CN106596754A - 油色谱传感器有效性的评估方法及装置 - Google Patents
油色谱传感器有效性的评估方法及装置 Download PDFInfo
- Publication number
- CN106596754A CN106596754A CN201611036247.4A CN201611036247A CN106596754A CN 106596754 A CN106596754 A CN 106596754A CN 201611036247 A CN201611036247 A CN 201611036247A CN 106596754 A CN106596754 A CN 106596754A
- Authority
- CN
- China
- Prior art keywords
- value
- valuation
- evaluated
- characteristic
- variation
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种油色谱传感器有效性的评估方法及装置。其中,该方法包括:获取油色谱传感器在变压器运行状态下现场采集到的特征数据;对特征数据进行处理,得到特征数据对应的待评估值,其中,待评估值包括无效值比例、连续相同值比例、整体变异系数、分段变异系数异常比例和产气率异常比例中的至少一种;根据待评估值,应用相应的判据得到对应的失效判别值;对失效判别值进行处理得到状态值;将状态值与容忍度进行比较从而判断传感器是否有效。本发明解决了现有技术无法基于现场采集数据进行传感器有效性评估的技术问题。
Description
技术领域
本发明涉及变压器油色谱在线监测领域,具体而言,涉及一种油色谱传感器有效性的评估方法及装置。
背景技术
变压器作为重要的输变电设备,其运行可靠性直接关系到整个电力***的安全运行。为保障变压器的安全、稳定运行,常使用油中溶解气体在线监测***对设备状态进行监测。随着应用量的逐渐增多,在线监测***中传感器有效性的问题逐步暴露,无效传感器影响了在线监测***的应用效果,因此通过相应的方法及时准确的发现无效传感器,对于提高在线监测***的可靠性具有重要意义。
近年来国内外对于传感器故障分析有过一些研究。
文章《变压器油色谱在线监测装置的现场评估分析》(苏展,宁夏电力)分别利用在线和离线方法对低浓度、中浓度和高浓度的标油进行测量,并计算误差。从而实现对油色谱在线监测装置的准确性进行评估。文章《变压器油在线色谱监测装置的应用现状分析》(郭伟,电力安全技术)基于同一油样,对在线和离线数据进行统计分析从而对两家厂商的在线油色谱传感器进行评估,上述两篇文章均是基于离线实验的方法对监测装置进行评估,区别于在设备正常工作状态下进行在线评估的方法。
文章《基于结构优化PCA的传感器故障诊断方法及其应用研究》(付克昌,浙江大学)将大量的历史数据作为训练数据,构建相应的模型,并对模型进行进一步的优化和改进,从而提出相应的传感器故障检测和诊断方法。本文偏重于对现有故障检测模型中方法的改进,且将大量的历史数据作为训练数据进行训练,区别于基于现场实时采集数据进行评估的方法。
文章《传感器故障诊断的研究与应用》(杨建平,华北电力大学)通过构造非线性滤波器获得残差信号来进行故障诊断,分别用扩展卡尔曼滤波、隐性卡尔曼滤波和拉格里滤波实现传感器故障诊断的算法。本文侧重于非线性***传感器的故障分析和诊断,偏重于理论研究,区别于现场实时分析的情况。
文章《基于多源信息融合的传感器故障诊断方法研究》(张冀,华北电力大学)以多源信息融合理论为基础,采用D-S证据理论、神经网络技术和主元分析法等对***的传感器故障诊断方法进行了研究。本文侧重于大***以及多传感器的故障诊断的研究,区别于基于采集数据对某一类型的传感器进行分析的方法。
此外,专利《一种流动油液金属颗粒在线监测传感器性能的评估方法》(熊志刚,浙江中欣动力测控技术有限公司)分别评估传感器对粒径一致的金属颗粒以及不同粒径的金属颗粒的检出率,从而实现对传感器的评估。专利《用于电容性接触传感器的评估方法和评估装置》(史蒂芬.伯格,微晶片科技德国第二公司)通过输入一个测量信号,根据检测准则形成检测信号,通过检测信号实现对传感器的评估。专利《用于确定传感器装置可用性的方法和装置》(G.马丁,雅培医护站股份有限公司)通过确定相关联的电特性是否已经超过与装置可用性相关联的阈值水平,从而实现对传感器进行评估。专利《VALIDITY DIAGNOSISSYSTEM FOR UREA WATER TEMPERATURESENSOR》(TAKAHASHI HIROTAKA)提出了对尿素水温度传感器的诊断***,通过对比不同水位下温度的差值是否超过预设阈值从而实现对传感器进行评估。上述专利均是基于实验的方法对传感器进行评估,即需要将传感器解除正常运行状态,放置在实验室环境中,通过施加实验信号得到测试信号的方法进行分析评估,则区别通过对现场的实时采集数据进行分析,实现在传感器正常工作的情况下,对传感器进行评估的方法。
综上,现有还没有基于现场实时采集数据的传感器有效性评估方法。针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种油色谱传感器有效性的评估方法及装置,以至少解决现有技术无法基于现场采集数据进行传感器有效性评估的技术问题。
根据本发明实施例的一个方面,提供了一种油色谱传感器有效性的评估方法,包括:获取油色谱传感器在变压器运行状态下现场采集到的特征数据;对特征数据进行处理,得到特征数据对应的待评估值,其中,待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和产气率异常比例中的至少一种;根据待评估值,应用相应的判据得到对应的失效判别值;对失效判别值进行处理得到状态值;将状态值与容忍度进行比较从而判断传感器是否有效。
根据本发明实施例的另一方面,还提供了一种油色谱传感器有效性的评估装置,包括:获取单元,用于获取油色谱传感器在变压器运行状态下现场采集到的特征数据;处理单元,用于对特征数据进行处理,得到特征数据对应的待评估值,其中,待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和产气率异常比例中的至少一种;判别单元:用于根据待评估值,应用相应的判据得到对应的失效判别值;计算单元:用于对失效判别值进行处理得到状态值;评估单元,用于将状态值与容忍度进行比较从而判断传感器是否有效。
在本发明实施例中,采用获取油色谱传感器在变压器运行状态下现场采集到的特征数据的方式,通过对特征数据进行处理,得到特征数据对应的待评估值,其中,待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和产气率异常比例中的至少一种,达到了根据待评估值,判断传感器是否有效的目的,从而实现了基于现场采集数据对传感器进行有效性判断的技术效果,进而解决了现有技术无法基于现场采集数据进行传感器有效性评估的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种油色谱传感器有效性的评估方法的流程图;以及
图2是根据本发明实施例的一种油色谱传感器有效性的评估装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种油色谱传感器有效性的评估的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的方法,如图1所示,该方法包括如下步骤:
步骤S102,获取油色谱传感器在变压器运行状态下现场采集到的特征数据。
可选的,在上述步骤S102中,相比于将传感器放在离线实验环境下进行评估,本实施例将传感器在设备正常工作状态下采集到的数据用于传感器自身有效性的评估,从而可实现现场实时分析,通过准确发现无效传感器来提高监测***的可靠性。
步骤S104,对特征数据进行处理,得到特征数据对应的待评估值,其中,待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和产气率异常比例中的至少一种。
可选的,在上述步骤S104中,无效值比例可以是按照预设规则计算出的该特征数据中无效数据的比例,既可以是无效数据量与整体特征数据量的比例,也可以是无效数据量与有效数据量的比例,还可以是无效数据量在不同监测周期内的变化率等等。其中无效数据可以是明显错误的数据、缺失的数据、空数据、超量程数据、负数数据、或异常数据等等。无效数据的涵盖范围可以根据变压器***的精度要求来灵活设定。例如当变压器***对精确度要求高时,可以适当扩大无效数据的涵盖范围,例如将尽管在量程范围内、但可能受到噪声干扰而产生的异常数据纳入无效数据范畴,通过对传感器的精度稳定度提出较高的要求来尽量确保判定有效的传感器都是真实有效的;同理,当变压器***对精确度要求没那么高时,可以适当缩小无效数据的涵盖范围,例如将不将异常数据纳入无效数据,通过宽容的条件来尽量确保判定无效的传感器都是真实无效的。
