电力变压器智能在线状态评判方法技术

电力变压器智能在线状态评判方法，采用小波包分析来提取变压器振动信号的能谱熵，以特征熵的形式采用支持向量机进行分析从而对变压器内部绕组形变状态提出健康度的判定。本发明专利技术中所提出的变压器在线监测及状态评估方法，具有评判模型简单，不需要大量的状态评价样本等优点，能快速判别变压器绕组运行的状态，同时以健康度的级别来评价变压器绕组状态的损坏等级，从而能使运行人员进行对变压器早期故障能有良好的预测。本发明专利技术中所提出的变压器在线监测及状态评判系统，具有较强的灵活性和鲁棒性。本发明专利技术所提供的方法及系统可广泛应用于各类变压器的状态评价、故障诊断及管理决策等方面，具有广阔的应用前景。

【技术实现步骤摘要】

本专利技术属于变压器监测
，特别涉及一种变压器在线监测及状态评判方法，适用于变压器工作状态的在线监测及其健康状况的智能分析。
技术介绍
变压器是电力系统中的关键设备，其设备的可靠运行对电力系统的稳定运行至关重要。为了提高供电可靠率，除了在设备订货阶段应选用技术过硬、产品质量优异的变压器以外，更重要的一点是要不断提高主变压器的运行、维护及检修水平。常规的事后维修和预防维修的检测方法与现代化状态维护发展趋势不相适应，为了保证电力系统供电可靠性和经济性，电力设备的在线监测和故障诊断系统就应运而生。绕组变形在变压器故障中占有很大的比例。因此，在线监测电力变压器绕组的工作状况成为电力变压器监测的一个主要内容。目前国内外变压器在线监测技术主要是采用油中溶解气体分析法，但该方法需要采集变压器油来进行分析，这样会破坏变压器整体结构，而且分析过程时间长，对瞬时故障无法做出及时判断。振动分析方法虽然能够及时反映出变压器的内部绕组及铁芯的变化情况，但因为它采用的是振动阈值比较的方式，这就决定了它只能做出“是”与“否”的报警判断，不能对内部件的健康状况给予判定。综合以往的变压器在线监测系统，采用各种方法来对变压器进行在线分析及监测，均有各自优缺点，目的是实时分析变压器内部变化当发生故障时给予报警，但只是单一的采集机械或电气特性，进行阈值定义。当超出规定阈值时，即判断变压器故障，并无判断变压器内部绕组形变的程度，如轻微、中度、严重等形变程度。对变压器绕组形变采用智能化监测并评判其内部状态，给运行人员提供可靠的诊断结果，这样在掌握变压器实时工作状态的同时也可对早期故障具有良好的预测能力，从而提高变压器运行的可靠性。
技术实现思路
本专利技术提供了一种变压器在线监测及状态评判方法，目的是及时采集变压器的振动信号，从而根据每种振动信号的特征获得变压器内部绕组形变程度，以便更为精确的确定运行时变压器的健康度，对变压器的在线运行状态及早期故障给予提早的计划和预测。为实现上述目的，本专利技术采用以下技术方案: ，其特征在于:本方法首先采用小波包分析来提取变压器振动信号的能谱熵，以特征熵的形式采用支持向量机进行分析从而对变压器内部绕组形变状态提出健康度的判定，具体包含以下步骤: 步骤1.获取历史数据，组成支持向量机评判系统模型； 步骤2.选取振动传感器的数量及安装最佳位置； 步骤3.变压器运行时通过振动传感器采集其各个位置的振动信号，并通过电路将振动信号传入下位机的数据采集装置； 步骤4.数据采集装置经过采集、A/D转换及滤波过程后将得到的振动信号数据通过GPRS无线通讯模块发送到上位机进行分析处理； 步骤5.上位机数据分析模块通过小波包分析算法将获得的振动数据进行能谱熵变换，获得变压器实时运行的振动特征值； 步骤6.将每组振动特征值输入训练好的支持向量机评判系统模型中，从而得出绕组实时运行的健康程度，即绕组正常状态及各种形变程度，以文字及指示灯形式显示到上位机中，同时通过获取变压器实时状态来给予提示或报警，并将评判结果通过WEB服务器传递给调度系统。本专利技术中所提出的变压器在线监测及状态评估方法，具有评判模型简单，不需要大量的状态评价样本等优点，能快速判别变压器绕组运行的状态，同时以健康度的级别来评价变压器绕组状态的损坏等级，从而能使运行人员进行对变压器早期故障能有良好的预测。本专利技术中所提出的变压器在线监测及状态评判系统，具有较强的灵活性和鲁棒性。本专利技术所提供的方法及系统可广泛应用于各类变压器的状态评价、故障诊断及管理决策等方面，具有广阔的应用前景。附图说明: 图1是本专利技术的支持向量机模型的最优分类 图2是本专利技术的变压器线监测及状态评判系统结构示意 图3是本专利技术的变压器绕组健康度的等级评判及对应故障示意 图4是本专利技术的变压器在线监测及评判方法流程图。具体实施方式: 下面结合具体实施例和附图对本专利技术进行详细说明。本专利技术根据变压器的机械特性，及时采集变压器的振动信号。如果变压器绕组发生各种程度的形变或松动，则机械特性发生相应变化，每种振动信号内部也发生相对应的变化，从而根据每种振动信号的特征获得变压器内部绕组形变程度，对变压器的在线运行状态及早期故障给予提早的计划和预测。为了达到以上目的首先要采用小波包分析来提取变压器振动信号的能谱熵，以特征熵的形式采用支持向量机进行分析从而对变压器内部绕组形变状态提出健康度的判定。具体包含以下步骤: 步骤1.获取历史数据，组成支持向量机评判系统模型，具体步骤为: ①分别采集绕组正常状态、轻微形变、中度形变及严重形变时刻的几组振动信号，将采集后的振动数据进行小波包分解。小波包分解具体方法为:对于振动信号可以用以下递推公式来进行分解:本文档来自技高网...

【技术保护点】
电力变压器智能在线状态评判方法，其特征在于：本方法首先采用小波包分析来提取变压器振动信号的能谱熵，以特征熵的形式采用支持向量机进行分析从而对变压器内部绕组形变状态提出健康度的判定，具体包含以下步骤：步骤1.获取历史数据，组成支持向量机评判系统模型；步骤2.选取振动传感器的数量及安装最佳位置；步骤3.变压器运行时通过振动传感器采集其各个位置的振动信号，并通过电路将振动信号传入下位机的数据采集装置；步骤4.数据采集装置经过采集、A/D转换及滤波过程后将得到的振动信号数据通过GPRS无线通讯模块发送到上位机进行分析处理；步骤5.上位机数据分析模块通过小波包分析算法将获得的振动数据进行能谱熵变换，获得变压器实时运行的振动特征值；步骤6.将每组振动特征值输入训练好的支持向量机评判系统模型中，从而得出绕组实时运行的健康程度,即绕组正常状态及各种形变程度,以文字及指示灯形式显示到上位机中，同时通过获取变压器实时状态来给予提示或报警，并将评判结果通过WEB服务器传递给调度系统。

【技术特征摘要】
1.电力变压器智能在线状态评判方法，其特征在于:本方法首先采用小波包分析来提取变压器振动信号的能谱熵，以特征熵的形式采用支持向量机进行分析从而对变压器内部绕组形变状态提出健康度的判定，具体包含以下步骤: 步骤1.获取历史数据，组成支持向量机评判系统模型； 步骤2.选取振动传感器的数量及安装最佳位置； 步骤3.变压器运行时通过振动传感器采集其各个位置的振动信号，并通过电路将振动信号传入下位机的数据采集装置； 步骤4.数据采集装置经过采集、A...

【专利技术属性】
技术研发人员：徐建源，张彬，林莘，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：