱分析数据长度选择的问题成为迫切需要解决的问题，但目前实际运用中关于油色谱数据长度的选取仍主要依赖研究人员的主观判断，过度依赖于研究人员的经验，缺乏标准。
[0005]在预测方面，相空间重构理论已经被应用于电力负荷预测、设备故障诊断等多个领域，但是在油色谱分析及变压器故障诊断领域应用较少，对于时间序列最优长度选择方面的研究更为缺乏。
[0006]对于现有基于混沌理论的时间序列最优长度选取方法都是基于单变量油色谱时间序列，而未考虑油中溶解的多种气体都会对计算结果产生影响。但油色谱数据与油中溶解的各种气体都存在紧密联系，且单变量气体时间序列往往存在较大的噪声，无法保证所得相空间能够准确描述非线性系统的混沌特性，进而对最终的计算精度产生较大的影响。

技术实现思路

[0007]针对已有方法存在的不足之处，本专利技术的目的是提出一种用于变压器油色谱的最优数据长度的选择方法，基于收集到的大量的现场油中溶解气体在线监测数据，首先利用Lyapunov指数判断油色谱时间序列是否具有混沌特性，之后使用延迟坐标法重构油色谱时间序列的多变量相空间，求取分别计算各变量嵌入维数与延迟时间。然后，通过分析嵌入时间序列的关联积分的收敛性，得到时间序列长度与嵌入维数之间的关系，从而可以得到油
色谱时间序列的最优数据长度，进而达到计算量和计算时间减少，提高计算效率的目的。
[0008]为了实现上述技术目的，本专利技术提供了一种用于变压器油色谱数据的最优长度选择方法，包括以下步骤：
[0009]基于具有混沌特性的变压器油的油色谱时间序列，通过相空间重构技术进行重构，生成多维多变量时间序列，其中，油色谱时间序列用于表示油色谱在线监测时间序列；
[0010]通过C
‑
C算法获取多维多变量时间序列的嵌入维数与时间延迟，获取重构空间吸引子的空间轨迹；
[0011]依据空间轨迹，确定变压器油的油色谱数据的最优长度，用于对变压器进行状态评价、故障预测、油色谱阈值计算和预警计算。
[0012]优选地，在获取具有混沌特性的油色谱时间序列的过程中，采集油色谱数据，利用Wolf算法计算Lyapunov指数，获取Lyapunov指数大于零的数据对应的油色谱时间序列，作为具有混沌特性的油色谱时间序列。
[0013]优选地，在对油色谱时间序列进行重构的过程中，通过Takens延迟坐标法，对油色谱时间序列进行重构，生成多维多变量时间序列。
[0014]优选地，在生成多维多变量时间序列的过程中，多维多变量时间序列表示为：
[0015][0016]其中，m
k
为重构空间的嵌入维数；τ
k
为延迟时间间隔数；p＝N
‑
(m
k
‑
1)τ
k
为时间序列嵌入享空间的向量个数；N表示时间序列长度，D表示维度。
[0017]优选地，在获取延迟时间的过程中，基于延迟时间窗口，通过获取重构相空间上的一个相点，构建嵌入时间序列的关联积分，其中，延迟时间窗口表示为：
[0018]τ
w
＝(m
k
‑
1)
·
τ
k
[0019]式中，τ
k
为时间延迟，m
k
为嵌入维数，τ
w
为延迟时间窗口；
[0020]关联积分表示为：
[0021][0022]M＝N
‑
(m
k
‑
1)τ
k
[0023]式中，d
ij
＝||y
i
(i)
‑
y
i
(j)||
∞
，为∞函数；r为搜索半径，取小于max(d
ij
)的任意实数；θ(x)为Heaviside函数；
[0024]基于关联积分，根据不同的延迟时间，将时间序列分成若干个不相交的时间序列，并通过关联积分进行统计，获取统计的最大值和最小值的差值，其中，根据延迟时间确定不相交的时间序列的个数；
[0025]将差值作为偏差值，获取最小偏差值对应的延迟时间，作为最优时间延迟，或选择通过关联积分对嵌入时间序列进行统计的零点对应的延迟时间，作为最优时间延迟。
[0026]优选地，在获取差值的过程中，差值表示为：
[0027][0028]优选地，在获取嵌入维数的过程中，获取油色谱时间序列的平均检验统计量和平均差量ΔS(τ
k
)；
[0029]选择的第一个零点和平均差量ΔS(τ
k
)的第一个极小值点对应的两个延迟时间较小值作为最优延迟时间；
[0030]基于最优延迟时间，通过确定最优延迟时间窗口τ
w
，获取嵌入维数。
[0031]优选地，在获取最优延迟时间的过程中，平均检验统计量表示为：
[0032][0033]式中，n
m
为m
k
可能取值的个数；n
k
为r可能取值的个数；
[0034]平均差量ΔS(τ
k
)表示为：
[0035][0036]在获取最优延迟时间窗口τ
w
的过程中，通过平均检验统计量和平均差量ΔS(τ
k
)，构建指标S
cor
(τ
k
)，其中，指标S
cor
(τ
...

