CN111239515A - 电力设备载流故障预测方法及*** - Google Patents
电力设备载流故障预测方法及*** Download PDFInfo
- Publication number
- CN111239515A CN111239515A CN202010059618.0A CN202010059618A CN111239515A CN 111239515 A CN111239515 A CN 111239515A CN 202010059618 A CN202010059618 A CN 202010059618A CN 111239515 A CN111239515 A CN 111239515A
- Authority
- CN
- China
- Prior art keywords
- contact
- power equipment
- characteristic temperature
- temperature
- current
- 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
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/002—Thermal testing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明提供一种电力设备载流故障预测方法及***,电力设备载流故障预测方法包括:获取电力设备触点内多个测温点的温度;对获取的多个温度进行处理,获得电力设备触点的特征温度;将获取的特征温度输入已构建完成的基于传热学原理所建立的预测模型内,获得该特征温度随时间的变化率;根据特征温度随时间的变化判断电力设备触点的故障等级。
Description
技术领域
本发明涉及电力设备故障预警与预测领域,且特别涉及一种电力设备载流故障预测方法及***。
背景技术
电力设备故障预警与预测领域,目前的技术主要集中在通过电力***继电保护和纯数学算法进行分析处理来进行预测,而并不直接通过温度进行分析处理。电力***继电保护是基于负载电流来进行故障诊断,其只适合用于发现并及时处理各种突发的较为严重的载流故障,而对于故障出现的前期则无法进行预测;且负载电流的检测对安装空间和成本要求较高,在空间狭小的电力设备内很难实现。而纯数学算法在实际应用过程中很容易出现理论计算与实际情况严重不符的情况,预测准确度并不够高。
电力设备载流故障具有故障形态多样性的特点,表现为监测点温度的快速升高、周期性变化、缓慢震荡变化等故障前兆,最终导致温度超限或触点烧熔,局部的温升和固定的时间间隔都不足以成为故障诊断的唯一依据。
发明内容
本发明为了克服现有技术的不足,提供一种基于温度信息的且能提供早期故障预警的电力设备载流故障预测方法及***。
为了实现上述目的,本发明提供一种电力设备载流故障预测方法,其包括:
获取电力设备触点内多个测温点的温度;
对获取的多个温度进行处理,获得电力设备触点的特征温度;
将获取的特征温度输入已构建完成的预测模型内,获得该特征温度随时间的变化率;根据特征温度随时间的变化判断电力设备触点的故障等级。
根据本发明的一实施例,电力设备触点为集总热容***,预测模型根据以下公式对获取的特征温度进行预测:
其中,I为流经电力设备触点的电流;r为电力设备触点的电阻;V为电力设备触点的体积;a为整个电力设备触点边界面上的平均导热系数;tf为环境温度;t0为触点发生故障的初始时刻温度;τ为时间;ρ为密度;c为比热容;t为特征温度。
根据本发明的一实施例,当特征温度随时间的变化满足预测模型时结合特征温度的数值以及变化率确定故障等级。
根据本发明的一实施例,当检测的特征温度不满足预测模型且相邻两次的特征温度变化率小于预设值时则判断触点处于正常状态。
根据本发明的一实施例,采用基于主成分分析法对从电力设备触点内获取的p个温度进行处理,从p个温度中选取m个作为主成分,m个主成分的累积贡献率大于85%。
根据本发明的一实施例,电力设备载流故障预测方法还包括:基于每次获取的特征温度利用粒子滤波对预测模型内的参数进行修正。
相对应的,本发明还提供一种电力设备电流故障预测***,其包括温度获取模块、处理模块以及预测模块。温度获取模块获取电力设备触点内多个测温点的温度。处理模块对获取的多个温度进行处理,获得电力设备触点的特征温度。预测模块将获取的特征温度输入已构建完成的预测模型内,获得该特征温度随时间的变化率;根据特征温度随时间的变化判断电力设备触点的故障等级。
根据本发明的一实施例,电力设备触点为集总热容***,预测模块根据以下公式对获取的特征温度进行预测:
其中,I为流经电力设备触点的电流;r为电力设备触点的电阻;V为电力设备触点的体积;a为整个电力设备触点边界面上的平均导热系数;tf为环境温度;t0为触点发生故障的初始时刻温度;τ为时间;ρ为密度;c为比热容;t为特征温度。
根据本发明的一实施例,当特征温度随时间的变化满足预测模型时,预测模块结合特征温度的数值以及变化率确定故障等级。
根据本发明的一实施例,电力设备电流故障预测***还包括参数优化模块,参数优化模块基于每次获取的特征温度利用粒子滤波对预测模型内的参数进行修正。
综上所述,本发明提供的电力设备载流故障预测方法及***,通过获取电力设备触点内的多个温度且处理后形成特征温度。采用基于传热学原理所建立的预测模型对特征温度进行预测。载流故障的发生和发展是由于电力设备触点的接触电阻增大并且有大电流流过,其本质是电流的热效应和热量的传导效应。基于传热学原理所建立的预测模型从触点发热的根本原因出发,分析温度发展的规律,从而实现早期、中期以及后期故障等级的预测。
