CN109670242B - 基于椭圆包络线的变压器绕组变形无监督在线监测方法 - Google Patents
基于椭圆包络线的变压器绕组变形无监督在线监测方法 Download PDFInfo
- Publication number
- CN109670242B CN109670242B CN201811559407.2A CN201811559407A CN109670242B CN 109670242 B CN109670242 B CN 109670242B CN 201811559407 A CN201811559407 A CN 201811559407A CN 109670242 B CN109670242 B CN 109670242B
- Authority
- CN
- China
- Prior art keywords
- data
- winding
- transformer
- online monitoring
- detected
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/62—Testing of transformers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/72—Testing of electric windings
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开了一种基于椭圆包络线的变压器绕组变形无监督在线监测方法,包括:(1)收集待测变压器的在线监测指标记录的历史在线监测数据;(2)将在线监测指标的数据分为前后两段序列,前段序列作为绕组正常状态下的训练数据,后段序列作为未知绕组状态的待测数据;(3)将训练数据作为训练集输入椭圆包络线算法中,进行椭圆包络线模型训练;(4)将待测数据输入训练好的椭圆包络线模型中,输出在每个待测数据点对应的时间点上绕组是否变形。本发明属于无监督故障诊断法,只需进行当前监测数据与历史监测数据的比较,适用于无标签的数据集,能对绕组变形故障进行有效监测。
Description
技术领域
本发明涉及变压器故障诊断领域,具体涉及一种基于椭圆包络线的变压器绕组变形无监督在线监测方法。
背景技术
当电力变压器受到短路冲击后,巨大的短路电流形成冲击电动力。根据毕奥萨瓦定律,作用在变压器线圈上的电动力F与短路电流i的平方成正比:
F=b·i2
在电动力F作用下,绕组会发生扭曲、鼓包或移位,使绕组内部结构的轴向半径R或径向尺寸H发生变化,称为绕组变形。
绕组变形是变压器最主要的安全隐患之一,据统计,导致变压器故障的原因中,有将近25%的故障是由绕组变形引起的,因此需要对发生过短路冲击的变压器设备需要及时进行诊断,对发生变形的变压器设备进行维修和更换。
频率响应法、低电压短路阻抗测试法、绕组介损电容量测试法是变压器绕组变形诊断中常用的三种方法,其依据是绕组内部结构相对距离的变化会引起阻抗、电抗和电容值等绕组参数的变化。以绕组介损电容量测试法为例,变压器设备出厂后,其各绕组的电容量C基本是一定的,若受短路冲击某侧绕组变形严重,其轴向半径R或径向尺寸H发生变化状发生变化,而电容量C与绕组元件的形状参数有关,即电容值是这对绕组相对位置的函数:
C=f(R,H)
因此变压器变形后,电容量C也相应会发生变化。绕组介损电容量测试法就是通过介损电容量与出厂值的差异情况来判断变压器的内部变形的情况。
这类方法虽然应用广泛,但都需要停电测试,属于离线诊断方法。在某些情况下,由于***运行的要求,设备无法停电,就难以及时诊断出故障缺陷。其次,变压器数量众多且分散分布,现场试验会导致大量的时间成本和人力物力成本。
针对离线诊断方法的不足,近年来研究者们提出了许多利用设备在线监测数据诊断绕组变形的方法,称为在线诊断方法。国内外已经开展了针对变压器绕组变形在线监测方法的研究,主要有两条实现途径。
第一条路径是将在线监测的电流电压推导出变形系数公式,如在三种离线检测方法的基础上开发的在线频率响应法、在线介损电容量法、在线短路阻抗法以及电流偏差系数法和散射参数法等。然而,上述方法依然需要人工试验,如在变压器套管上施加高频信号等操作,未能解决变压器试验工作成本高的问题。其次,该类方法仅利用了监测数据的数值信息。
第二条路径是开发新的检测技术,用不同的高技术设备对绕组内部结构进行直接观测,判断是否发生变形,但高成本限制了此类方法的实际应用和推广。
绕组变形在线诊断的另一条可行途径是通过机器学习算法分析在线监测数据实现远程智能诊断。机器学习算法主要分为有监督方法和无监督方法两大类。
有监督故障诊断方法是指对发生过变形、有变形运行数据的变压器进行绕组变形诊断,可以将待测记录分别与历史变形记录和正常记录相匹配。常见的有监督分类方法有K近邻算法、决策树、逻辑回归、多层感知器、支持向量机和随机森林等。