可选的,在上述步骤S104中,连续相同值可以是特征数据中某一固定数值的最大连续出现次数,或是预定长度的、包含连续相同数值的数据段的个数。在另一种严格情况下,还可以适当考虑差量、将相差小到一定程度的数值也算作连续出现的固定数值,可以想见,这种严格情况致力于排除可能出现的传感器对变化反应迟钝的异常情况,可对应于变压器***对精确度要求高的应用场景。
可选的,在上述步骤S104中,变异系数(Coefficient of variation)可反应数据的离散程度,是用于衡量特征数据变异程度的统计量。变异系数可以通过公式进行计算,其中,SD表示样本数据的标准偏差,MN表示样本数据的平均值。
当使用变异系数作为待评估值时,既可以直接使用特征数据的整体变异系数,也可以只考虑特征数据中的其中一段数据的变异系数,还可以在将特征数据分成若干段之后、综合考虑每一段的变异系数。
可选的,在上述步骤S104中,产气率可以通过公式进行计算,其中,γn+1表示第n+1天的产气率,Cn+1表示第n+1天油中某气体的浓度,Cn表示第n天油中某气体的浓度。上述公式只是计算产气率的示意,产气率可以根据两个相邻数据、或者其他设定周期的数据进行计算,例如小时。
可选的,在上述步骤S104中,待评估值可以只包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和产气率异常比例中的其中一种,还可以包括待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和产气率异常比例中的多种组合。通过实验可知,待评估包含的种类越多,其对于传感器是否有效的判断结果就更为准确和全面。
步骤S106,根据待评估值,应用预设判据得到每种待评估值对应的失效判别值。
可选的,在上述步骤S106中,当待评估值只包含上述其中一种时,就可只根据该种待评估值是否满足预设条件,来获取相应的失效判别值。例如可以判断该待评估值是否在预设有效区间内、是否大于预设条件、是否符合预设函数、分布是否合理等等条件,以无效值比例为示例,可以判断无效值比例是否大于预设阈值,或者判断无效率的函数(如平方、开方、指数、对数等)是否大于预设阈值,其他类待评估值亦是同理。
步骤S108,对所有待评估值对应的失效判别值进行处理得到状态值。
可选的,在上述步骤S108中,根据公式计算传感器的状态值F,其中Pi为待评估值对应的失效判别值,Ai为待评估值对应的预设权值,i=1,2…5。
步骤S110,将状态值与预设容忍度进行比较从而判断传感器是否有效。
可选的,在上述步骤S110中,首先获取预设容忍度R,之后将状态值与预设容忍度R进行比较,若状态值则判定传感器失效。
通过上述步骤S102-S110,利用提出的待评估值对油色谱传感器现场采集的数据进行分析,由于充分考虑了异常值、连续相同值、差异系数和产气率等因素,且特征数据均是在线数据,不需要进行离线实验。因此这种方法更加适用于油色谱传感器的在线实时评估。
进一步地,步骤S102,获取油色谱传感器在变压器运行状态下现场采集到的特征数据包括:
步骤S1022,获取传感器在评估时刻现场采集到的数据,作为滑动区间的末端值。
具体的,在上述步骤S1022中,评估时刻可以是进行评估的当天,也可以具体到评估发生的时分秒。滑动区间可以是一个具有预设或固定长度的区间,即可对应包含预设或固定量的特征数据。
步骤S1024,按照滑动区间对应的预设时间长度,提取评估时刻之前传感器现场采集到的历史数据,作为滑动区间的填充值。
步骤S1026,确定滑动区间内的数据,为特征数据。
例如本实施例中共获得某传感器采集到的2013年一年的H2含量数据(其中2013年1月1日至3日的数据丢失),设置滑动区间的长度为365,即将2013年1月1日至2013年12月31日采集的数据作为特征数据。
通过上述步骤S1022-S1026,在一种具体实施方式中,利用待评估日当天或当时采集的油色谱数据和与之相邻的历史数据构成固定长度的滑动区间,滑动区间内的油色谱数据即为用于评估传感器有效性的特征数据。这些特征数据直接来源与现场采集***,区别于离线测试所采集到的实验数据,此外滑动区间的长度是固定的,且其是一个动态数据集,在每次进行传感器有效性评估时,滑动区间的最后端的一个数值为待评估日的监测值。
进一步地,特征数据可以被划分成不同的数据类型,例如有效数据和无效数据,以便于对特征数据进行分类统计,或直接排除无效数据以提高判断的精度。在一种实施方式中,特征数据中存在的“缺失值”、“负值”、“超量程值”和“空值”这部分数据称为无效数据,其余的数据称为有效数据。
结合上述步骤S1022-S1026,通过设定固定长度的滑动区间,滑动区间内的油色谱数据即为特征数据,并根据数据类型对特征数据进行分类。例如本实施例中共获得某传感器采集到的2013年一年的H2含量数据(其中2013年1月1日至3日的数据丢失),数据格式如表1所示,设置滑动区间的长度为365,即将2013年1月1日至2013年12月31日采集的数据作为特征数据。特征数据应有365条,从实际数据可以发现,只采集到265条,丢失100条,其中空值2条,因此无效数据共100条,有效数据265条。
表1
进一步地,步骤S104,当待评估值包括无效值比例时,对特征数据进行处理,得到特征数据对应的待评估值包括:
步骤S104A1,筛选特征数据中的无效数据,其中无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;
步骤S104A2,根据无效数据在特征数据中的占比,计算得到特征数据对应的无效值比例。
具体的,在步骤S104A2之前,该方法还可以包括使用预设标记值对无效数据进行标记。此时就可以基于标记值来确定无效率,例如查看标记值的个数在全部特征数据个数中的占比。
进一步地,步骤S104,当待评估值包括连续相同值个数时,对特征数据进行处理,得到特征数据对应的待评估值包括:
步骤S104B1,筛选特征数据中的无效数据,其中无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;
步骤S104B2,使用预设标记值对无效数据进行标记;
具体的,在步骤S104B2中,该标记值可以为任何不落入有效数据范围内的数值、字符、其他标记等。在一种具体实施场景中,将标记值设为“0”更加简单便捷,且不会对表中的其他数据产生不必要的干扰。
步骤S104B3,根据标记后的特征数据统计连续相同值个数,当连续相同的天数等于第二预设阈值时,记为一次连续相同值,计算得到特征数据对应的连续相同值个数。
具体的,在步骤S104B3中,例如数据段的长度可以为7,当出现一个连续7个数据的值均相同时,将包含连续相同数值的数据段的个数加1。
进一步地,步骤S104,当待评估值包括整体变异系数时,对特征数据进行处理,得到特征数据对应的待评估值包括:
步骤S104C1,筛选特征数据中的无效数据,其中无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;
步骤S104C2,使用特征数据中有效数据的众数,替代特征数据中的无效数据;
具体的,在步骤S104C2中,有效数据的众数,即有效数据中出现频率最高的数。使用有效数据的众数,充分考虑了有效数据中的非正常值的影响,即可能受到干扰而产生的远大于或远小于一般测量值,但这个非正常值又在传感器的量程范围内,当无效数据未涵盖非正常值时,采用有效数据的平均值则可能出现数据不准确的情况。采用有效值的众数,则可以有效避免非正常数据的干扰。
在本发明的一种实施方式中,还可以使用有效数据的平均数替代特征数据中的无效数据。
步骤S104C3,计算替换后的特征数据的整体变异系数,得到特征数据对应的整体变异系数。具体的,在步骤S104C3中,变异系数的计算公式为:其中,SD表示样本数据的标准偏差,MN表示样本数据的平均值。
进一步地,步骤S104,当待评估值包括分段变异系数异常比例时,对特征数据进行处理,得到特征数据对应的待评估值包括:
步骤S104D1,筛选特征数据中的无效数据,其中无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;
步骤S104D2,使用特征数据中有效数据的众数,替代特征数据中的无效数据;
步骤S104D3,按照预设分段数,将特征数据进行分段,得到多个分段特征数据,其中分段数由传感器的最小稳定运行周期确定;
具体的,在步骤S104D3中,将用众数替代之后的特征数据分为k段,k的选取原则根据传感器的最小稳定运行周期而定,若某传感器可以最小稳定运行周期为30天,则需要选取适当的k值,使得每段特征数据的长度为30。
此时,还可能因为特征数据不是最小稳定运行周期的整数倍,而产生冗余数据的情况,在这种情况下,冗余数据可以放在任何一个数据分段内,例如第一或最后一段内。
步骤S104D4,计算每个分段特征数据的分段变异系数,每一个分段变异系数大于第四预设阈值时,记为异常。根据总的分段数,计算得到特征数据对应的分段变异系数异常比例。
