基于變壓器油中溶解氣體數據的變壓器亞健康狀態識別及平均剩余壽命估計方法技術

本發明專利技術基于變壓器油中溶解氣體數據的變壓器亞健康狀態識別及平均剩余壽命估計方法，包括：(1)利用故障變壓器從正常狀態至故障狀態過程中的油中溶解氣體濃度數據以及正常變壓器的油中溶解氣體濃度數據對隱馬爾科夫模型進行訓練，得到契合每種故障類型的變壓器故障模型M

【技術實現步驟摘要】
基于變壓器油中溶解氣體數據的變壓器亞健康狀態識別及平均剩余壽命估計方法
本專利技術涉及統計分析領域，具體涉及一種基于變壓器油中溶解氣體數據的變壓器亞健康狀態識別及平均剩余壽命估計方法。
技術介紹
變壓器設備發生故障時往往會釋放較高的電和熱，導致變壓器油分解，產生不同的油中溶解氣體，包括氫氣、甲烷、乙烷、乙烯等。油中溶解氣體分析法通過計算、比較變壓器在運行過程中產生氣體的濃度和組成成分，分析設備存在的潛在風險，對變壓器設備的健康狀態給予初步的判斷。油中溶解氣體分析法是一種非常重要的變壓器故障診斷方法，該方法對判斷變壓器慢性局部缺陷十分有效，具有方便在線監測、無需拆解檢測的優點，國內頒布的電力設備預試規程(1997年)中將油中溶解氣體分析置于首要地位。油中溶解氣體是變壓器故障的重要判斷指標。根據大量的實踐經驗，相關研究人員已總結出了一些針對不同故障類型體的規律和判斷方法，如IEC60599(三比值)方法、Rogers(四比值)方法和Doernenburg(五比值)方法等。這些方法屬于早期的經典方法，能夠對變壓器設備的故障情況進行初步的判斷，但在從實際應用中存在比值結果無法對應、容易對正常設備造成誤判的問題。我國目前推行的《變壓器油中溶解氣體分析和判斷導則(國家電力行業標準DL/T722-2014)》在上述比值方法的基礎上設置了注意值，減少了設備正常情況下的誤判現象，并對比值編碼和故障類型進行了細化，排除了比值結果與故障類型無法對應的情況，極大的完善了比值方法的實用原則。但是，該方法仍屬于比值方法，此類方法在故障描述方面存在一定的局限，具體表現在兩個方面，第一，變壓器設備故障的實際情況十分復雜，僅用簡單的比值的形式對其進行描述存在一定的欠缺，比值運算無法體現出氣體指標之間的復雜特征。第二，比值方法的本質是一種閾值方法，而這些閾值大多來自研究人員的實踐經驗，缺乏一定的嚴謹性，閾值附近的故障判別往往比較模糊，比值方法在判別的準確度方面還有進一步的提升空間。基于比值方法存在的問題，相關研究人員從不同的視角對變壓器故障的識別問題進行了許多探索。Sheng-weiFei等利用支持向量機和遺傳算法對上述比值方法進行了優化，提升了對變壓器設備故障類型的判別精度；Chin-PaoHung等利用CMAC神經網絡對變壓器的故障識別進行了探索，在判別精度方面同樣取得了較好的提升效果；Shintemirov等利用遺傳規劃對氣體指標的計算方式進行了大幅度改進，得到了較比值方法更為準確的計算方法；Chia-HungLin等利用灰色聚類方法對三比值法的閾值邊界進行了優化，彌補了人工經驗存在的缺陷。上述前沿研究從不同的角度對比值方法進行了優化，提高了設備故障的判別精度，為變壓器故障識別方面的相關研究作出了重要貢獻。現有技術對早期的經典比值方法進行了改進，得到了顯著的提升效果。但總體來看，上述方法仍存在一定的局限性。第一，現有技術僅對設備當前時間節點的運行狀態進行了故障識別，沒有考慮設備的歷史運行情況。事實上，設備了歷史運行數據包含了大量的信息，包括油中溶解氣體含量的總體水平，氣體濃度的增長趨勢信息等，僅對當前狀態進行評估顯然忽略了上述信息。第二，現有技術僅考慮設備的正常和故障兩種狀態，而當設備已經出現故障狀態時，相關維護人員只能對其進行事后的維修工作，成本較高。變壓器故障識別方法應提取設備在發生故障前的特征信息，識別出設備的亞健康狀態，“早發現，早預防”，降低維護成本。第三，現有技術無法對設備未來的運行狀態進行的預測。如上文所述，現有技術是一種不考慮時間因素的靜態方法，而現實中，對變壓器設備未來運行情況的估計、剩余壽命的預測同樣是設備維護的重要內容，利用變壓器油中溶解氣體數據對設備未來運行情況進行預測的方法具有廣泛的應用前景。