【技术保护点】

【技术特征摘要】
1.一种用于变压器油色谱数据的最优长度选择方法，其特征在于，包括以下步骤：基于具有混沌特性的变压器油的油色谱时间序列，通过相空间重构技术进行重构，生成多维多变量时间序列，其中，所述油色谱时间序列用于表示油色谱在线监测时间序列；通过C
‑
C算法获取所述多维多变量时间序列的嵌入维数与时间延迟，获取重构空间吸引子的空间轨迹；依据所述空间轨迹，确定所述变压器油的油色谱数据的最优长度，用于对变压器进行状态评价、故障预测、油色谱阈值计算和预警计算。2.根据权利要求1所述一种用于变压器油色谱数据的最优长度选择方法，其特征在于：在获取具有混沌特性的油色谱时间序列的过程中，采集所述油色谱数据，利用Wolf算法计算Lyapunov指数，获取Lyapunov指数大于零的数据对应的油色谱时间序列，作为具有混沌特性的油色谱时间序列。3.根据权利要求2所述一种用于变压器油色谱数据的最优长度选择方法，其特征在于：在对油色谱时间序列进行重构的过程中，通过Takens延迟坐标法，对所述油色谱时间序列进行重构，生成所述多维多变量时间序列。4.根据权利要求3所述一种用于变压器油色谱数据的最优长度选择方法，其特征在于：在生成多维多变量时间序列的过程中，所述多维多变量时间序列表示为：其中，m
k
为重构空间的嵌入维数；τ
k
为延迟时间间隔数；p＝N
‑
(m
k
‑
1)τ
k
为时间序列嵌入享空间的向量个数；N表示时间序列长度，D表示维度。5.根据权利要求4所述一种用于变压器油色谱数据的最优长度选择方法，其特征在于：在获取延迟时间的过程中，基于延迟时间窗口，通过获取重构相空间上的一个相点，构建嵌入时间序列的关联积分，其中，所述延迟时间窗口表示为：τ
w
＝(m
k
‑
1)
·
τ
k
式中，τ
k
为时间延迟，m
k
为嵌入维数，τ
w
为延迟时间窗口；所述关联积分表示为：M＝N
‑
(m
k
‑
1)τ
k
式中，d
ij
＝||y
i
(i)
‑
y
i
(j)||
∞
，为∞函数；r为搜索半径，取小于max(d
ij
)的任意实数；θ(x)为Heaviside函数；基于所述关联积分，根据不同的所述延迟时间，将所述时间序列分成若干个不相交的时间序列，并通过关联积分进行统计，获取统计的最大值和最小值的差值，其中，根据所述延迟时间确定不相交的时间序列的个数；将所述差值作为偏差值，获取最小偏差值对应的延迟时间，作为最优时间延迟，或选择通过所述关联积分对所述嵌入时间序列...

【专利技术属性】
技术研发人员：刘云鹏，范澜珊，刘一瑾，刘伟军，朱云祥，吴冰，钱平，胡叶舟，卞荣，高美金，张利军，张永，蔡勇，黄世晅，陈科技，姜焘，王婷婷，张琳琳，杨轶涵，杨嘉睿，梁艳群，诸言涵，
申请(专利权)人：国网浙江省电力有限公司经济技术研究院，
类型：发明
国别省市：