进一步地,步骤S104,当待评估值包括产气率时,对特征数据进行处理,得到特征数据对应的待评估值包括:
步骤S104E1,筛选特征数据中的无效数据,其中无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种,
步骤S104E2,使用特征数据中有效数据的众数,替代特征数据中的无效数据;
步骤S104E3,根据两个相邻采集时刻对应的特征数据,计算每两个相邻采集时刻之间的产气率,将产气率大于第六预设阈值时,记为产气率异常,计算产气率异常的个数,得到特征数据对应的产气率异常比例。
具体的,在步骤S104D3中,以每天采集一个数据为例,相邻两个采集时刻即两天的采集时刻,基于相邻两天的数据计算产气率,计算公式为:
其中,γn+1表示第n+1天的产气率,Cn+1表示第n+1天油中某气体的浓度,Cn表示第n天油中某气体的浓度。
如下先针对待评估值只包括一种的情况进行说明。
进一步地,待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和产气率异常比例中的其中一种。其中,步骤S106,根据待评估值,应用相应的判据得到相应的失效判别值包括:
步骤S106A,若待评估值包括无效值比例,当判别出无效率大于第八预设阈值时,生成无效值比例对应失效判别值P1,根据F=P1×A1计算得到状态值,其中A1为待评估值对应的预设权值;
步骤S106B,若待评估值包括连续相同值个数,当判别出连续相同的天数等于第九预设阈值时,记为一次连续相同值,当判别出连续相同值的个数大于第十预设阈值时,生成连续相同值个数对应的失效判别值P2,根据F=P2×A2计算得到状态值,其中A2为待评估值对应的预设权值;;
例如,在上述步骤S106B中,第十预设阈值示例为7,即连续7天的数据相同时,记录为一次连续相同值。在稍宽容的应用场景下、或在具有较多的特征数据时,第十预设阈值可以具有较大的值。
步骤S106C,若待评估值包括整体变异系数,当判别出整体变异系数大于第十一预设阈值时,生成整体变异系数对应的失效判别值P3,根据F=P3×A3计算得到状态值,其中A3为待评估值对应的预设权值;;
步骤S106D,若待评估值包括分段变异系数异常比例,按照第三预设分段数对特征数据进行分段,每一个分段的变异系数大于第四预设阈值时,记为异常。当判别出异常的分段变异系数的个数在第三预设分段数中的占比,大于第十二预设阈值时,生成分段变异系数异常比例对应的失效判别值P4,根据F=P4×A4计算得到状态值,其中A4为待评估值对应的预设权值;
例如,在上述步骤S106D中,分段变异系数异常,可以是分段变异系数大于预设阈值。当所有分段变异系数中大于预设阈值的个数超过总个数一定比例时,满足预设判别条件,设置失效判别值为1。
步骤S106E,若待评估值包括产气率异常比例,利用相邻的气体含量值计算产气率,将产气率大于第六预设阈值时,记为产气率异常,统计产气率异常的比例,当产气率异常的个数在所有个数中的占比大于第十三预设阈值时,生成产气率异常比例对应的判别值P5,根据F=P5×A5计算得到状态值,其中A5为待评估值对应的预设权值。
例如,在上述步骤S106E中,产气率异常可以是产气率大于预设阈值。当大于预设阈值的产气率的个数超过总数一定比例时,满足预设判别条件,设置失效判别值为1。
进一步地,待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和产气率异常比例中的其中一种。其中,步骤S108,将状态值与容忍度进行比较从而判断传感器是否有效包括:
步骤S108A,若待评估值包括无效值比例,获取容忍度R,若状态值F≥R×A1,判定传感器失效;
步骤S108B,若待评估值包括连续相同值个数,获取容忍度R,若状态值F≥R×A2,判定传感器失效;
步骤S108C,若待评估值包括整体变异系数,获取容忍度R,若状态值F≥R×A3,判定传感器失效;
步骤S108D,若待评估值包括分段变异系数异常比例,获取容忍度R,若状态值F≥R×A4,判定传感器失效;
步骤S108E,若待评估值包括产气率异常比例,获取容忍度R,若状态值F≥R×A5,判定传感器失效;
如下针对待评估值包括至少两种的情况进行说明。
进一步地,待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和产气率异常比例中的至少两种,其中,步骤S106对判别值进行处理等到状态值包括:
步骤S1062,获取每种待评估值对应的预判失效条件和预设权值;
具体的,在上述步骤S1062中,考虑到不同类待评估值的可信度,可以给可信度较高的待评估值分配较高的权值。同时,不同类待评估值的可信度又跟区域电网的特性具有一定关系。在尚不明确区域电网的特性、或者在较为中庸的应用场景下,可以给每类待评估值设定相同的权值,例如1。在一种更精确的评估方式中,还可以在对特征数据进行整体分析后,动态调整不同类待评估值的权值。
步骤S1064,在判别出待评估值满足预判失效条件时,生成该种待评估值对应的失效判别值;
具体的,在上述步骤S1064中,失效判别值可以为具体的数值,例如在满足预判失效条件时,该失效判别值为1;在不满足预判失效条件时,不生成该失效判别值,或生成该失效判别值为0。
进一步地,步骤S1064,在判别出待评估值满足预判失效条件时,生成该种待评估值对应的失效判别值包括:
S1064A,若待评估值包括无效值比例,当判别出无效值比例大于第一预设阈值时,生成无效率对应的失效判别值P1;
S1064B,若待评估值包括连续相同值个数,当判别出连续相同的天数等于第二预设阈值时,记为一次连续相同值,当判别出连续相同值的个数大于第三预设阈值时,生成连续相同值对应的失效判别值P2;
例如,在上述步骤S1064B中,第二预设阈值示例为7,即连续7天的数据相同时,记录为一次连续相同值,当判别出连续相同值的个数大于第三预设阈值时,生成连续相同值对应的失效判别值P2。在稍宽容的应用场景下、或在具有较多的特征数据时,第二、三预设阈值可以具有较大的值。
S1064C,若待评估值包括整体变异系数,当判别出整体变异系数大于第四预设阈值时,生成整体变异系数对应的失效判别值P3;
S1064D,若待评估值包括分段变异系数异常比例,按照第一预设分段数对特征数据进行分段,每一个分段的变异系数大于第四预设阈值时,记为异常,当判别出异常的分段变异系数的个数在第一预设分段数中的占比,大于第五预设阈值时,生成分段变异系数对应的失效判别值P4;
例如,在上述步骤S1064D中,分段变异系数异常,可以是分段变异系数大于预设阈值。当所有分段变异系数中大于预设阈值的个数超过总个数一定比例时,生成分段变异系数对应的失效判别值P4。
S1064E,若待评估值包括产气率异常比例,利用相邻的气体含量值计算产气率,将产气率大于第六预设阈值时,记为产气率异常,统计产气率异常的比例,当判别出产气率异常的个数在所有个数中的占比大于第七预设阈值时,生成产气率对应的失效判别值P5。
例如,在上述步骤S1064E中,产气率异常可以是产气率大于预设阈值。当大于预设阈值的产气率的个数超过总数一定比例时,生成产气率对应的失效判别值P5。
进一步地,步骤S108,对失效判别值进行处理得到状态值包括:
根据公式计算传感器的状态值F,其中Pi为待评估值对应的失效判别值,Ai为待评估值对应的预设权值,i=1,2…5;
进一步地,步骤S110,将状态值与容忍度进行比较从而判断传感器是否有效包括:
步骤S1102,获取预设容忍度;
步骤S1104,若状态值则判定传感器失效。
具体的,在上述步骤S1102中,容忍度可以对评估的严苛程度进行进一步的微调,例如,当设置较低的容忍度时,传感器的有效性评估就更严格,利于保障判定有效的传感器均真实有效;当设置较高的容忍度时,传感器的有效性评估稍微宽容,利于保障判定无效的传感器均真实无效,可适用于对精确度提出不同要求的***。
仅为便于举例说明,设置失效判别值为1,设置各权值亦均为1,可得到该传感器的状态值F=A1×P1+A2×P2+A3×P3+A4×P4+A5×P5,假设评估值不包括无效率,且仅生成了变异系数和产气率的失效判别值P3、P4、P5,此时状态值F=A3×P3+A4×P4+A5×P5=(1×1)+(1×1)+(1×1)=3。进一步假设容忍度设置为R=60%,由于(F=3)≧(1+1+1+1)×60%,因此可得出结论:该传感器失效。
通过上述步骤S106-S110,在具有多类待评估值可以用于评估传感器的有效状态时,综合考虑每一类待评估值的可信度,并通过设置权值的方法,将该可信度体现于最终有效性的判断过程中,提高了传感器有效性判断的精度,同时也提高了本发明评估方法的适应性,使其可以根据不同的区域电网的类型进行适应性的调整,既提高普适性,又提高了评估精度。
实施例2
根据本发明实施例,还提供了一种油色谱传感器有效性的评估的方法实施例,需要说明的是,为便于理解并减少冗余描述,如下实施例仅意图描述如下一种复杂的情况,即待评估值包括无效值比例、连续相同值比例、整体变异系数、分段变异系数异常比例和产气率异常比例中的所有类别进行说明,但并不以此为限。仅包含部分待评估值类别的实施例亦可参考。