技術實現思路
鑒于上述，本專利技術提出了一種基于變壓器油中溶解氣體數據的變壓器設備亞健康狀態識別及平均剩余壽命估計方法，該方法考慮了時間因素和設備的歷史信息，通過隱馬爾科夫模型提取變壓器油中溶解氣體的動態特征，并結合歷史運行信息對設備的健康狀態進行實時評估，對處于亞健康狀態的設備進行平均剩余壽命估計。一種基于變壓器油中溶解氣體數據的變壓器亞健康狀態識別及平均剩余壽命估計方法，包括如下步驟：(1)利用故障變壓器設備從正常狀態至故障狀態過程中的油中溶解氣體濃度數據以及正常變壓器設備的油中溶解氣體濃度數據對隱馬爾科夫模型進行訓練，得到針對每種故障類型的變壓器故障模型Mm與變壓器正常模型M，其中，m代表變壓器的故障類型；(2)利用變壓器故障模型Mm與變壓器正常模型M，找到與經過預處理后的待測變壓器的油中溶解氣體濃度數據相匹配的模型M′，并根據模型M′估計待測設備當前時刻的健康狀態；(3)對處于亞健康狀態下的變壓器設備，根據與其匹配的模型M′預測未來時刻油中溶解氣體濃度數據的期望值與未來時刻的健康狀態，進而估計得到變壓器設備的平均剩余壽命。所述步驟(1)的具體步驟為：(1-1)收集故障變壓器設備及此些故障變壓器設備從正常狀態至故障狀態過程中的油中溶解氣體濃度數據，并將收集的數據按其所屬變壓器設備的故障類型分類，構建針對不同故障類型的設備案例庫Cm；(1-2)收集正常變壓器設備及此些正常變壓器設備的油中溶解氣體濃度數據，利用收集數據構建針對正常變壓器的設備案例庫C；(1-3)對設備案例庫Cm與C中的溶解氣體濃度數據進行預處理，得到處理后的設備案例庫C′m與C′，使得所有設備案例庫中的溶解氣體濃度數據擁有相同的時間間隔；(1-4)將設備案例庫C′m與C′作為隱馬爾科夫模型輸入數據，以最大似然函數L收斂為目標，對隱馬爾科夫模型進行訓練，得到針對每種故障類型的變壓器故障模型Mm與變壓器正常模型M。所述變壓器設備的油中溶解氣體包括氫氣、甲烷、乙烷、乙烯、乙炔和總烴，其中，總烴是指甲烷、乙烷、乙烯、乙炔四種烴類氣體含量總和；所述氣體濃度數據為氣體的體積濃度，單位為μL/L；所述故障變壓器從正常狀態至故障狀態的過程是指設備從運行良好的狀態開始，逐漸向故障狀態發展，直到設備出現持續的故障狀態為止的過程，相應的氣體濃度數據是一個時間序列，時間跨度設為定值；所述正常變壓器設備油中溶解氣體濃度數據指從投運開始至今未出現任何異常的變壓器設備，其在正常運行情況下產生的油中溶解氣體數據，該數據同樣為時間序列，時間跨度與故障設備氣體數據的時間跨度相同。所述變壓器設備的故障類型為《變壓器油中溶解氣體分析和判斷導則(國家電力行業標準DL/T722-2014)》中氣體比值法運用的故障類型，包括：低溫過熱、中溫過熱、高溫過熱、局部放電、低能放電、低能放電兼過熱、電弧放電以及電弧放電兼過熱，共8種故障類型。所述的待測設備油中溶解氣體數據的預處理方法為線性插值法。線性插值方法是指一種補全缺失數據的方法，具體是一種利用兩個時間點上對應數據的連線來代替兩個時間點之間缺失數據的插值方法，設某臺變壓器油中溶解氣體數據在t1時刻為a，t2時刻為b，t1與t2之間存在某一缺失數據點，對應時間點為t3，根據線性插值法，t3時刻的數據可以由a+(a-b)*(t3-t1)/(t1-t2)補全。本專利技術中線性插值處理的具體過程為：以1天為單位，對所有設備案例庫中每臺變壓器的溶解氣體濃度本文檔來自技高網...

