CN102495318A - 一种电容型设备故障诊断方法 - Google Patents

一种电容型设备故障诊断方法 Download PDF

Info

Publication number
CN102495318A
CN102495318A CN201110426803XA CN201110426803A CN102495318A CN 102495318 A CN102495318 A CN 102495318A CN 201110426803X A CN201110426803X A CN 201110426803XA CN 201110426803 A CN201110426803 A CN 201110426803A CN 102495318 A CN102495318 A CN 102495318A
Authority
CN
China
Prior art keywords
matter
element model
fault
capacitance type
type equipment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201110426803XA
Other languages
English (en)
Inventor
王永强
律方成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN201110426803XA priority Critical patent/CN102495318A/zh
Publication of CN102495318A publication Critical patent/CN102495318A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Fixed Capacitors And Capacitor Manufacturing Machines (AREA)
  • Testing Electric Properties And Detecting Electric Faults (AREA)

Abstract

一种电容型设备故障诊断方法，它采用灰关联分析方法，获得电容型设备介质损耗因数tanδ与环境因素的灰关联度，并将得到的灰关联度作为特征量建立待诊断电容型设备的物元模型，然后应用可拓学理论求取待诊断电容型设备物元模型与事先建立好的各典型故障物元模型的灰关联度，最后将这些灰关联度进行比较，待诊断电容型设备物元模型与哪一种典型故障物元模型的灰关联度最高，即可认为该设备存在哪种类型的故障。本发明有效排除了环境因素对诊断结果的影响，不仅可以准确诊断各种可能发生的故障，而且也可以诊断多种故障同时发生的情况。该方法物理意义明确，容易编程实现。

Description

一种电容型设备故障诊断方法
技术领域
本发明涉及一种能够准确诊断电容型设备绝缘故障的方法，属测试技术领域。
背景技术
电容型设备是重要的输变电设备，主要包括电流互感器（TA）、套管、耦合电容器、电容式电压互感器（CVT）等，数量约占变电站设备总量的40%～50%，在变电站中占有重要地位，其绝缘故障不仅影响整个变电站的安全运行，同时还危及其它设备及人身的安全，因此，对电容型设备进行准确的故障诊断具有重要意义。
目前，已有一些研究机构开发出了电容型设备绝缘在线监测***，但关于电容型设备故障诊断的研究相对较少，主要采用介质损耗角正切（                                                
Figure 192741DEST_PATH_IMAGE001
）的大小定性判断绝缘是否存在故障，或者通过当前测量值的纵比（主要指历史比较）、横比（主要指相间同类设备）来判断设备状态。
采用介质损耗角正切（
Figure 57929DEST_PATH_IMAGE001
）的大小定性判断绝缘故障时，由于
Figure 727944DEST_PATH_IMAGE001
的在线监测及离线测试数据会受到环境因素（温度、湿度等）的影响，因而对设备故障的判断结果势必也会受到环境因素的影响，造成误判或漏判，而且这种方法不能区分故障的种类，无法指导检修，诊断效果相对较差。
通过当前测量值的纵比、横比来判断设备绝缘状况的方法没有考虑环境因素对监测结果的影响，不同位置、不同时刻监测的数据没有可比性，因此无法适用在线诊断的需要，也无法进行故障种类的区分。
发明内容
本发明的目的在于克服现有技术的不足、提供一种电容型设备故障诊断方法，以准确诊断设备是否存在故障并判断故障类型。
本发明所述问题是以下述技术方案实现的：
一种电容型设备故障诊断方法，它采用灰关联分析方法，获得电容型设备介质损耗因数与环境因素的灰关联度，并将得到的灰关联度作为特征量建立待诊断电容型设备的物元模型，然后应用可拓学理论求取待诊断电容型设备物元模型与事先建立好的各典型故障物元模型的灰关联度，最后将这些灰关联度进行比较，待诊断电容型设备物元模型与哪种典型故障物元模型的灰关联度高即可认为该设备存在哪种类型的故障。
上述电容型设备故障诊断方法，考虑环境温度、湿度这两个环境因素，则故障诊断的具体步骤如下： 
（1）以电容型设备介质损耗因数与环境温度、湿度的灰关联度为特征量，建立电容型设备故障诊断物元模型：
Figure 857946DEST_PATH_IMAGE002
，
其中：
Figure 698863DEST_PATH_IMAGE003
、
Figure 300746DEST_PATH_IMAGE004
分别表示
Figure 885311DEST_PATH_IMAGE001
与环境温度、环境湿度的灰关联度；
Figure 725091DEST_PATH_IMAGE005
、
Figure 487642DEST_PATH_IMAGE006
分别表示
Figure 311241DEST_PATH_IMAGE003
和
Figure 168339DEST_PATH_IMAGE004
的值，，
Figure 576503DEST_PATH_IMAGE006
通过下式计算得到：
Figure 402246DEST_PATH_IMAGE007
，
上式中，
Figure 328614DEST_PATH_IMAGE008
为关联系数，由下式确定：
Figure 877407DEST_PATH_IMAGE009
，
 式中，x0为归一化后的
Figure 496607DEST_PATH_IMAGE001
监测值，xj表示归一化后的环境参量值，这里j=1,2，ρ为分辨系数；ζj(k)为在点k处xj序列对 x0序列的关联系数，1 ≤ k ≤ n；
电容型设备介质损耗因数
Figure 294798DEST_PATH_IMAGE001
监测值和环境参量值的归一化换算公式如下：
；
Figure 178889DEST_PATH_IMAGE011
，
其中：
Figure 968990DEST_PATH_IMAGE012
分别表示
Figure 254478DEST_PATH_IMAGE001
监测值和环境参量值中的最大值，而分别表示
Figure 46034DEST_PATH_IMAGE001
监测值和环境参量值中的最小值；
（2）采用与步骤（1）相同的方法对已知故障的典型设备进行环境影响测试，建立各种故障类型的典型物元模型Rm；
（3）依据下式计算待诊电容型设备与各典型故障类型的关联程度
Figure 256304DEST_PATH_IMAGE014
：
Figure 763509DEST_PATH_IMAGE015
；
   式中，
Figure 304212DEST_PATH_IMAGE016
为权系数；
Figure 478841DEST_PATH_IMAGE017
为关联函数值，其值由下式确定：
            