一种可选的油色谱传感器有效性的评估方法,包括如下步骤:
步骤S202,获取对传感器进行评估的特征数据;
具体的,在上述步骤S202中,利用待评估日当天采集的油色谱数据和与之相邻的历史数据构成固定长度的滑动区间,滑动区间内的油色谱数据即为用于评估传感器有效性的特征数据。这些特征数据直接来源与现场采集***,区别于离线测试所采集到的实验数据,此外滑动区间的长度是固定的,且其是一个动态数据集,在每次进行传感器有效性评估时,滑动区间的最后端的一个数值为待评估日的监测值。
根据数据类型对特征数据进行分类,特征数据中存在的“缺失值”、“负值”、“超量程值”和“空值”这部分数据称为无效数据,其余的数据称为有效数据。
步骤S204,根据基于标记值的判据判别,得到相应的失效判别值;
步骤S206,根据基于连续相同值的判据判别,得到相应的失效判别值;
步骤S208,根据基于变异系数的判据判别,得到相应的失效判别值;
步骤S210,根据基于产气率的判据判别,得到相应的失效判别值;
步骤S212,在获得每个判据对应的失效判别值之后,给每个失效判别值分配权值计算状态值;
步骤S214,通过设置容忍度,获取判别结果,若状态值超过容忍度则传感器失效,否则,传感器有效。
具体的,步骤S204包括:
S6,使用标记值“0”标记特征数据中的无效数据;
S8,统计标记值的分布情况;
S10,利用基于标记值的判据进行判别,得到失效判别值。判据记为T1:标记值的个数超过全部特征数据个数的t1%。若满足判据,记失效判别值P1=1,若不满足判据,记失效判别值P1=0。
在本实施例中,设置判据T1中的阈值t1=40,即“标记值”的个数超过全部特征数据个数的40%时,判据成立。由实际数据可知,判据不成立,得到失效判别值P1=0;
具体的,步骤S206包括:
S12,使用标记值“0”标记特征数据中的无效数据
S14,统计出现连续相同值的情况;
S16,利用基于连续相同值的判据进行判别,得到失效判别值。判据记为T2:连续t21天的数据相同,且连续相同的数据段超过t22个。若满足判据,记失效判别值P2=1,若不满足判据,记失效判别值P2=0。
在本实施例中置判据T2中的t21=7,t22=1,即连续7天出现相同值的个数超过一个,判据成立。由实际数据可知,判据不成立,得到失效判别值P2=0;
具体的,步骤S208包括:
S18,使用有效值的众数替代无效值
S20,将用众数替代之后的特征数据分为k段,k的选取原则根据传感器的最小稳定运行周期而定,若某传感器可以最小稳定运行周期为30天,则需要选取适当的k值,使得每段特征数据的长度为30,冗余的数据可以放在第一或最后一段内;
S22,计算替代之后的整体特征数据及每段特征数据的变异系数;
S24,利用基于变异系数的判据进行判别,得到失效判别值。判据记为T3:特征数据整体的变异系数超过t3%。若满足判据,记失效判别值P3=1,若不满足判据,记失效判别值P3=0;
S26,利用基于变异系数的判据进行判别,得到失效判别值。判据记为T4:所有变异系数中大于t3%的个数超过总个数的t4%(即>k×t4%)。若满足判据,记失效判别值P4=1,若不满足判据,记失效判别值P4=0。
本实施例中,置判据T3中的t3=30,及整体的变异系数超过30%时,判据成立。由实际数据可知,判据成立,得到失效判别值P3=1;
取最小稳定周期为一个月,将整体特征数据分为12段,冗余部分放置在第一分段内,设置判据T4中的t4=40,及12个变异系数中,大于0.3的个数超过40%×12时,判据成立。由实际数据可知,判据成立,得到失效判别值P4=1;
具体的,步骤S210包括:
S28,使用有效值的众数替代无效值;
S30,基于相邻两天的数据计算产气率,计算公式为:
其中,γn+1表示第n+1天的产气率,Cn+1表示第n+1天油中某气体的浓度,Cn表示第n天油中某气体的浓度。
S32,利用基于产气率的判据进行判别,得到失效判别值。判据记为T5:产气率大于t51的个数超过总数的t52%。若满足判据,记失效判别值P5=1,若不满足判据,记失效判别值P5=0。
本实施例中,根据公式(1)计算产气率,设置判据T5中t51=0.063,t52=40,即产气率超过0.063即认为异常,且异常个数超过全部产气率个数的10%时,判据成立。由实际数据可知,判据不成立,得到失效判别值P5=1;
具体的,步骤S212包括:
S34,对于权利要求2至权利要求6中得到的失效判别值Pi(i=1,…,5),分别分配权值Ai(i=1,…,5),且Ai∈(0,1];
S36,将各失效判别值与权值相乘之后求和,即可得到该传感器的状态值F=A1×P1+A2×P2+A3×P3+A4×P4+A5×P5。
本实施例中,设置本例中的各权值为A1=A2=A3=A4=A5=1,计算得到状态值F=(1×0)+(1×0)+(1×1)+(1×1)+(1×1)=3。
具体的,步骤S214包括:
S38,设置容忍度为R,若传感器状态值F≧(A1+A2+A3+A4+A5)×R,则判断该传感器失效,若传感器状态值F<(A1+A2+A3+A4+A5)×R,则判断该传感器有效。
本实施例中设置容忍度为R=60%,由于(F=3)≧(1+1+1+1+1)×60%,因此可得出结论:该传感器失效。
实施例3
根据本发明实施例,提供了一种油色谱传感器有效性的评估装置的装置实施例。
图2是根据本发明实施例的一种可选的油色谱传感器有效性的评估装置的示意图,如图2所示,该装置包括:获取单元202,用于获取油色谱传感器在变压器运行状态下现场采集到的特征数据;处理单元204,用于对特征数据进行处理,得到特征数据对应的待评估值,其中,待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和产气率异常比例中的至少一种;判别单元206,用于根据待评估值,应用相应的判据得到对应的失效判别值;计算单元208,用于对失效判别值进行处理得到状态值;评估单元210,用于将状态值与容忍度进行比较从而判断传感器是否有效。
本实施例中共获得某传感器采集到的2013年一年的H2含量数据(其中2013年1月1日至3日的数据丢失),数据格式如表1所示,设置滑动区间的长度为365,即将2013年1月1日至2013年12月31日采集的数据作为特征数据。特征数据应有365条,从实际数据可以发现,只采集到265条,丢失100条,其中空值2条,因此无效数据共100条,有效数据265条。
进一步地,判别单元包括:第一获取模块,用于获取每种待评估值对应的预判失效条件和预设权值;生成模块,用于在判别出待评估值满足预判失效条件时,生成该种待评估值对应的失效判别值。
进一步地,计算单元包括:求和模块,用于根据每种待评估值对应的预设权值,对失效判别值进行加权求和,得到传感器的状态值。
进一步地,评估单元包括:第二获取模块,用于获取预设容忍度;判断模块,用于将状态值与预设容忍度进行比较,判定传感器是否失效。
进一步地,生成模块包括:第一生成子模块,若待评估值包括无效值比例,用于当判别出无效值比例大于第一预设阈值时,生成无效值比例对应的失效判别值P1;第二生成子模块,若待评估值包括连续相同值个数,用于当判别出连续相同的天数等于第二预设阈值时,记为一次连续相同值,当判别出连续相同值的个数大于第三预设阈值时,生成连续相同值对应的失效判别值P2;第三生成子模块,若待评估值包括整体变异系数,用于当判别出整体变异系数大于第四预设阈值时,生成整体变异系数对应的失效判别值P3;第四生成子模块,若待评估值包括分段变异系数异常比例,用于按照第一预设分段数对特征数据进行分段,每一个分段的变异系数大于第四预设阈值时,记为异常。当判别出异常的分段变异系数的个数在第一预设分段数中的占比,大于第五预设阈值时,生成分段变异系数异常比例对应的失效判别值P4;第五生成子模块,若待评估值包括产气率异常比例,用于利用相邻的气体含量值计算产气率,将产气率大于第六预设阈值时,记为产气率异常,统计产气率异常的比例,当判别出产气率异常的个数在所有个数中的占比,大于第七预设阈值时,生成产气率对应的失效判别值P5。
进一步地,求和模块,用于根据公式计算传感器的状态值F,其中Pi为待评估值对应的失效判别值,Ai为待评估值对应的预设权值,i=1,2…5;
进一步地,第二获取模块,用于获取预设容忍度R;
进一步地,判断模块,用于若状态值则判定传感器失效。
进一步地,当待评估值包括无效率时,处理单元包括:第一筛选模块,用于筛选特征数据中的无效数据,其中无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;第一计算模块,用于根据无效数据在特征数据中的占比,计算得到特征数据对应的无效值比例。
进一步地,当待评估值包括连续相同值时,处理单元包括:第二筛选模块,用于筛选特征数据中的无效数据,其中无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;标记模块,用于使用预设标记值对无效数据进行标记;第二计算模块,用于根据标记后的特征数据统计连续相同值个数,当连续相同的天数等于第二预设阈值时,记为一次连续相同值,统计得到特征数据对应的连续相同值个数。