无监督故障诊断方法是指在只有正常样本,没有故障样本的情况下,利用当前样本与正常样本的相似性,来判别当前样本是否异常。常见的无监督故障诊断方法包括主元分析法(PCA)、独立成分分析法(ICA)、无监督支持向量机(One Class SVM)、孤立森林(Isolation Forest)、局部离群点因子(LOF)和椭圆包络线(Elliptic Envelope)等。
对发生过变形的变压器可以采用有监督分类,而对大多数正常变压器的状态监测,只能采用无监督分类的方法。因此,无监督故障诊断方法在绕组变形在线诊断中比有监督故障诊断方法的需求更大。
发明内容
针对本领域存在的不足之处,本发明提供了一种基于椭圆包络线的变压器绕组变形无监督在线监测方法,通过比较待测变压器的当前监测数据与历史正常监测数据的相似性,判断当前绕组状态是否异常。
一种基于椭圆包络线的变压器绕组变形无监督在线监测方法,包括:
(1)收集待测变压器的在线监测指标记录的历史在线监测数据;
(2)将在线监测指标的数据分为前后两段序列,前段序列作为绕组正常状态下的训练数据,后段序列作为未知绕组状态的待测数据;
(3)将训练数据作为训练集输入椭圆包络线算法中,进行椭圆包络线模型训练;
(4)将待测数据输入训练好的椭圆包络线模型中,输出在每个待测数据点对应的时间点上绕组是否变形。
步骤(1)中,优选地,所述的待测变压器的在线监测指标包括:高、中、低三绕组下的A、B、C三相母线电压,高、中、低三绕组下的母线电流、母线3U0电压、有功功率和无功功率,以及变压器油温。
优选地,将同一类的在线监测指标的差作为新指标与原在线监测指标合并构成新在线监测指标后,进行步骤(2)。构造新指标的原理在于对变压器同一电压等级的A、B、C三相绕组幅频响应特性进行比较,计算三相不平衡率。
优选地,所述的同一类的在线监测指标为同一电压等级的各相电压,新指标为同一电压等级的各相电压之差,包括:
低压侧AB相电压差=低压侧B相电压幅值-低压侧A相电压幅值;
低压侧BC相电压差=低压侧C相电压幅值-低压侧B相电压幅值;
中压侧AB相电压差=中压侧B相电压幅值-中压侧A相电压幅值;
中压侧BC相电压差=中压侧C相电压幅值-中压侧B相电压幅值;
高压侧AB相电压差=高压侧B相电压幅值-高压侧A相电压幅值;
高压侧BC相电压差=高压侧C相电压幅值-高压侧B相电压幅值。
步骤(3)中,优选地,所述的进行椭圆包络线模型训练的具体步骤包括:
a.拟合出训练数据的稳健协方差估计,求出训练集在空间中的重心和方差;
b.根据高斯概率密度估算每个训练数据在空间中对应的点被分配到重心的概率;
c.在训练数据点集中的地方拟合出一个椭圆包络线。
步骤(4)中,优选地,所述的输出在每个待测数据点对应的时间点上绕组是否变形的具体方法为通过判断待测数据点是否落在训练好的椭圆包络线内,若待测数据点位于椭圆包络线内,则该待测数据点对应的时间点绕组正常;若待测数据点位于椭圆包络线外,则该待测数据点对应的时间点绕组变形。
本发明与现有技术相比,主要优点包括:
(1)利用了变压器的大量历史监测数据,能对绕组变形故障进行有效监测。当前的变压器绕组变形检测方法只通过比较当前变压器的状态指标是否超出经验阈值来判断绕组是否发生变形,而没有利用变压器的大量历史监测数据。由于绕组变形具有渐变性,变压器的历史监测数据能提供丰富且有效的信息,能提高故障诊断精度。
(2)属于无监督故障诊断法,只需进行当前监测数据与历史监测数据的比较,适用于无标签的数据集。相比于有监督故障诊断法而言,不需要收集变形变压器和正常变压器案例,减少了数据收集的难度。
(3)只需对待测变压器的监测数据进行远程分析,相比于离线检测法而言不需要现场试验,也不需要停电试验,大幅降低了检修成本,提高诊断效率。
附图说明
图1为实施例1的基于椭圆包络线的变压器绕组变形无监督在线监测方法的流程图。
具体实施方式
下面结合附图及具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。下列实施例中未注明具体条件的实验方法,通常按照常规条件,或按照制造厂商所建议的条件。
实施例1
如图1所示,基于椭圆包络线的变压器绕组变形无监督在线监测方法的流程包括:
S01,收集待测变压器的在线监测指标记录的历史在线监测数据,在线监测指标包括:高、中、低三绕组下的A、B、C三相母线电压,高、中、低三绕组下的母线电流、母线3U0电压、有功功率和无功功率,以及变压器的左上部油温和右上部油温,总计23个在线监测指标。
S02,将待测变压器高、中、低三绕组的A/B相电压差和B/C相电压差作为新指标加入到S01的在线监测指标中,构成新在线监测指标,总计29个。
S03,将新在线监测指标的数据分为前后两段序列,使用前段序列作为绕组正常状态下的训练数据,后段序列作为未知绕组状态的测试数据。