Figure 345166DEST_PATH_IMAGE018
，
    当式中分母为0时，取：
当式中分母为0时，取：
Figure 74087DEST_PATH_IMAGE019
，
Figure 434793DEST_PATH_IMAGE020
是的区间长度，
式中，
Figure 501155DEST_PATH_IMAGE022
 为点
Figure 717372DEST_PATH_IMAGE023
与区间
Figure 131036DEST_PATH_IMAGE021
的距，为取值区间；
（4）将待诊断电容型设备物元模型与各典型故障物元模型的灰关联度进行比较，待诊断电容型设备物元模型与哪一种典型故障物元模型的灰关联度最高，即可认为该设备存在哪种类型的故障。
本发明以介质损耗因数与环境因素的灰关联度为特征量建立电容型设备故障诊断物元模型，并根据待诊断电容型设备物元模型与典型故障物元模型的灰关联度诊断电容型设备故障，有效排出了环境因素对诊断结果的影响。该方法物理意义明确，容易编程实现，不仅可以准确诊断各种可能发生的故障，而且也可以诊断多种故障同时发生的情况。
附图说明
下面结合附图对本发明作进一步详述。
图1是本发明电容型设备故障诊断流程图。
文中所用各符号的意义：
Figure 175587DEST_PATH_IMAGE003
、
Figure 127363DEST_PATH_IMAGE001
与环境温度的灰关联度；
Figure 978961DEST_PATH_IMAGE001
与环境湿度的灰关联度；
Figure 186083DEST_PATH_IMAGE005
、的值；
Figure 799784DEST_PATH_IMAGE006
、的值；
Figure 27820DEST_PATH_IMAGE008
、关联系数；x0 、归一化后的
Figure 582384DEST_PATH_IMAGE001
监测值，xj 、归一化后的环境参量值；ρ、分辨系数；ζj(k)、在点k处xj序列对 x0序列的关联系数；
Figure 763967DEST_PATH_IMAGE014
、待诊电容型设备与各典型故障类型的关联程度；
Figure 750378DEST_PATH_IMAGE016
、权系数；
Figure 181359DEST_PATH_IMAGE017
、关联函数值；
Figure 747469DEST_PATH_IMAGE012
、监测值和环境参量值中的最大值；而
Figure 222761DEST_PATH_IMAGE013
、
Figure 141039DEST_PATH_IMAGE001
监测值和环境参量值中的最小值；
Figure 245261DEST_PATH_IMAGE025
、物元；
Figure 932594DEST_PATH_IMAGE026
、事物。
具体实施方式
本发明利用了不同故障类型对环境温度、环境湿度的敏感程度的不同的这一特性，通过事先试验获得典型故障物元模型，然后通过待诊设备的物元模型与各种典型故障物元模型的灰关联分析，关联度最高的典型故障类型即为实际故障类型。
灰关联分析方法
灰关联分析（关联度分析）的目的就是寻求***中各因素间的主要关系，找出影响目标值的重要因素。
灰关联分析步骤如下：
1) 确定参考序列x0和比较序列xj
x0 = {x0(1), x0(2), …, x0(n)}            (1)
 xj = {xj(1), xj(2), …, xj(n)}            (2)
2) 计算关联系数
Figure 260807DEST_PATH_IMAGE009
  (3)                    
式中ρ为分辨系数，一般取0.5；ζj(k)为在点k处xj序列对 x0序列的关联系数，1 ≤ k ≤ n。
3) 求xj序列对 x0序列的关联度
Figure 650069DEST_PATH_IMAGE007
          (4)
与参考序列变化态势越接近者，其关联度值越大。
由式(3)、(4)可见，关联系数、关联度不仅直接取决于参考序列x0和比较序列xj，而且间接地取决于其它所有比较序列。
物元理论
为了描述客观事物的变化过程，把解决矛盾问题的过程形式化，可拓学引入了由事物、特征及相应的量值构成的3元组（物元），作为描述事物的基本元素。用
Figure 823562DEST_PATH_IMAGE026
表示事物，
Figure 365401DEST_PATH_IMAGE027
表示特征的名称，
Figure 864516DEST_PATH_IMAGE028
表示
Figure 960648DEST_PATH_IMAGE026
关于所取的量值，即
Figure 350489DEST_PATH_IMAGE029
来表示物元，
Figure 20505DEST_PATH_IMAGE026
、
Figure 603933DEST_PATH_IMAGE027
、
Figure 384807DEST_PATH_IMAGE028
被称为物元的三要素。
一个事物可以有多个特征，如事物
Figure 901239DEST_PATH_IMAGE026
有个特征
Figure 62148DEST_PATH_IMAGE031
及相应的量值，则可用
Figure 17651DEST_PATH_IMAGE030
维物元可描述为：
Figure 498311DEST_PATH_IMAGE033
           (5)
    其中
Figure 321911DEST_PATH_IMAGE034
称为
Figure 460899DEST_PATH_IMAGE025
的分物元，
Figure 155186DEST_PATH_IMAGE035
是特征向量，
Figure 337906DEST_PATH_IMAGE036
是特征向量的量值。多维物元的引入，可以形式化地更全面地描述事物，也为建立故障诊断的物元模型提供了理论依据。
物元理论将实变函数中距离的概念拓广为距的概念，下面介绍几个重要定义：
定义1：点与点的距：设为实轴上任意两点，则称
Figure 309590DEST_PATH_IMAGE038
为
Figure 389541DEST_PATH_IMAGE039
与的距。
定义2：点与区间的距：设实域上任意点
Figure 989522DEST_PATH_IMAGE039
与有限实区间
Figure 189559DEST_PATH_IMAGE042
则称
Figure 979660DEST_PATH_IMAGE043
        (6)  
为点
Figure 750301DEST_PATH_IMAGE039
与区间
Figure 752892DEST_PATH_IMAGE044
的距。
定义3：位置：设区间和
Figure 502859DEST_PATH_IMAGE045
，且
Figure 275643DEST_PATH_IMAGE046
，则点
Figure 816346DEST_PATH_IMAGE039
关于
Figure 974664DEST_PATH_IMAGE047
的位值为：
    