进一步地,当待评估值包括整体变异系数时,处理单元包括:第三筛选模块,用于筛选特征数据中的无效数据,其中无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;第一替代模块,用于使用特征数据中有效数据的众数,替代特征数据中的无效数据,第三计算模块,用于计算替换后的特征数据的整体变异系数,得到特征数据对应的整体变异系数。
进一步地,当待评估值包括分段变异系数异常比例时,处理单元包括:第四筛选模块,用于筛选特征数据中的无效数据,其中无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;第二替代模块,用于使用特征数据中有效数据的众数,替代特征数据中的无效数据;第一分段模块,用于按照预设分段数,将特征数据进行分段,得到多个分段特征数据,其中分段数由传感器的最小稳定运行周期确定;第四计算模块,用于计算每个分段特征数据的分段变异系数,每一个分段变异系数大于第四预设阈值时,记为异常。根据总的分段数,计算得到特征数据对应的分段变异系数异常比例。
进一步地,当待评估值包括产气率异常比例时,处理单元包括:第五筛选模块,用于筛选特征数据中的无效数据,其中无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种,第三替代模块,用于使用特征数据中有效数据的众数,替代特征数据中的无效数据;第五计算模块,用于根据任意两个采集时刻对应的特征数据,计算任意两个采集时刻之间的产气率,得到特征数据对应的产气率,将产气率大于第六预设阈值时,记为产气率异常,计算产气率异常的个数,得到特征数据对应的产气率异常比例。
进一步地,获取单元包括:数据获取模块,用于获取传感器在评估时刻现场采集到的数据,作为滑动区间的末端值;填充模块,用于按照滑动区间对应的预设时间长度,提取评估时刻之前传感器现场采集到的历史数据,作为滑动区间的填充值;确定模块,用于确定滑动区间内的数据,为特征数据。
进一步地,待评估值包括无效率、连续相同值、变异系数和产气率中的其中一种,其中判别单元包括:第一判别模块,若待评估值包括无效值比例,当判别出无效率大于第八预设阈值时,生成无效值比例对应失效判别值P1,根据F=P1×A1计算得到状态值,其中A1为待评估值对应的预设权值;;第二判别模块,若待评估值包括连续相同值个数,当判别出连续相同的天数等于第九预设阈值时,记为一次连续相同值,当判别出连续相同值的个数大于第十预设阈值时,生成连续相同值个数对应的失效判别值P2,根据F=P2×A2计算得到状态值,其中A2为待评估值对应的预设权值;第三判别模块,若待评估值包括整体变异系数,当判别出整体变异系数大于第十一预设阈值时,生成整体变异系数对应的失效判别值P3,根据F=P3×A3计算得到状态值,其中A3为待评估值对应的预设权值;第四判别模块,若待评估值包括分段变异系数异常比例,按照第三预设分段数对特征数据进行分段,每一个分段的变异系数大于第四预设阈值时,记为异常。当判别出异常的分段变异系数的个数在第三预设分段数中的占比,大于第九十二预设阈值时,生成分段变异系数异常比例对应的失效判别值P4,根据F=P4×A4计算得到状态值,其中A4为待评估值对应的预设权值;第五判别模块,若待评估值包括产气率异常比例,利用相邻的气体含量值计算产气率,将产气率大于第六预设阈值时,记为产气率异常,统计产气率异常的比例,当产气率异常的个数在所有个数中的占比大于第十三预设阈值时,生成产气率异常比例对应的失效判别值P5,根据F=P5×A5计算得到状态值,其中A5为待评估值对应的预设权值。
进一步地,待评估值包括无效率、连续相同值、变异系数和产气率中的其中一种,其中评估单元包括:第一评估模块,若待评估值包括无效值比例,用于获取容忍度R,若状态值F≥R×A1,判定传感器失效;第二评估模块,若待评估值包括连续相同值个数,用于获取容忍度R,若状态值F≥R×A2,判定传感器失效;第三评估模块,若待评估值包括整体变异系数,用于获取容忍度R,若状态值F≥R×A3,判定传感器失效;第四评估模块,若待评估值包括分段变异系数异常比例,用于获取容忍度R,若状态值F≥R×A4,判定传感器失效;第五评估模块,若待评估值包括产气率异常比例,用于获取容忍度R,若状态值F≥R×A5,判定传感器失效;
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (26)
1.一种油色谱传感器有效性的评估方法,其特征在于,包括:
获取油色谱传感器在变压器运行状态下现场采集到的特征数据;
对所述特征数据进行处理,得到所述特征数据对应的待评估值,其中,所述待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和产气率异常比例中的至少一种;
根据所述待评估值,应用预设判据得到每种待评估值对应的失效判别值;
对所有待评估值对应的失效判别值进行处理得到状态值;
将所述状态值与预设容忍度进行比较从而判断所述传感器是否有效。
2.根据权利要求1所述的方法,其特征在于,根据所述待评估值,应用预设判据得到每种待评估值对应的失效判别值包括:
获取所述每种待评估值对应的预判失效条件和预设阈值;
在判别出所述待评估值满足所述预判失效条件时,生成该种待评估值对应的失效判别值。
3.根据权利要求2所述的方法,其特征在于,对所有待评估值对应的失效判别值进行处理得到状态值包括:
获取所述每种待评估值对应的预设权值;
根据公式计算所述传感器的状态值F,其中Pi为所述待评估值对应的失效判别值,Ai为所述待评估值对应的预设权值,i=1,2…5。
4.根据权利要求3所述的方法,其特征在于,将所述状态值与预设容忍度进行比较从而判断所述传感器是否有效包括:
获取预设容忍度R;
若所述状态值则判定所述传感器失效。
5.根据权利要求2所述的方法,其特征在于,在判别出所述待评估值满足所述预判失效条件时,生成该种待评估值对应的失效判别值包括:
若所述待评估值包括无效值比例,当判别出所述无效值比例大于第一预设阈值时,生成所述无效值比例对应的失效判别值P1;
若所述待评估值包括连续相同值个数,当判别出所述特征数据连续相同的数量等于第二预设阈值时,记为一次连续相同值,当判别出所述连续相同值的出现次数大于第三预设阈值时,生成所述连续相同值个数对应的失效判别值P2;
若所述待评估值包括整体变异系数,当判别出所述特征数据的整体变异系数大于第四预设阈值时,生成所述整体变异系数对应的失效判别值P3;
若所述待评估值包括分段变异系数异常比例,按照第一预设分段数对所述特征数据进行分段,计算每个分段的分段变异系数,当异常的分段变异系数的个数在所述第一预设分段数中的占比大于第五预设阈值时,生成所述分段变异系数异常比例对应的失效判别值P4,其中所述异常的分段变异系数包括大于第六预设阈值的分段变异系数;
若所述待评估值包括产气率异常比例,利用相邻采集时刻的气体含量值计算所述产气率,当判别出异常的产气率个数在计算出的所有产气率个数中的占比大于第七预设阈值时,生成所述产气率对应的失效判别值P5,其中所述异常的产气率包括大于第八预设阈值的产气率。
6.根据权利要求1-5中任意一项所述的方法,其特征在于,当所述待评估值包括无效值比例时,对所述特征数据进行处理,得到所述特征数据对应的待评估值包括:
筛选所述特征数据中的无效数据,其中所述无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;
根据所述无效数据在所述特征数据中的占比,计算得到所述特征数据对应的无效值比例。
7.根据权利要求1-5中任意一项所述的方法,其特征在于,当所述待评估值包括连续相同值个数时,对所述特征数据进行处理,得到所述特征数据对应的待评估值包括:
筛选所述特征数据中的无效数据,其中所述无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;
使用预设标记值对所述无效数据进行标记;
根据标记后的特征数据统计连续相同值个数,当所述特征数据连续相同的数量等于第二预设阈值时,记为一次连续相同值,统计所述连续相同值的出现次数得到所述特征数据对应的连续相同值个数。
8.根据权利要求1-5中任意一项所述的方法,其特征在于,当所述待评估值包括整体变异系数时,对所述特征数据进行处理,得到所述特征数据对应的待评估值包括:
筛选所述特征数据中的无效数据,其中所述无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;
使用所述特征数据中有效数据的众数,替代所述特征数据中的所述无效数据;
计算替换后的特征数据的整体变异系数,得到所述特征数据对应的整体变异系数。
9.根据权利要求1-5中任意一项所述的方法,其特征在于,当所述待评估值包括分段变异系数异常比例时,对所述特征数据进行处理,得到所述特征数据对应的待评估值包括:
筛选所述特征数据中的无效数据,其中所述无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;