S04,将训练数据输入基于密度的椭圆包络线算法中,求出训练集在空间中的重心和方差,根据高斯概率密度估算每个训练数据在空间中对应的点被分配到重心的概率,在训练数据点集中的地方拟合出一个椭圆包络线;
S05,将待测数据输入训练好的椭圆包络线模型中,若待测数据点位于椭圆包络线内,则在该待测数据点对应的时间点上绕组正常;若待测数据点位于椭圆包络线外,则在该待测数据点对应的时间点上绕组变形。
采用浙江电网一台发生了短路变形的变压器作为测试案例。该变压器型号为SFS9-180000,电压等级为220kV。2011年7月24日、2014年8月28日曾发生两次低压侧短路事故。其中低压侧短路最大短路电流为9107A。2014年12月3日油色谱试验未见异常,2014年10月21日振动测试显示频率复杂度偏大。2015年2月4日绕组频响显示各相频响特性曲线在低频段有一定的相对偏移,高压绕组C相、A相分别在中高频段有较大偏差,中压绕组C相在高频段有较大偏差,且与出厂数据相比重合度较差。因此,判断该台变压器2014年8月28日短路之前为正常运行,短路之后至2016年返厂大修前为变形运行。
所收集的在线监测数据时间跨度为2014年1月1日至2016年5月1日,采样间隔为一小时,一共20426条数据。每一条数据记录包括该变压器220kV、110kV和35kV三绕组下的A、B、C三相母线电压幅值监测数据,高、中、低压三绕组下的母线电流幅值监测数据、母线3U0电压实测值、有功功率和无功功率,以及变压器油的左上部温度值和右上部温度值,一共23个在线监测指标。经过增加各绕组A/B相电压差和B/C相电压差的特征后,一共有29个在线监测指标。
由于变压器运行初期绕组变形发生的概率较低,采用第1至5000条记录作为训练数据,第5000直至20426条的数据作为待测数据,输入到python 3.6编译器中,调用sklearn.covariance包中的EllipticEnvelope函数。测试结果如表1所示,对绕组变形的查准率和查全率分别为99.89%和88.81%,显示本实施例的基于椭圆包络线的变压器绕组变形无监督在线监测方法具有较高的诊断精度。
表1基于椭圆包络线的变压器绕组变形无监督在线监测方法的诊断结果
模型判断为正常 | 模型判断为变形 | |
现实情况为正常 | 99.89% | 0.11% |
现实情况为变形 | 11.19% | 88.81% |
对比例1
为了进一步说明本发明的基于椭圆包络线的变压器绕组变形无监督在线监测方法的优越性,使用其他无监督算法进行对比分析。在无监督故障诊断和监测中,主元分析法是一种常用的方法,但此种方法假设过程变量服从正态分布,而在实施例1中所有观测变量都显著不服从正态分布,因此需要采用较合理的核密度估计法来确定统计量的上下限。针对非正态分布问题,也可以采用独立成分分析方法。此外,常用的异常点检测方法有无监督支持向量机、孤立森林、局部离群点因子和椭圆包络线。
分别将上述六种无监督故障诊断算法应用到实施例1的变压器上,采用前5000条正常样本为训练数据,对5000之后的数据进行测试。采用准确率(Precision)、召回率(Recall)和F1分数作为诊断精度的评价指标。准确率衡量的是对故障的误判情况,准确度越高,误判率越小。召回率衡量的是对故障的漏判情况,召回率越高,漏判率越小。一般情况下,提高准确率的同时会降低召回率,F1分数是将两者综合起来的指标。三种指标的计算方法如下所示:
六种无监督故障诊断方法的实施效果对比如表2所示,只有本发明的基于椭圆包络线的变压器绕组变形无监督在线监测方法的准确率、召回率和F1分数都在88%以上,其他五种方法的召回率和F1分数都在60%以下,证明了本发明的基于椭圆包络线的变压器绕组变形无监督在线监测方法的有效性和准确性。
表2六种无监督故障诊断方法的诊断结果对比
准确率 | 召回率 | F1分数 | |
主元分析法 | 0.9994 | 0.4616 | 0.4616 |
独立成分分析方法 | 0.995 | 0.0135 | 0.0266 |
无监督支持向量机 | 0.9992 | 0.1754 | 0.2984 |
孤立森林 | 0.997 | 0.4268 | 0.5977 |
局部离群点因子 | 0.9546 | 0.1003 | 0.1815 |
椭圆包络线 | 0.9989 | 0.8881 | 0.9402 |
此外应理解,在阅读了本发明的上述描述内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (3)
1.一种基于椭圆包络线的变压器绕组变形无监督在线监测方法,包括:
(1)收集待测变压器的在线监测指标记录的历史在线监测数据;所述的待测变压器的在线监测指标包括:高、中、低三绕组下的A、B、C三相母线电压,高、中、低三绕组下的母线电流、母线3U0电压、有功功率和无功功率,以及变压器油温;将同一类的在线监测指标的差作为新指标与原在线监测指标合并构成新在线监测指标后,进行步骤(2);所述的同一类的在线监测指标为同一电压等级的各相电压,新指标为同一电压等级的各相电压之差;