Figure 106568DEST_PATH_IMAGE048
    　        
由式可知，若
Figure 569910DEST_PATH_IMAGE049
，且无公共端点，则
Figure 445462DEST_PATH_IMAGE050
；若与
Figure 262557DEST_PATH_IMAGE051
有公共端点，则
Figure 478775DEST_PATH_IMAGE052
。
定义4  可拓集合：设
Figure 892438DEST_PATH_IMAGE053
为论域，
Figure 776081DEST_PATH_IMAGE054
为
Figure 453050DEST_PATH_IMAGE053
到实域
Figure 422143DEST_PATH_IMAGE055
的一个映射，即对
Figure 888765DEST_PATH_IMAGE053
中任一元素
Figure 626914DEST_PATH_IMAGE056
，都有一实数
Figure 740363DEST_PATH_IMAGE057
与之对应，则称
Figure 196753DEST_PATH_IMAGE058
为
Figure 952219DEST_PATH_IMAGE053
论域上的一个可拓集合，
Figure 279295DEST_PATH_IMAGE059
为的关联函数，
Figure 523643DEST_PATH_IMAGE061
为
Figure 82800DEST_PATH_IMAGE056
关于
Figure 264383DEST_PATH_IMAGE060
的关联度。
定义5：设区间和
Figure 931042DEST_PATH_IMAGE045
，
Figure 497153DEST_PATH_IMAGE046
且无公共端点，则称函数
Figure 64400DEST_PATH_IMAGE062
             (7)
为关于区间
Figure 874410DEST_PATH_IMAGE047
的关联函数。其中和分别称为经典域和节域。当
Figure 10491DEST_PATH_IMAGE063
时，表示
Figure 619327DEST_PATH_IMAGE039
属于
Figure 58398DEST_PATH_IMAGE044
的程度；当
Figure 600238DEST_PATH_IMAGE064
时，表示
Figure 568194DEST_PATH_IMAGE039
不属于
Figure 444752DEST_PATH_IMAGE044
；当
Figure 687515DEST_PATH_IMAGE065
时，称为可拓域，表示仍然有机会属于，并且数值越大，
Figure 337305DEST_PATH_IMAGE039
越容易转化到中。
当式(7)分母为0时取
Figure 119764DEST_PATH_IMAGE066
，
Figure 960681DEST_PATH_IMAGE067
是
Figure 296984DEST_PATH_IMAGE044
的长度。
本发明所述问题是以下述技术方案步骤实现的：
（1）基于
Figure 881550DEST_PATH_IMAGE001
与环境温度、湿度的灰关联度建立电容型设备故障诊断物元模型。
电容型设备在线监测***可以获得反映绝缘状况的
Figure 721330DEST_PATH_IMAGE001
监测值序列，但这些测量值会受到环境因素的影响而有较大的差别，因此单一的利用这些在线监测值判断电容型设备的故障是很困难的。本发明提出了一种新的思想，即采用灰关联分析方法分析
Figure 994134DEST_PATH_IMAGE001
与环境温、湿度等外界因素的关联度，在不同的绝缘状况下，与环境温度、湿度的灰关联度是不同的。因此，可用
Figure 674831DEST_PATH_IMAGE001
与环境温、湿度的灰关联度来构建一个物元模型来描述设备的绝缘状况，如下式：
Figure 165856DEST_PATH_IMAGE002
其中：
Figure 348575DEST_PATH_IMAGE003
，
Figure 410203DEST_PATH_IMAGE004
分别表示
Figure 805413DEST_PATH_IMAGE001
与环境温度、湿度的灰关联度；，
Figure 504564DEST_PATH_IMAGE006
分别表示
Figure 771597DEST_PATH_IMAGE001
与环境温、湿度的关联度取值。，
Figure 950961DEST_PATH_IMAGE006
可以通过下式计算得到：
Figure 475483DEST_PATH_IMAGE007
，
上式中
Figure 229812DEST_PATH_IMAGE008
为关联系数，由下式确定：
Figure 763562DEST_PATH_IMAGE009
，
 式中x0为归一化后的
Figure 818106DEST_PATH_IMAGE001
监测值，xj表示归一化后的环境参量值（这里j=1,2）。ρ为分辨系数，一般取0.5；ζj(k)为在点k处xj序列对 x0序列的关联系数，1 ≤ k ≤ n。
归一化处理采用区间值化的处理思路，将序列
Figure 982371DEST_PATH_IMAGE068
换算为区间上的值，归一化换算公式如下：
Figure 108907DEST_PATH_IMAGE010
；
Figure 486798DEST_PATH_IMAGE011
，
其中：
Figure 618703DEST_PATH_IMAGE012
分别表示
Figure 862471DEST_PATH_IMAGE001
监测值和环境参量值中的最大值，而
Figure 738023DEST_PATH_IMAGE013
分别表示监测值和环境参量值中的最小值。
（2）各种故障类型的典型物元模型建立
采用（1）中介绍的方法对已知故障的典型设备进行环境影响测试，获得其典型物元模型 Rm。
实例：
本发明对所有搜集到的电容型设备故障实例进行统计，由于有些故障类型样本较少或找不到，因此本文只对故障类型进行了简单分类，即只分出了受潮和其他故障两种类型来建立各自的典型故障模型。对于两种类型的故障，抽取几组样本进行统计计算，计算在不同绝缘状况下，
Figure 273227DEST_PATH_IMAGE001
与环境温、湿度的灰关联度，利用不同故障类型所对应的与环境温、湿度的灰关联度取值区间，建立两种标准故障的物元模式。
（a）受潮
选取14组具有受潮故障的某一电容型设备的
Figure 637529DEST_PATH_IMAGE001
数据，如表1所示。
表1  受潮故障设备的
Figure 271904DEST_PATH_IMAGE001
数据
序号
Figure 745610DEST_PATH_IMAGE001
，%		 温度，
Figure 714703DEST_PATH_IMAGE070
 湿度，%
1 0.409 7 72
2 0.544 7 72
3 0.779 7 72
4 0.62 20 55
5 0.96 20 60
6 2.4 27 75
7 0.28 22 60
8 0.72 27 68
9 0.71 25 62
10 0.61 25 62
11 0.5 25 62
12 0.41 25 62
13 0.3 25 62
14 0.23 25 62
以
Figure 400900DEST_PATH_IMAGE001
监测数据构成参考序列
Figure 139049DEST_PATH_IMAGE071
。以环境温、湿度构成比较序列。
规范化以后的
Figure 958155DEST_PATH_IMAGE001
数据如表2所示。
表2  规范化后的