使用所述特征数据中有效数据的众数,替代所述特征数据中的所述无效数据;
按照预设分段数,将所述特征数据进行分段,得到多个分段特征数据,其中所述预设分段数由所述传感器的最小稳定运行周期确定;
计算每个分段特征数据的分段变异系数,根据异常的分段变异系数的个数在所述预设分段数中的占比得到所述特征数据对应的分段变异系数异常比例,其中异常的分段变异系数包括大于第六预设阈值的分段变异系数。
10.根据权利要求1-5中任意一项所述的方法,其特征在于,当所述待评估值包括所述产气率异常比例时,对所述特征数据进行处理,得到所述特征数据对应的待评估值包括:
筛选所述特征数据中的无效数据,其中所述无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;
使用所述特征数据中有效数据的众数,替代所述特征数据中的所述无效数据;
计算每两个相邻采集时刻的气体含量值计算所述产气率,根据异常的产气率个数在计算出的所有产气率个数中的占比得到所述特征数据对应的产气率异常比例,其中异常的产气率包括大于第八预设阈值的产气率。
11.根据权利要求1所述的方法,其特征在于,获取油色谱传感器在变压器运行状态下现场采集到的特征数据包括:
获取所述传感器在评估时刻现场采集到的数据,作为滑动区间的末端值;
按照所述滑动区间对应的预设时间长度,提取所述评估时刻之前所述传感器现场采集到的历史数据,作为所述滑动区间的填充值;
确定所述滑动区间内的数据,为所述特征数据。
12.根据权利要求1所述的方法,其特征在于,所述待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和产气率异常比例中的其中一种,其中,对失效判别值进行处理得到状态值包括:
若所述待评估值包括无效值比例,当判别出所述无效值比例大于第九预设阈值时,生成无效值比例对应的失效判别值P1,根据F=P1×A1计算得到所述状态值,其中A1为所述待评估值对应的预设权值;
若所述待评估值包括连续相同值个数,当判别出所述特征数据连续相同的数量等于第十预设阈值时,记为一次连续相同值,当判别出所述连续相同值的出现次数大于第十一预设阈值时,生成连续相同值个数对应的失效判别值P2,根据F=P2×A2计算得到所述状态值,其中A2为所述待评估值对应的预设权值;
若所述待评估值包括整体变异系数,当判别出整体变异系数大于第十二预设阈值时,生成整体变异系数对应的失效判别值P3,根据F=P3×A3计算得到所述状态值,其中A3为所述待评估值对应的预设权值;
若所述待评估值包括分段变异系数异常比例,按照第三预设分段数对所述特征数据进行分段,计算每个分段的变异系数,当异常的分段变异系数的个数在所述第三预设分段数中的占比大于第十三预设阈值时,生成所述分段变异系数异常比例对应的失效判别值P4,根据F=P4×A4计算得到所述状态值,其中A4为所述待评估值对应的预设权值,所述异常的分段变异系数包括大于第十四预设阈值的分段变异系数;
若所述待评估值包括产气率异常比例,利用相邻采集时刻的气体含量值计算所述产气率,当判别出异常的产气率个数在计算出的所有产气率个数中的占比大于第十五预设阈值时,生成所述产气率对应的失效判别值P5,根据F=P5×A5计算得到所述状态值,其中A5为所述待评估值对应的预设权值,所述异常的产气率包括大于第十六预设阈值的产气率。
13.根据权利要求12所述的方法,其特征在于,所述待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和所述产气率异常比例中的其中一种,其特征在于,将状态值与预设容忍度进行比较从而判断传感器是否有效包括:
若所述待评估值包括无效值比例,获取容忍度R,若所述状态值F≥R×A1,判定所述传感器失效;
若所述待评估值包括连续相同值个数,获取容忍度R,若所述状态值F≥R×A2,判定所述传感器失效;
若所述待评估值包括整体变异系数,获取容忍度R,若所述状态值F≥R×A3,判定所述传感器失效;
若所述待评估值包括分段变异系数异常比例,获取容忍度R,若状态值F≥R×A4,判定所述传感器失效;
若所述待评估值包括所述产气率异常比例,获取容忍度R,若所述状态值F≥R×A5,判定所述传感器失效。
14.一种油色谱传感器有效性的评估装置,其特征在于,包括:
获取单元,用于获取油色谱传感器在变压器运行状态下现场采集到的特征数据;
处理单元,用于对所述特征数据进行处理,得到所述特征数据对应的待评估值,其中,所述待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和产气率异常比例中的至少一种;
判别单元,用于根据所述待评估值,应用预设判据得到每种待评估值对应的失效判别值;
计算单元,用于对所有待评估值对应的失效判别值进行处理得到状态值;
评估单元,将所述状态值与预设容忍度进行比较从而判断所述传感器是否有效。
15.根据权利要求14所述的装置,其特征在于,根据所述待评估值,应用预设判据得到每种待评估值对应的失效判别值包括:
第一获取模块,用于获取所述每种待评估值对应的预判失效条件和预设权值;
生成模块,用于在判别出所述待评估值满足所述预判失效条件时,生成该种待评估值对应的失效判别值。
16.根据权利要求15所述的装置,其特征在于,对所有待评估值对应的判别值进行处理得到状态值,其中计算单元包括:
获取模块,用于获取所述每种待评估值对应的预设权值;
求和模块,用于根据公式计算所述传感器的状态值F,其中Pi为所述待评估值对应的失效判别值,Ai为所述待评估值对应的预设权值,i=1,2…5。
17.根据权利要求16所述的装置,其特征在于,所述评估单元包括:
第二获取模块,用于获取预设容忍度R;
判断模块,用于若所述状态值则判定所述传感器失效。
18.根据权利要求15所述的装置,其特征在于,所述生成模块包括:
第一生成子模块,若所述待评估值包括无效值比例,用于当判别出所述无效值比例大于第一预设阈值时,生成所述无效值比例对应的失效判别值P1;
第二生成子模块,若所述待评估值包括连续相同值个数,用于当判别出所述特征数据连续相同的数量等于第二预设阈值时,记为一次连续相同值,当判别出所述连续相同值的出现次数大于第三预设阈值时,生成所述连续相同值个数对应的失效判别值P2;
第三生成子模块,若所述待评估值包括整体变异系数,用于当判别出所述特征数据的整体变异系数大于第四预设阈值时,生成所述整体变异系数对应的失效判别值P3;
第四生成子模块,若所述待评估值包括分段变异系数异常比例,用于按照第一预设分段数对所述特征数据进行分段,计算每个分段的变异系数,当异常的分段变异系数的个数在所述第一预设分段数中的占比大于第五预设阈值时,生成所述分段变异系数异常比例对应的失效判别值P4,其中所述异常的分段变异系数包括大于第六预设阈值的分段变异系数;
第五生成子模块,若所述待评估值包括所述产气率异常比例,用于利用相邻采集时刻的气体含量值计算所述产气率,当判别出异常的产气率个数在计算出的所有产气率个数中的占比大于第七预设阈值时,生成所述产气率对应的失效判别值P5,其中所述异常的产气率包括大于第八预设阈值的产气率。
19.根据权利要求14-18中任意一项所述的装置,其特征在于,当所述待评估值包括无效值比例时,所述处理单元包括:
第一筛选模块,用于筛选所述特征数据中的无效数据,其中所述无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;
第一计算模块,用于根据所述无效数据在所述特征数据中的占比,计算得到所述特征数据对应的无效值比例。
20.根据权利要求14-18中任意一项所述的装置,其特征在于,当所述待评估值包括连续相同值个数时,所述处理单元包括:
第二筛选模块,用于筛选所述特征数据中的无效数据,其中所述无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;
标记模块,用于使用预设标记值对所述无效数据进行标记;
第二计算模块,用于根据标记后的特征数据统计连续相同值个数,当所述特征数据连续相同的数量等于第二预设阈值时,记为一次连续相同值,统计所述连续相同值的出现次数得到所述特征数据对应的连续相同值个数。
21.根据权利要求14-18中任意一项所述的装置,其特征在于,当所述待评估值包括整体变异系数时,所述处理单元包括:
第三筛选模块,用于筛选所述特征数据中的无效数据,其中所述无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;
第一替代模块,用于使用所述特征数据中有效数据的众数,替代所述特征数据中的所述无效数据,
第三计算模块,用于计算替换后的特征数据的整体变异系数,得到所述特征数据对应的整体变异系数。
22.根据权利要求14-18中任意一项所述的装置,其特征在于,当所述待评估值包括分段变异系数异常比例时,所述处理单元包括:
第四筛选模块,用于筛选所述特征数据中的无效数据,其中所述无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种;