【技術保護點】
一種基于變壓器油中溶解氣體數據的變壓器亞健康狀態識別及平均剩余壽命估計方法，包括如下步驟：(1)利用故障變壓器設備從正常狀態至故障狀態過程中的油中溶解氣體濃度數據以及正常變壓器設備的油中溶解氣體濃度數據對隱馬爾科夫模型進行訓練，得到針對每種故障類型的變壓器故障模型M

【技術特征摘要】
1.一種基于變壓器油中溶解氣體數據的變壓器亞健康狀態識別及平均剩余壽命估計方法，包括如下步驟：(1)利用故障變壓器設備從正常狀態至故障狀態過程中的油中溶解氣體濃度數據以及正常變壓器設備的油中溶解氣體濃度數據對隱馬爾科夫模型進行訓練，得到針對每種故障類型的變壓器故障模型Mm與變壓器正常模型M，其中，m代表變壓器的故障類型；(2)利用變壓器故障模型Mm與變壓器正常模型M，找到與經過預處理后的待測變壓器的油中溶解氣體濃度數據相匹配的模型M′，并根據模型M′估計待測設備當前時刻的健康狀態；(3)對處于亞健康狀態下的變壓器設備，根據與其匹配的模型M′預測未來時刻油中溶解氣體濃度數據的期望值與未來時刻的健康狀態，進而估計得到變壓器設備的平均剩余壽命。2.如權利要求1所述的變壓器亞健康狀態識別及平均剩余壽命估計方法，其特征在于，所述步驟(1)的具體步驟為：(1-1)收集故障變壓器設備及此些故障變壓器設備從正常狀態至故障狀態過程中的油中溶解氣體濃度數據，并將收集的數據按其所屬變壓器設備的故障類型分類，構建針對不同故障類型的設備案例庫Cm；(1-2)收集正常變壓器設備及此些正常變壓器設備的油中溶解氣體濃度數據，利用收集數據構建針對正常變壓器的設備案例庫C；(1-3)對設備案例庫Cm與C中的溶解氣體濃度數據進行預處理，得到處理后的設備案例庫C′m與C′，使得所有設備案例庫中的溶解氣體濃度數據擁有相同的時間間隔；(1-4)將設備案例庫C′m與C′作為隱馬爾科夫模型輸入數據，以最大似然函數L收斂為目標，對隱馬爾科夫模型進行訓練，得到針對每種故障類型的變壓器故障模型Mm與變壓器正常模型M。3.如權利要求2所述的變壓器亞健康狀態識別及平均剩余壽命估計方法，其特征在于，所述的待測設備油中溶解氣體數據的預處理方法為線性插值法，具體過程為：以1天為單位，對所有設備案例庫中每臺變壓器的溶解氣體濃度數據進行線性插值處理，補全數據中的缺失值，得到時間間隔為1天的氣體濃度數據插值序列，再按照預先設定的時間間隔對氣體濃度數據插值序列進行等間隔取樣，使得所有設備案例庫中的變壓器的溶解氣體濃度數據的時間間隔相同。4.如權利要求2所述的變壓器亞健康狀態識別及平均剩余壽命估計方法，其特征在于，所述的隱馬爾科夫模型為：當設備案例庫C′m作為訓練樣本時，在隱馬爾科夫模型中，構建三種分別對應變壓器設備正常、亞健康以及故障異常三種健康狀態i的隱性節點，在訓練的過程中，以最大似然函數L收斂為目標，利用設備案例庫C′m中的數據迭代確定隱馬爾科夫模型的最優參數λ*＝(π*,A*,B*)；當設備案例庫C′作為訓練樣本時，在隱馬爾科夫模型中，構建對應變壓器設備正常狀態的隱性節點，在訓練的過程中，以最大似然函數L收斂為目標，利用設備案例庫C′中的數據迭代確定隱馬爾科夫模型的最優參數λ*＝(π*,A*,B*)；其中，π*表示初始時間點變壓器處于不同健康狀態下概率，記為為狀態轉移矩陣，表示變壓器設備在t時刻健康狀態qt為i時，且t+1時刻健康狀態q(t+1)為j的轉移概率P(q(t+1)＝j|qt＝i)的具體數值；溶解氣體數據在設備各種運行狀態下的概率分布B*＝{bi(Ot|μi,∑i)}，μi表示溶解氣體數據分布的均值，∑i表示溶解氣體數據分布的協方差矩陣，Ot為t時刻的溶解氣體數據，bi(Ot|μi,∑i)表示溶解氣體數據分布的概率密度函數，i＝1,2…k，j＝1,2…k，k為變壓器設備的健康狀態的數目。5.如權利要求4所述的變壓器亞健康狀態識別及平均剩余壽命估計方法，其特征在于，對于設備案例庫C′m，隱馬爾科夫模型對訓練所得的參數集按μi的均值進行排序，μi最大的參數集對應設備的故障狀態，μi最小的參數集對應設備的健康狀態，介于二者之間的參數集對應設備的亞健康狀態。6.如權利要求2所述的變壓器亞健康狀態識別及平均剩余壽命估計方法，其特征在于，所述的最大似然函數L具體...

【專利技術屬性】
技術研發人員：華中生，俞鴻濤，范逸文，
申請(專利權)人：浙江大學，
類型：發明
國別省市：浙江,33