Figure 713621DEST_PATH_IMAGE001
数据
序号
Figure 571856DEST_PATH_IMAGE001
，%		 温度，
Figure 121786DEST_PATH_IMAGE070
 湿度，%
1 0.082488479 0 0.85
2 0.144700461 0 0.85
3 0.252995392 0 0.85
4 0.179723502 0.65 0
5 0.33640553 0.65 0.25
6 1 1 1
7 0.023041475 0.75 0.25
8 0.225806452 1 0.65
9 0.221198157 0.9 0.35
10 0.175115207 0.9 0.35
11 0.124423963 0.9 0.35
12 0.082949309 0.9 0.35
13 0.032258065 0.9 0.35
14 0 0.9 0.35
计算处理后得出
Figure 534313DEST_PATH_IMAGE001
与温度、湿度的灰关联系数
Figure 844202DEST_PATH_IMAGE073
、如表3所示。
表3  
Figure 543354DEST_PATH_IMAGE001
与温度、湿度的灰关联系数
Figure 177598DEST_PATH_IMAGE073
Figure 274867DEST_PATH_IMAGE074
0.845088706 0.369606359
0.756683456 0.389509374
0.640117994 0.429797535
0.488983475 0.714599341
0.589318045 0.838917526
1 1
0.382341425 0.664737917
0.367588933 0.514760148
0.367588933 0.514760148
0.398652786 0.777468153
0.383016278 0.720132743
0.367174281 0.666098226
0.355155483 0.627570694
0.341493268 0.586134454
0.333333333 0.5625
计算得出此时
Figure 356961DEST_PATH_IMAGE001
与温度、湿度的灰关联度
Figure 514273DEST_PATH_IMAGE005
、
Figure 635813DEST_PATH_IMAGE006
分别为：
Figure 536772DEST_PATH_IMAGE075
=0.517781962，=0.632988034
     计算得以上样本的标准偏差分别为：
Figure 21160DEST_PATH_IMAGE077
=0.21575189，
Figure 911887DEST_PATH_IMAGE078
=0.176601972，
Figure 350959DEST_PATH_IMAGE001
与温、湿度的灰关联度的置信水平为0.95的置信区间分别为：
[0.393208723，0.642355201]，
[0.531019612，0.734956456]，
以此作为受潮时
Figure 892799DEST_PATH_IMAGE005
，
Figure 860755DEST_PATH_IMAGE006
的取值范围。
（b） 其他（结构、质量、工艺等）故障
选取了11组有结构缺陷、质量问题、工艺不良等故障类型的电容型设备的
Figure 980075DEST_PATH_IMAGE001
数据，如表4所示。
表4  其他故障设备的
Figure 845263DEST_PATH_IMAGE001
数据
序号
Figure 515279DEST_PATH_IMAGE001
，%		 温度，
Figure 629865DEST_PATH_IMAGE070
 湿度，%
1 0.04 18 37
2 0.393 27 42
3 0.286 25 68
4 0.335 25 68
5 0.346 25 68
6 0.357 26 70
7 0.435 26 70
8 0.437 26 70
9 0.729 30 60
10 0.624 30 60
11 0.749 30 60
    同样经规范化处理以后的数据如表5所示。
表5  规范化的数据数据
序号
Figure 396013DEST_PATH_IMAGE001
，%		 温度，
Figure 987662DEST_PATH_IMAGE070
 湿度，%
1 0 0 0
2 0.497884344 0.75 0.151515152
3 0.34696756 0.583333333 0.939393939
4 0.416078984 0.583333333 0.939393939
5 0.431593794 0.583333333 0.939393939
6 0.447108604 0.666666667 1
7 0.557122708 0.666666667 1
8 0.559943583 0.666666667 1
9 0.971791255 1 0.696969697
10 0.823695346 1 0.696969697
11 1 1 0.696969697
计算处理后得出
Figure 589545DEST_PATH_IMAGE001
与温度、湿度的灰关联系数、
Figure 13890DEST_PATH_IMAGE074
如表6所示。
表6  灰关联系数
1 1
0.540210846 0.460973095
0.556186425 0.333333333
0.639123919 0.361443584
0.661259929 0.368418255
0.574311166 0.348853598
0.730025807 0.400780685
0.735136568 0.402316199
0.913049206 0.518730586
0.626882547 0.700368854
1 0.4943119
按式(4)计算得出此时
Figure 486832DEST_PATH_IMAGE001
与温度、湿度的灰关联度
Figure 181118DEST_PATH_IMAGE005
、分别为：
Figure 940313DEST_PATH_IMAGE075
=0.725107856，
Figure 617413DEST_PATH_IMAGE076
=0.489957281，
计算得以上样本的标准偏差分别为：
Figure 431785DEST_PATH_IMAGE077
=0.17121831，
Figure 785406DEST_PATH_IMAGE078
=0.199365442，
Figure 583598DEST_PATH_IMAGE001
与温、湿度的灰关联度的置信水平为0.95的置信区间分别为：
[0.610040311，0.840175401]，
[0.356024091，0.623890471]，
以此作为其他故障时
Figure 782498DEST_PATH_IMAGE005
，
Figure 982535DEST_PATH_IMAGE006
的取值范围。
（3）计算待诊电容型设备与各典型故障类型的关联程度
       依据下式计算待诊电容型设备与各典型故障类型的关联程度
Figure 756325DEST_PATH_IMAGE014
。
Figure 41813DEST_PATH_IMAGE015
，
   式中，
Figure 778825DEST_PATH_IMAGE016
为权系数，一般可取
Figure 833368DEST_PATH_IMAGE082
；
Figure 794371DEST_PATH_IMAGE017
为关联函数值，其值由下式确定：
            