第二替代模块,用于使用所述特征数据中有效数据的众数,替代所述特征数据中的所述无效数据;
第一分段模块,用于按照预设分段数,将所述特征数据进行分段,得到多个分段特征数据,其中所述预设分段数由所述传感器的最小稳定运行周期确定;
第四计算模块,用于计算每个分段特征数据的分段变异系数,根据异常的分段变异系数的个数在所述预设分段数中的占比得到所述特征数据对应的分段变异系数异常比例,其中异常的分段变异系数包括大于第六预设阈值的分段变异系数。
23.根据权利要求14-18中任意一项所述的装置,其特征在于,当所述待评估值包括所述产气率异常比例时,所述处理单元包括:
第五筛选模块,用于筛选所述特征数据中的无效数据,其中所述无效数据包括缺失数据、负值数据、空值数据和超量程数据中的至少一种,
第三替代模块,用于使用所述特征数据中有效数据的众数,替代所述特征数据中的所述无效数据;
第五计算模块,用于计算每两个相邻采集时刻的气体含量值计算所述产气率,根据异常的产气率个数在计算出的所有产气率个数中的占比得到所述特征数据对应的产气率异常比例,其中异常的产气率包括大于第八预设阈值的产气率。
24.根据权利要求14所述的装置,其特征在于,所述获取单元包括:
数据获取模块,用于获取所述传感器在评估时刻现场采集到的数据,作为滑动区间的末端值;
填充模块,用于按照所述滑动区间对应的预设时间长度,提取所述评估时刻之前所述传感器现场采集到的历史数据,作为所述滑动区间的填充值;
确定模块,用于确定所述滑动区间内的数据,为所述特征数据。
25.根据权利要求14所述的装置,其特征在于,所述待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和所述产气率异常比例中的其中一种,其中所述判别单元包括:
第一判别模块,若所述待评估值包括无效值比例,当判别出所述无效值比例大于第九预设阈值时,生成无效值比例对应的失效判别值P1,根据F=P1×A1计算得到所述状态值,其中A1为所述待评估值对应的预设权值;
第二判别模块,若所述待评估值包括连续相同值个数,当判别出所述特征数据连续相同的数量等于第十预设阈值时,记为一次连续相同值,当判别出所述连续相同值的出现次数大于第十一预设阈值时,生成连续相同值个数对应的失效判别值P2,根据F=P2×A2计算得到所述状态值,其中A2为所述待评估值对应的预设权值;
第三判别模块,若所述待评估值包括整体变异系数,当判别出整体变异系数大于第十二预设阈值时,生成整体变异系数对应的失效判别值P3,根据F=P3×A3计算得到所述状态值,其中A3为所述待评估值对应的预设权值;
第四判别模块,若所述待评估值包括分段变异系数异常比例,按照第三预设分段数对所述特征数据进行分段,计算每个分段的变异系数,当异常的分段变异系数的个数在所述第三预设分段数中的占比大于第十三预设阈值时,生成所述分段变异系数异常比例对应的失效判别值P4,根据F=P4×A4计算得到所述状态值,其中A4为所述待评估值对应的预设权值,所述异常的分段变异系数包括大于第十四预设阈值的分段变异系数;
第五判别模块,若所述待评估值包括所述产气率异常比例,利用相邻采集时刻的气体含量值计算所述产气率,当判别出异常的产气率个数在计算出的所有产气率个数中的占比大于第十五预设阈值时,生成所述产气率对应的失效判别值P5,根据F=P5×A5计算得到所述状态值,其中A5为所述待评估值对应的预设权值,所述异常的产气率包括大于第十六预设阈值的产气率。
26.根据权利要求25所述的装置,其特征在于,所述待评估值包括无效值比例、连续相同值个数、整体变异系数、分段变异系数异常比例和所述产气率异常比例中的其中一种,其中所述评估单元包括:
第一评估模块,若所述待评估值包括无效值比例,用于获取容忍度R,若所述状态值F≥R×A1,判定所述传感器失效;
第二评估模块,若所述待评估值包括连续相同值个数,用于获取容忍度R,若所述状态值F≥R×A2,判定所述传感器失效;
第三评估模块,若所述待评估值包括整体变异系数,用于获取容忍度R,若所述状态值F≥R×A3,判定所述传感器失效;
第四评估模块,若所述待评估值包括分段变异系数异常比例,用于获取容忍度R,若所述状态值F≥R×A4,判定所述传感器失效;
第五评估模块,若所述待评估值包括所述产气率异常比例,用于获取容忍度R,若所述状态值F≥R×A5,判定所述传感器失效。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611036247.4A CN106596754B (zh) | 2016-11-22 | 2016-11-22 | 油色谱传感器有效性的评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611036247.4A CN106596754B (zh) | 2016-11-22 | 2016-11-22 | 油色谱传感器有效性的评估方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106596754A true CN106596754A (zh) | 2017-04-26 |
CN106596754B CN106596754B (zh) | 2019-07-23 |
Family
ID=58591802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611036247.4A Active CN106596754B (zh) | 2016-11-22 | 2016-11-22 | 油色谱传感器有效性的评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106596754B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107202852A (zh) * | 2017-05-23 | 2017-09-26 | 国家电网公司 | 一种基于可变阈值的油色谱在线监测数据异常值检测方法 |
CN109298099A (zh) * | 2018-11-26 | 2019-02-01 | 国网河北省电力有限公司电力科学研究院 | 变压器油色谱检测分析方法、***及终端设备 |
CN110011416A (zh) * | 2019-03-25 | 2019-07-12 | 中国电力科学研究院有限公司 | 一种变电设备在线监测装置可靠性评估方法及装置 |
CN111178617A (zh) * | 2019-12-24 | 2020-05-19 | 嘉兴恒创电力设计研究院有限公司 | 基于感知决策引导的多传感器管理方法 |
CN113640779A (zh) * | 2021-10-15 | 2021-11-12 | 北京一径科技有限公司 | 雷达失效判定方法及装置、存储介质 |
CN114252090A (zh) * | 2021-12-15 | 2022-03-29 | 哈尔滨工业大学 | 一种多源导航传感器可信性评估方法 |
CN114354783A (zh) * | 2021-12-17 | 2022-04-15 | 国网电力科学研究院武汉南瑞有限责任公司 | 基于在运数据的特高压油色谱监测装置健康度评估方法 |
CN114402179A (zh) * | 2019-09-20 | 2022-04-26 | 诺基亚技术有限公司 | 传感器的运行时评价 |
CN116799792A (zh) * | 2023-06-21 | 2023-09-22 | 国网吉林省电力有限公司信息通信公司 | 基于无线通信网络的智能配电网管理*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101629934A (zh) * | 2009-07-16 | 2010-01-20 | 思源电气股份有限公司 | 变压器油色谱在线监测*** |
CN203249900U (zh) * | 2013-03-25 | 2013-10-23 | 辽宁省电力有限公司鞍山供电公司 | 变压器油色谱在线监测装置 |
CN203551526U (zh) * | 2013-07-30 | 2014-04-16 | 山西省电力公司太原供电分公司 | 一种基于物联网技术的变压器油色谱监测*** |
CN104360190A (zh) * | 2014-11-13 | 2015-02-18 | 华北电力大学 | 基于三传感器推理的换流变压器故障在线诊断方法 |
CN104573321A (zh) * | 2014-12-11 | 2015-04-29 | 国家电网公司 | 一种变压器油中溶解气体不良数据的识别和处理方法 |
CN104677997A (zh) * | 2015-02-02 | 2015-06-03 | 华北电力大学 | 一种变压器油色谱在线监测差异化预警方法 |
CN204462085U (zh) * | 2014-09-17 | 2015-07-08 | 天津科仪安科技有限公司 | 变压器油色谱监测*** |