(2)将在线监测指标的数据分为前后两段序列,前段序列作为绕组正常状态下的训练数据,后段序列作为未知绕组状态的待测数据;
(3)将训练数据作为训练集输入椭圆包络线算法中,进行椭圆包络线模型训练;
(4)将待测数据输入训练好的椭圆包络线模型中,输出在每个待测数据点对应的时间点上绕组是否变形。
2.根据权利要求1所述的基于椭圆包络线的变压器绕组变形无监督在线监测方法,其特征在于,所述的进行椭圆包络线模型训练的具体步骤包括:
a.拟合出训练数据的稳健协方差估计,求出训练集在空间中的重心和方差;
b.根据高斯概率密度估算每个训练数据在空间中对应的点被分配到重心的概率;
c.在训练数据点集中的地方拟合出一个椭圆包络线。
3.根据权利要求1所述的基于椭圆包络线的变压器绕组变形无监督在线监测方法,其特征在于,所述的输出在每个待测数据点对应的时间点上绕组是否变形的具体方法为通过判断待测数据点是否落在训练好的椭圆包络线内,若待测数据点位于椭圆包络线内,则该待测数据点对应的时间点绕组正常;若待测数据点位于椭圆包络线外,则该待测数据点对应的时间点绕组变形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811559407.2A CN109670242B (zh) | 2018-12-20 | 2018-12-20 | 基于椭圆包络线的变压器绕组变形无监督在线监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811559407.2A CN109670242B (zh) | 2018-12-20 | 2018-12-20 | 基于椭圆包络线的变压器绕组变形无监督在线监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109670242A CN109670242A (zh) | 2019-04-23 |
CN109670242B true CN109670242B (zh) | 2022-11-29 |
Family
ID=66144575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811559407.2A Active CN109670242B (zh) | 2018-12-20 | 2018-12-20 | 基于椭圆包络线的变压器绕组变形无监督在线监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109670242B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108414883A (zh) * | 2018-04-25 | 2018-08-17 | 佛山科学技术学院 | 一种基于模型融合的变压器故障类型检测方法 |
CN110398649B (zh) * | 2019-07-16 | 2021-03-30 | 三峡大学 | 基于电压差/电流轨迹图在线检测变压器绕组变形的方法 |
CN110456299B (zh) * | 2019-08-21 | 2021-03-23 | 三峡大学 | 一种电流互感器二次绕组匝间短路故障在线检测方法 |
CN111142048B (zh) * | 2019-12-31 | 2021-05-14 | 三峡大学 | 基于空间三维曲线分析的变压器绕组短路故障在线检测方法 |
CN111239646B (zh) * | 2020-01-17 | 2021-10-01 | 南方电网科学研究院有限责任公司 | 有载分接开关级间短路故障预警方法、装置及存储介质 |
CN112483450B (zh) * | 2020-11-12 | 2022-06-03 | 福建凯威消防通风设备有限公司 | 一种具有预警功能的应急风机的预警方法 |
CN112465000A (zh) * | 2020-11-19 | 2021-03-09 | 国家高速列车青岛技术创新中心 | 基于卷积变分编码器和异常检测算法的钢轨隐伤定位方法 |
CN115453419A (zh) * | 2022-07-28 | 2022-12-09 | 国网福建省电力有限公司电力科学研究院 | 一种基于变压器绕组检测的变压器抗短路能力评价方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105259435A (zh) * | 2015-09-23 | 2016-01-20 | 国网山东莒县供电公司 | 一种变压器监测装置和故障诊断方法 |
CN108196143A (zh) * | 2017-12-11 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 电力变压器故障深度诊断方法及终端设备 |
-
2018
- 2018-12-20 CN CN201811559407.2A patent/CN109670242B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105259435A (zh) * | 2015-09-23 | 2016-01-20 | 国网山东莒县供电公司 | 一种变压器监测装置和故障诊断方法 |
CN108196143A (zh) * | 2017-12-11 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 电力变压器故障深度诊断方法及终端设备 |
Non-Patent Citations (1)
Title |
---|
基于支持向量机和有限元分析的变压器绕组变形分类方法;邓祥力 等;《中国电机工程学报》;20151120;第35卷(第22期);第5778-5786页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109670242A (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109670242B (zh) | 基于椭圆包络线的变压器绕组变形无监督在线监测方法 | |
CN109444656B (zh) | 一种变压器绕组变形位置的在线诊断方法 | |
CN102621421B (zh) | 一种基于关联分析与变权重系数的变压器状态评估方法 | |
CN104617574B (zh) | 一种电力***负荷区域暂态电压稳定的评估方法 | |
CN102590683B (zh) | 一种电力设备载流故障在线诊断预警方法 | |
CN109359271A (zh) | 一种基于逻辑回归的变压器绕组变形程度在线检测方法 | |
CN109116193A (zh) | 基于局放信号综合熵值的电气设备危险性放电判别方法 | |
CN103576050A (zh) | 一种电容式电压互感器的运行状态评估方法 | |
Li et al. | Condition assessment of power transformers using a synthetic analysis method based on association rule and variable weight coefficients | |
CN109657720B (zh) | 一种电力变压器匝间短路故障的在线诊断方法 | |
CN111507579B (zh) | 一种基于聚类法的全类别电压互感器运行性能评估方法 | |
CN106443229A (zh) | 一种变压器绕组变形的诊断方法 | |
CN112345865A (zh) | 一种电力电容器运行状态在线评估预警装置及方法 | |
CN114814501B (zh) | 一种电容式电压互感器电容击穿故障在线诊断方法 | |
CN116184265A (zh) | 一种基于多分类svm的避雷器泄漏电流检测方法和*** | |
CN115877205A (zh) | 一种伺服电机的故障智能诊断***及其诊断方法 | |
CN112782614A (zh) | 一种基于多信息融合的变流器的故障预警方法及装置 | |
Kakolaki et al. | Comprehensive study on transformer fault detection via frequency response analysis | |
CN108875796A (zh) | 基于线性判别分析和支持向量机的光伏阵列故障诊断方法 | |
CN109784777B (zh) | 基于时序信息片段云相似度度量的电网设备状态评估方法 | |
CN205786952U (zh) | 一种变压器绕组变形综合诊断*** | |
CN115728628A (zh) | 一种断路器控制回路故障在线监测预警方法及装置 | |
CN115330046A (zh) | 一种轨交列车车载高压设备健康状态评估及寿命预测方法 | |
CN114019298A (zh) | 一种基于pcc-svm的发电机转子匝间短路在线监测方法 | |
Jiang et al. | Research on GIS isolating switch mechanical fault diagnosis based on cross-validation parameter optimization support vector machine |
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 |