Figure 35996DEST_PATH_IMAGE018
，
当式中分母为0时，取：
Figure 593011DEST_PATH_IMAGE019
，
Figure 767640DEST_PATH_IMAGE020
是
Figure 633965DEST_PATH_IMAGE021
的区间长度。
         式中，
Figure 362887DEST_PATH_IMAGE083
 为点
Figure 972860DEST_PATH_IMAGE023
与区间的距。
Figure 847129DEST_PATH_IMAGE085
为
Figure 328926DEST_PATH_IMAGE084
取值区间。
     实例：
某型号为BRDW2-72.5/630变压器套管测试数据如表7所示，确定参考序列为
Figure 742589DEST_PATH_IMAGE001
，比较序列为温度和湿度。
表7 套管
Figure 95073DEST_PATH_IMAGE001
测试数据
序号
Figure 568780DEST_PATH_IMAGE001
（%）		 温度（
Figure 288606DEST_PATH_IMAGE070
）		 湿度（%）
1 4.09 -31 31.05
2 1.47 -20.3 27.9
3 4.55 -10 87.5
4 16.7 -7.4 93.5
5 35.03 -3.5 32.625
6 191.62 -0.7 85
7 0.8 8.5 26.2
8 570.93 10.7 99
按（1）中方法计算
Figure 240381DEST_PATH_IMAGE001
与温度和湿度的灰关联度
Figure 712951DEST_PATH_IMAGE005
、
Figure 357559DEST_PATH_IMAGE006
分别为：
Figure 813948DEST_PATH_IMAGE075
=0.614452098，=0.742904686，
则，描述待诊电容型设备的现状的物元模型为：
Figure 880179DEST_PATH_IMAGE086
，
计算关联函数值得：
，
Figure 639373DEST_PATH_IMAGE088
，
Figure 667372DEST_PATH_IMAGE089
，
Figure 380113DEST_PATH_IMAGE090
，
计算待诊电容型设备与各典型故障类型的关联程度。
Figure 851677DEST_PATH_IMAGE091
，
Figure 751500DEST_PATH_IMAGE092
，
由于
Figure 848769DEST_PATH_IMAGE093
，可以定性地判断待诊电容型设备可能发生受潮故障；因为
Figure 681596DEST_PATH_IMAGE094
，则可以判断待诊电容型设备没有发生结构缺陷、质量问题及工艺不良等其他故障。
对套管解体检查后发现套管内部明显有水滴存在，此电容型设备确实为受潮故障，诊断正确。
本发明方法的优点：
（1）采用了介质损耗因数
Figure 573328DEST_PATH_IMAGE001
与环境温度、湿度的灰关联度作为特征量建立物元模型，排出了环境因素的影响。
（2）采用可拓诊断方法进行故障诊断分析，物理意义明确，容易编程实现。
（3）可以得出多种可能的故障诊断结果，而且各结果具有不同的灰关联度，按照灰关联度的大小可以排定故障可能的顺序，可以诊断多种故障同时发生的情况。

Claims (2)

1.一种电容型设备故障诊断方法，其特征是，它采用灰关联分析方法，获得电容型设备介质损耗因数                                                
Figure 490350DEST_PATH_IMAGE001
与环境因素的灰关联度，并将得到的灰关联度作为特征量建立待诊断电容型设备的物元模型，然后应用可拓学理论求取待诊断电容型设备物元模型与事先建立好的各典型故障物元模型的灰关联度，最后将这些灰关联度进行比较，待诊断电容型设备物元模型与哪种典型故障物元模型的灰关联度高即可认为该设备存在哪种类型的故障。
2.根据权利要求1所述的电容型设备故障诊断方法，其特征是，所述故障诊断的具体步骤如下：
（1）以电容型设备介质损耗因数
Figure 664979DEST_PATH_IMAGE001
与环境温度、湿度的灰关联度为特征量，建立电容型设备故障诊断物元模型：
Figure 146DEST_PATH_IMAGE002
，
其中：
Figure 260226DEST_PATH_IMAGE003
、
Figure 870198DEST_PATH_IMAGE004
分别表示
Figure 368176DEST_PATH_IMAGE001
与环境温度、环境湿度的灰关联度；
Figure 421714DEST_PATH_IMAGE005
、
Figure 903511DEST_PATH_IMAGE006
分别表示
Figure 786016DEST_PATH_IMAGE003
和
Figure 669658DEST_PATH_IMAGE004
的值，
Figure 143365DEST_PATH_IMAGE005
，
Figure 581300DEST_PATH_IMAGE006
通过下式计算得到：
Figure 782343DEST_PATH_IMAGE007
，
上式中，为关联系数，由下式确定：
Figure 899520DEST_PATH_IMAGE009
，
 式中，x 0为归一化后的
Figure 355909DEST_PATH_IMAGE001
监测值，x j表示归一化后的环境参量值，这里j=1,2，ρ为分辨系数；ζ j (k)为在点k处x j 序列对 x 0序列的关联系数，1 ≤ k ≤ n；
电容型设备介质损耗因数
Figure 111376DEST_PATH_IMAGE001
监测值和环境参量值的归一化换算公式如下：
Figure 172873DEST_PATH_IMAGE010
；
Figure 739114DEST_PATH_IMAGE011
，
其中：
Figure 682800DEST_PATH_IMAGE012
分别表示监测值和环境参量值中的最大值，而
Figure 423540DEST_PATH_IMAGE013
分别表示
Figure 144371DEST_PATH_IMAGE001
监测值和环境参量值中的最小值；
（2）采用与步骤（1）相同的方法对已知故障的典型设备进行环境影响测试，建立各种故障类型的典型物元模型R m；
（3）依据下式计算待诊电容型设备与各典型故障类型的关联程度
Figure 44194DEST_PATH_IMAGE014
：
Figure 390730DEST_PATH_IMAGE015
；
   式中，为权系数；
Figure 584131DEST_PATH_IMAGE017
为关联函数值，其值由下式确定：
            
Figure 502409DEST_PATH_IMAGE018
，
    当式中分母为0时，取：
当式中分母为0时，取：
Figure 403369DEST_PATH_IMAGE019
，
Figure 293964DEST_PATH_IMAGE020
是
Figure 372910DEST_PATH_IMAGE021
的区间长度，
式中，
Figure 512904DEST_PATH_IMAGE022
 为点
Figure 686397DEST_PATH_IMAGE023
与区间
Figure 228236DEST_PATH_IMAGE021
的距，
Figure 727351DEST_PATH_IMAGE024
为
Figure 823483DEST_PATH_IMAGE021
取值区间；
（4）将待诊断电容型设备物元模型与各典型故障物元模型的灰关联度进行比较，待诊断电容型设备物元模型与哪一种典型故障物元模型的灰关联度最高，即可认为该设备存在哪种类型的故障。
CN201110426803XA 2011-12-19 2011-12-19 一种电容型设备故障诊断方法 Pending CN102495318A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110426803XA CN102495318A (zh) 2011-12-19 2011-12-19 一种电容型设备故障诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110426803XA CN102495318A (zh) 2011-12-19 2011-12-19 一种电容型设备故障诊断方法

Publications (1)

Publication Number Publication Date
CN102495318A true CN102495318A (zh) 2012-06-13

Family

ID=46187159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110426803XA Pending CN102495318A (zh) 2011-12-19 2011-12-19 一种电容型设备故障诊断方法

Country Status (1)

Country Link
CN (1) CN102495318A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102778625A (zh) * 2012-08-09 2012-11-14 冀北电力有限公司承德供电公司 一种电力设备红外检测方法及装置
CN102967393A (zh) * 2012-11-02 2013-03-13 广东电网公司电力科学研究院 一种超超临界机组锅炉分离器出口温度在线校准的方法
CN103234584A (zh) * 2013-04-27 2013-08-07 中国南方电网有限责任公司超高压输电公司检修试验中心 一种sf6绝缘直流套管故障诊断***及诊断方法
CN104950875A (zh) * 2015-06-15 2015-09-30 西北工业大学 结合关联分析和数据融合的故障诊断方法
CN105718748A (zh) * 2016-01-28 2016-06-29 许继集团有限公司 一种在线监测数据处理方法
CN105911407A (zh) * 2016-04-07 2016-08-31 国网山东省电力公司电力科学研究院 基于物元增广可拓关联的变压器状态模糊集对评估方法
CN106338673A (zh) * 2016-09-29 2017-01-18 国网山东省电力公司电力科学研究院 一种变压器绕组故障特征参量提取方法
CN109031006A (zh) * 2018-10-31 2018-12-18 国网河北省电力有限公司电力科学研究院 变压器固定损耗影响因素确定方法
CN109945977A (zh) * 2019-04-08 2019-06-28 华北电力大学（保定） 一种干式变压器热故障诊断方法及***
CN110470925A (zh) * 2019-07-12 2019-11-19 浙江零跑科技有限公司 一种基于可拓关联函数的电驱动力总成可靠度测试方法
CN112379321A (zh) * 2020-11-05 2021-02-19 广东电网有限责任公司佛山供电局 一种改进型电容式电压互感器在线监测方法和***

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101726674A (zh) * 2008-10-30 2010-06-09 武汉华瑞测控科技有限公司 一种在线评估变电站绝缘在线监测***的方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101726674A (zh) * 2008-10-30 2010-06-09 武汉华瑞测控科技有限公司 一种在线评估变电站绝缘在线监测***的方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
丁国成 等: "灰关联分析用于分析环境因素对MOA在线监测的影响", 《高压电器》 *
张建兴 等: "高压绝缘子泄漏电流与温、湿度的灰关联分析", 《高电压技术》 *
王楠 等: "灰关联分析在电容型设备绝缘故障诊断中的应用初探", 《高压电器》 *
王永强: "考虑环境影响的电容型设备绝缘监测与故障诊断研究", 《中国博士学位论文全文数据库》 *
黄文涛 等: "基于物元模型的电力变压器故障的可拓诊断方法", 《电力***自动化》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102778625B (zh) * 2012-08-09 2014-08-20 冀北电力有限公司承德供电公司 一种电力设备红外检测方法及装置
CN102778625A (zh) * 2012-08-09 2012-11-14 冀北电力有限公司承德供电公司 一种电力设备红外检测方法及装置
CN102967393A (zh) * 2012-11-02 2013-03-13 广东电网公司电力科学研究院 一种超超临界机组锅炉分离器出口温度在线校准的方法
CN102967393B (zh) * 2012-11-02 2014-10-22 广东电网公司电力科学研究院 一种超超临界机组锅炉分离器出口温度在线校准的方法
CN103234584A (zh) * 2013-04-27 2013-08-07 中国南方电网有限责任公司超高压输电公司检修试验中心 一种sf6绝缘直流套管故障诊断***及诊断方法
CN103234584B (zh) * 2013-04-27 2015-09-16 中国南方电网有限责任公司超高压输电公司检修试验中心 一种sf6绝缘直流套管故障诊断***及诊断方法
CN104950875A (zh) * 2015-06-15 2015-09-30 西北工业大学 结合关联分析和数据融合的故障诊断方法
CN105718748B (zh) * 2016-01-28 2018-08-03 许继集团有限公司 一种在线监测数据处理方法
CN105718748A (zh) * 2016-01-28 2016-06-29 许继集团有限公司 一种在线监测数据处理方法
CN105911407A (zh) * 2016-04-07 2016-08-31 国网山东省电力公司电力科学研究院 基于物元增广可拓关联的变压器状态模糊集对评估方法
CN105911407B (zh) * 2016-04-07 2018-08-17 国网山东省电力公司电力科学研究院 基于物元增广可拓关联的变压器状态模糊集对评估方法
CN106338673A (zh) * 2016-09-29 2017-01-18 国网山东省电力公司电力科学研究院 一种变压器绕组故障特征参量提取方法
CN109031006A (zh) * 2018-10-31 2018-12-18 国网河北省电力有限公司电力科学研究院 变压器固定损耗影响因素确定方法
CN109031006B (zh) * 2018-10-31 2020-08-11 国网河北省电力有限公司电力科学研究院 变压器固定损耗影响因素确定方法
CN109945977A (zh) * 2019-04-08 2019-06-28 华北电力大学（保定） 一种干式变压器热故障诊断方法及***
CN110470925A (zh) * 2019-07-12 2019-11-19 浙江零跑科技有限公司 一种基于可拓关联函数的电驱动力总成可靠度测试方法
CN112379321A (zh) * 2020-11-05 2021-02-19 广东电网有限责任公司佛山供电局 一种改进型电容式电压互感器在线监测方法和***

Similar Documents

Publication Publication Date Title
CN102495318A (zh) 一种电容型设备故障诊断方法
CN116879662B (zh) 基于数据分析的变压器故障检测方法
CN104483575B (zh) 用于非侵入式电力监测的自适应负荷事件检测方法
CN102997838B (zh) 一种基于扫频短路特征的变压器绕组变形故障诊断方法
CN103576050A (zh) 一种电容式电压互感器的运行状态评估方法
CN108092623B (zh) 一种光伏阵列多传感器故障检测定位方法
CN103631145B (zh) 基于监控指标切换的多工况过程监控方法和***
CN106447210A (zh) 一种计及可信度评价的配网设备健康度动态诊断方法
CN106443229A (zh) 一种变压器绕组变形的诊断方法
CN104677997B (zh) 一种变压器油色谱在线监测差异化预警方法
KR101214765B1 (ko) 전력설비 모니터링 시스템 및 방법
CN113757093B (zh) 一种闪蒸汽压缩机组故障诊断方法
CN109490685B (zh) 基于油中溶解气体在线监测的变压器早期缺陷预警方法
CN109597396B (zh) 一种基于大数据流及迁移学习的配变故障在线诊断方法
CN109030790A (zh) 一种电力变压器故障诊断方法和装置
CN112083371A (zh) 一种基于lof的异常高压计量点筛查方法及***
CN110187696A (zh) 基于动态趋势的一阶随动***传感器故障诊断方法及***
CN111665066A (zh) 基于卷积神经网络的设备故障自适应上下预警界生成方法
CN106569160A (zh) 辅助变流器输出电压传感器故障诊断方法及容错控制方法
CN113742932A (zh) 一种用于风电机组齿轮箱故障预测诊断的方法
CN117216703A (zh) 一种输水管网运行数据异常检测及校正方法
CN112149569A (zh) 变压器基于模糊c均值聚类算法的声纹故障诊断方法
CN110414086A (zh) 一种基于灵敏度的综合应力加速因子计算方法
CN103412230B (zh) 一种高压容性设备绝缘故障检测方法
CN106644436B (zh) 一种断路器机械特性的评定方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20120613