CN105117512A (zh) * | 2015-07-23 | 2015-12-02 | 华北电力大学 | 变压器预警值的估算方法及装置 |
-
2016
- 2016-11-22 CN CN201611036247.4A patent/CN106596754B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101629934A (zh) * | 2009-07-16 | 2010-01-20 | 思源电气股份有限公司 | 变压器油色谱在线监测*** |
CN203249900U (zh) * | 2013-03-25 | 2013-10-23 | 辽宁省电力有限公司鞍山供电公司 | 变压器油色谱在线监测装置 |
CN203551526U (zh) * | 2013-07-30 | 2014-04-16 | 山西省电力公司太原供电分公司 | 一种基于物联网技术的变压器油色谱监测*** |
CN204462085U (zh) * | 2014-09-17 | 2015-07-08 | 天津科仪安科技有限公司 | 变压器油色谱监测*** |
CN104360190A (zh) * | 2014-11-13 | 2015-02-18 | 华北电力大学 | 基于三传感器推理的换流变压器故障在线诊断方法 |
CN104573321A (zh) * | 2014-12-11 | 2015-04-29 | 国家电网公司 | 一种变压器油中溶解气体不良数据的识别和处理方法 |
CN104677997A (zh) * | 2015-02-02 | 2015-06-03 | 华北电力大学 | 一种变压器油色谱在线监测差异化预警方法 |
CN105117512A (zh) * | 2015-07-23 | 2015-12-02 | 华北电力大学 | 变压器预警值的估算方法及装置 |
Non-Patent Citations (2)
Title |
---|
XIAO YI等: "PORTABLE FIBER-BASED FLUORESCENCE SENSOR FOR ONLINE ASSESSMENT OF TRANSFORMER OIL AGEING TRANSFORMER OIL AGEING", 《22ND INTERNATIONAL CONFERENCE ON ELECTRICITY DISTRIBUTION》 * |
YUSUF AMRULLOH ET AL.: "Gas and Optical Sensing Technology for the Field Assessment of Transformer Oil", 《INTERNATIONAL JOURNAL OF EMERGING ELECTRIC POWER SYSTEMS》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107202852A (zh) * | 2017-05-23 | 2017-09-26 | 国家电网公司 | 一种基于可变阈值的油色谱在线监测数据异常值检测方法 |
CN109298099A (zh) * | 2018-11-26 | 2019-02-01 | 国网河北省电力有限公司电力科学研究院 | 变压器油色谱检测分析方法、***及终端设备 |
CN110011416A (zh) * | 2019-03-25 | 2019-07-12 | 中国电力科学研究院有限公司 | 一种变电设备在线监测装置可靠性评估方法及装置 |
CN114402179A (zh) * | 2019-09-20 | 2022-04-26 | 诺基亚技术有限公司 | 传感器的运行时评价 |
CN111178617A (zh) * | 2019-12-24 | 2020-05-19 | 嘉兴恒创电力设计研究院有限公司 | 基于感知决策引导的多传感器管理方法 |
WO2023061481A1 (zh) * | 2021-10-15 | 2023-04-20 | 北京一径科技有限公司 | 雷达失效判定方法及装置、存储介质 |
CN113640779B (zh) * | 2021-10-15 | 2022-05-03 | 北京一径科技有限公司 | 雷达失效判定方法及装置、存储介质 |
CN113640779A (zh) * | 2021-10-15 | 2021-11-12 | 北京一径科技有限公司 | 雷达失效判定方法及装置、存储介质 |
CN114252090A (zh) * | 2021-12-15 | 2022-03-29 | 哈尔滨工业大学 | 一种多源导航传感器可信性评估方法 |
CN114252090B (zh) * | 2021-12-15 | 2024-07-23 | 哈尔滨工业大学 | 一种多源导航传感器可信性评估方法 |
CN114354783A (zh) * | 2021-12-17 | 2022-04-15 | 国网电力科学研究院武汉南瑞有限责任公司 | 基于在运数据的特高压油色谱监测装置健康度评估方法 |
CN116799792A (zh) * | 2023-06-21 | 2023-09-22 | 国网吉林省电力有限公司信息通信公司 | 基于无线通信网络的智能配电网管理*** |
CN116799792B (zh) * | 2023-06-21 | 2024-01-23 | 国网吉林省电力有限公司信息通信公司 | 基于无线通信网络的智能配电网管理*** |
Also Published As
Publication number | Publication date |
---|---|
CN106596754B (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106596754A (zh) | 油色谱传感器有效性的评估方法及装置 | |
Fildes | The evaluation of extrapolative forecasting methods | |
CN109583680B (zh) | 一种基于支持向量机的窃电辨识方法 | |
CN109858104B (zh) | 一种滚动轴承健康评估与故障诊断方法及监测*** | |
CN110634080A (zh) | 异常用电检测方法、装置、设备及计算机可读存储介质 | |
CN106769052A (zh) | 一种基于聚类分析的机械***滚动轴承智能故障诊断方法 | |
CN107436277A (zh) | 基于相似距离判别的单指标数据质量控制方法 | |
CN108802535B (zh) | 筛选方法、主干扰源识别方法及装置、服务器及存储介质 | |
CN107677472A (zh) | 面向网络变量筛选与特征熵融合的轴承状态噪声诊断算法 | |
CN101211496A (zh) | 用于监视设备的方法和*** | |
CN108763346A (zh) | 一种滑窗箱型图中值滤波的异常点处理方法 | |
CN109389325B (zh) | 基于小波神经网络的变电站电子式互感器状态评估方法 | |
CN113344134A (zh) | 一种低压配电监控终端数据采集异常检测方法及*** | |
CN104360677A (zh) | 一种卷烟加工过程质量评价与诊断方法 | |
Erginel | Fuzzy rule-based $\tilde p $ and $ n\tilde p $ control charts | |
DE112018007597B4 (de) | Diagnosevorrichtung, Diagnoseverfahren und Programm | |
CN107851294A (zh) | 大型运行***的基于状态的预防维护装置及方法 | |
CN111967717A (zh) | 一种基于信息熵值的数据质量评价方法 | |
Guo et al. | Fault diagnosis for power system transmission line based on PCA and SVMs | |
US11331024B2 (en) | Calibration method for critical point of mental fatigue based on self-organized criticality | |
CN111898068A (zh) | 一种基于pert算法及仪表用量分析的异常检测方法 | |
CN105096217B (zh) | 一种电力计量自动化终端通信状态预测方法和*** | |
CN117171157A (zh) | 基于数据分析的清算数据采集清洗方法 | |
CN117170303B (zh) | 一种基于多元时间序列预测的plc故障智能诊断维护*** | |
CN112817955B (zh) | 基于回归模型的数据清洗方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |