【技术实现步骤摘要】
本专利技术属于变压器故障定位，具体是一种基于聚类算法的变压器故障定位方法及系统。
技术介绍
1、在变电站中，变压器是最主要的电力设备之一，其运行状况直接关系到发电、供电系统的安全性和可靠性。因此对于变压器进行故障诊断和故障定位，是十分必要的。
2、传统的故障定位方法通常基于电气参数的测量和分析，如电流、电压和阻抗等。然而，这些方法在某些情况下可能无法准确判断故障位置，特别是对于一些复杂的故障情况。此外，一些传统的故障定位方法需要人工介入和操作，这不仅增加了故障处理的时间和成本，也可能导致误判和漏判的情况。因此，当变压器发生故障时，如何精准确定故障位置是目前亟须解决的问题；基于此，本专利技术提供了一种基于聚类算法的变压器故障定位方法及系统。
技术实现思路
1、为了解决上述方案存在的问题，本专利技术提供了一种基于聚类算法的变压器故障定位方法及系统。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于聚类算法的变压器故障定位系统，包括数据采集模块、数据处理模块、监测分析模块、故障分析模块和故障定位模块；
4、所述数据采集模块用于按照预设的各监测项对变压器进行实时数据采集，获得各所述监测项对应的监测项数据，将各所述监测项数据整合为监测数据；建立所述变压器对应的变压器模型；将所述监测数据输入到所述变压器模型中进行实时显示。
5、所述数据处理模块用于对监测数据进行处理，获得对应的异常分析数据和监测分析数据。
6、
7、获取所述变压器的历史监测数据，基于所述历史监测数据建立对应的异常识别模型，通过所述异常识别模型对监测项数据进行分析，获得各所述监测项对应的异常值集；
8、根据所述异常值集生成各所述监测项对应的异常坐标图；
9、识别所述异常坐标图中的各单元段，标记各所述单元段对应的单元时长以及各相邻单元段之间的单元间隔时长；
10、将各单元段进行合并，获得若干个异常段；
11、识别各异常段对应的异常时长，将异常时长大于阈值x1的监测数据标记为异常分析数据；
12、将异常时长不大于阈值x1的监测项数据和异常分析数据从监测数据中剔除，获得对应监测分析数据。
13、进一步地，将各单元段进行合并的方法包括：
14、步骤sa1：根据公式tw＝lg(5+td)计算各单元段的合并限值；
15、式中：tw为对应单元段的合并限值；td为对应单元段的单元时长；lg(*)为以10为底的对数函数；
16、步骤sa2：识别对应的评估段；当没有评估段时，结束单元段的合并，输出对应的各异常段；
17、步骤sa3：识别评估段的合并限值，将评估段的合并限值与对应的单元间隔时长进行比较；
18、当合并限值不大于单元间隔时长时，将对应的评估段标记为异常段，返回步骤sa2；
19、当合并限值大于单元间隔时长时，将评估段与对应的单元段进行合并，形成新的单元段；并计算新的单元段的合并限值；返回步骤sa2。
20、所述监测分析模块用于对监测分析数据进行处理，确定对应的异常分析数据。
21、进一步地，监测分析模块的工作方法包括：
22、获取监测分析数据，将所述监测分析数据转化为对应的监测向量，基于各所述监测向量进行合并，获得若干个数据类；
23、识别各所述数据类对应的监测分析数据，标记为数据类数据；
24、根据各所述数据类数据的位置确定对应的异常分析数据。
25、进一步地，数据类的获取方法包括：
26、步骤sc1：根据各所述监测向量形成对应的样本集合d＝{a1，a2，a3，……，an}；ai是第i个监测向量，i＝1、2、……、n，n为正整数；
27、步骤sc2：将样本集合中所有的样本点都当作一个独立的类簇，计算两两类簇之间的距离d(c1，c2)，d(c1，c2)满足：
28、
29、步骤sc3：当d(c1，c2)不大于阈值x2时，将对应的两个类簇进行合并，形成新的类簇；返回步骤sc2；
30、当d(c1，c2)大于阈值x2时，不进行合并，返回步骤sc2；直到所有的类簇均不能合并为止，获得若干个数据类。
31、所述故障分析模块用于对异常分析数据进行分析，确定对应的故障类型。
32、所述故障定位模块用于根据故障类型确定对应的故障位置，识别对应的故障类型，根据获得的所述故障类型确定对应的故障范围；
33、识别故障类型对应的异常分析数据，基于所述异常分析数据确定故障范围内各变压组件的故障值，将获得的各变压组件的故障值在所述变压器模型中进行对应标记；将计算的故障值按照从大到小的顺序进行排序；将排序第一的故障值标记为基准故障值，识别与基准故障值之间的差值的绝对值小于阈值x4的故障值，标记为辅助故障值；将获得的基准故障值和辅助故障值整合为定位数据，根据获得的定位数据确定对应的故障位置。
34、进一步地，各变压组件的故障值的计算方法包括：
35、获取变压器的历史故障数据，根据所述历史故障数据统计各变压组件的故障率；
36、获取各变压组件的参照数据；将获得的参照数据转化为对应的参照向量，根据各所述参照向量设置对应的参照图，所述参照图中标记有对应的参照区；所述参照区由对应的参照向量对应的区域进行组成；
37、将获得的异常分析数据转化为分析向量集；将获得的分析向量集在参照图中进行标记，识别分析向量集在参照图中对应的区域比重；将分析向量集在参照图中不位于参照区内的分析向量标记为累分向量，识别各累分向量对应的累分比重；将累分向量标记为lfj，j＝1、2、……、m，m为正整数；将累分比重标记为lbj；将区域比重标记qb；
38、根据公式计算对应的故障值；
39、式中：gz为故障值。
40、进一步地，根据定位数据确定故障位置的方法包括：
41、建立故障定位库，所述故障定位库用于储存故障定位数据，所述故障定位数据包括历史定位数据和对应的故障位置；
42、识别所述定位数据对应的变压组件组合，将获得的所述变压组件组合输入到故障定位库中进行匹配，获得对应的故障定位数据；
43、识别故障定位数据对应的历史定位数据，计算定位数据与历史定位数据的之间的相似度，将相似度最高的故障定位数据标记为目标定位数据，识别目标定位数据对应的故障位置，将获得的故障位置进行输出。
44、一种基于聚类算法的变压器故障定位方法，方法包括：
45、按照预设的各监测项对变压器进行实时数据采集，获得各所述监测项对应的监测项数据，将各所述监测项数据整合为监测数据；建立所述变压器对应的变压器模型；将所述监测数据输入到所述变压器模型中进行实时显示；
46、对监测数据进行处理，本文档来自技高网...
【技术保护点】
1.一种基于聚类算法的变压器故障定位系统，其特征在于，包括数据采集模块、数据处理模块、监测分析模块、故障分析模块和故障定位模块；
2.根据权利要求1所述的一种基于聚类算法的变压器故障定位系统，其特征在于，数据处理模块的工作方法包括：
3.根据权利要求2所述的一种基于聚类算法的变压器故障定位系统，其特征在于，将各单元段进行合并的方法包括：
4.根据权利要求1所述的一种基于聚类算法的变压器故障定位系统，其特征在于，监测分析模块的工作方法包括：
5.根据权利要求4所述的一种基于聚类算法的变压器故障定位系统，其特征在于，数据类的获取方法包括：
6.根据权利要求1所述的一种基于聚类算法的变压器故障定位系统，其特征在于，各变压组件的故障值的计算方法包括：
7.根据权利要求6所述的一种基于聚类算法的变压器故障定位系统，其特征在于，根据定位数据确定故障位置的方法包括：
8.一种基于聚类算法的变压器故障定位方法，其特征在于，应用于如权利要求1至7中任一项所述的一种基于聚类算法的变压器故障定位系统，方法包括：
【技术特征摘要】
1.一种基于聚类算法的变压器故障定位系统，其特征在于，包括数据采集模块、数据处理模块、监测分析模块、故障分析模块和故障定位模块；
2.根据权利要求1所述的一种基于聚类算法的变压器故障定位系统，其特征在于，数据处理模块的工作方法包括：
3.根据权利要求2所述的一种基于聚类算法的变压器故障定位系统，其特征在于，将各单元段进行合并的方法包括：
4.根据权利要求1所述的一种基于聚类算法的变压器故障定位系统，其特征在于，监测分析模块的工作方法包括：
5...
【专利技术属性】
技术研发人员：刘秦娥，王恺昕，王晓东，李龙，王谱然，李小龙，刘勇，聂迩闻，
申请(专利权)人：国网湖北省电力有限公司襄阳供电公司，
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。