为让本发明的上述和其它目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合附图,作详细说明如下。
附图说明
图1所示为本发明一实施例提供的电力设备载流故障预测方法的流程图。
图2所示为本发明一实施例提供的电力设备载流故障预测***的原理框图。
具体实施方式
现有的电力设备载流故障预测多基于负载电流的电力***继电保护法,然而当负载电流出现异常时电力设备通常已进入较为严重的载流故障了,这种方法无法实现载流故障的早期预测。进一步的,负载电流是电力设备载流故障的一个因素,在实际中电力设备的载流故障还与其自身的状况(如触点面积、触点导热率等)、环境温度以及三相电平衡等因素有关。因此,仅仅单独检测负载电流来衡量电力设备的载流故障并不全面。
有鉴于此,本实施例提供一种从触点发热的根源进行分析的电力设备载流故障预测方法。如图1所示,本实施例提供的电力设备载流故障预测方法包括:获取电力设备触点内多个测温点的温度(步骤S1)。对获取的多个温度进行处理,获得电力设备触点的特征温度(步骤S2)。将获取的特征温度输入已构建完成的基于传热学原理所建立的预测模型内,获得该特征温度随时间的变化率;根据所述特征温度随时间的变化判断电力设备触点所处的故障等级(步骤S3)。
本实施例提供的电力设备载流故障预测方法始于步骤S1。于本实施例中,可通过体积很小且无源无线的RFID测温标签来对触点内的多个测温点进行温度检测,从而获得触点内多个测温点的温度数据。然而,本发明对测温的方式不作任何限定。
在获得触点内的多个测温点的温度数据后,执行步骤S2,对模拟的温度信号进行高频率地采样以将其转换为数字信号。多个测温点的温度信号的高频率采样产生数据如果全部直接处理,则响应速度较慢。为了兼顾响应速度和准确性,于本实施例中,采用基于主成分分析法从采样得到的p个温度数据中选取m个作为主成分,而m个主成分的累积贡献率需大于85%。基于主成分分析法的数据处理减少变量的个数,能有效解决数据量过大的问题;而累积贡献率的设置则确保了处理后数据的准确性。然而,本发明对数据处理的方法不作任何限定。于其它实施例中,也可采用其它的方式来减小测温数据量以提高响应速度。
在获得特征温度后执行步骤S3,将获取的特征温度输入已构建完成的基于传热学原理所建立的预测模型内,获得该特征温度随时间的变化率;根据所述特征温度随时间的变化判断电力设备触点所处的故障等级。于本实施例中,将电力设备触点视为集总热容***,预测模型根据以下公式对获取的特征温度进行预测:
其中,I为流经电力设备触点的电流;r为电力设备触点的电阻;V为电力设备触点的体积;a为整个电力设备触点边界面上的平均导热系数;tf为环境温度;t0为触点发生故障的初始时刻温度;τ为时间;ρ为密度;c为比热容;t为特征温度;A为触点表面积。
该预测模型时基于传热学原理所建立的,以下将详细介绍该模型的建立。将电力设备触点认为是集总热容***,其导热方程为:
其中,ρ为密度;c为比热容;V为触点体积;t为触点特征温度;τ为时间;q为触点边界上的热流密度;n为触点边界面上的单位外法向量;A为触点表面积;qV代表触点内热源的发热率。
一般情况下:
q≈a(tf-t) (公式三)
对于电力设备触点,其内热就是由电流热效应产生的热量,即:
qV≈I2r (公式四)
结合式(公式二)、式(公式三)和式(公式四)可知:
Aa(tf-t)+I2rV=0 (公式六)
a代表整个边界面上的平均导热系数,是包括对流、辐射、传导在内的总导热系数;tf为环境温度;I为流经电力设备触点的电流;r为电力设备触点的电阻。
从公式六中可以看出,当触点处于正常状态时,流经触点的负载电流产生的热量与周围环境的对流换热保持平衡。而当有设备触点出现载流故障时,触点电阻突然增加,负载电流产生的热量也随之突然增加,打破了这个平衡,导致触点特征温度改变。
当载流故障发生时,由于电流热效应,触点的特征温度上升。为使求解模型简化,假设平均导热系数a和环境温度tf均为常数,因为实际情况下,平均导热系数和环境温度的变化是相反的,这样可以抵消因为假设带来的误差。
综合以上分析,公式五中,除了时间τ和触点特征温度t,其它参数均为常数,于是有:
经求解得:
分析公式一可以得到的当电力设备触点载流出现故障时,触点特征温度t与时间τ呈指数关系。因此,结合公式六可以得到当触点特征温度开始增加且其变化率满足公式一时则判断电力设备触点进入载流故障的初期,实现初期故障的预测和预警。
公式一所提供的预测模型反应的是特征温度的变化趋势。当电力设备触点进入故障期后为实现其故障程度的预测,于本实施例中,预测模型还将计算满足预测模型的相邻两次的特征温度的变化率,根据其变化率来确定故障的程度。具体而言,对于公式一提供的预测模型中除了时间τ和触点特征温度t,其它参数均为常数。因此在预测模型中相邻两个采样点之间的差值为确定值,该差值随着时间τ而逐渐变大,差值越大表征故障将越严重。因此,可通过计算满足预测模型的相邻两次的特征温度的变化率来实现故障等级的细分,两者的结合准确反应电力设备触点当前的故障情况。
进一步的,故障发展到后期,触点温度会无限接近于触点可能到达的最高温度正比于流经电力设备触点的电流I、电力设备触点的电阻r、电力设备触点的体积V和环境温度tf,反比于平均导热系数a和触点表面积A。即接近于一常数,实现故障后期的准确判断。
本实施提供的预测模型从触点发热的根本原因出发,解析温度发展的规律来实现载流故障的预测。其综合考虑电力设备的载流故障的因素并基于传热学原理的从载流故障的根源出发来对载流故障进行预测,该方法不再将各个故障因素孤立进行检测,而从***的角度对故障进行预测,因此其预测将更加的全面且准确。进一步的,基于解析模型的故障预测方法将模型中的参数、初始条件和其它输入信息以及时间和输出之间的关系用公式来表示,使得***更加直观,结论形式简明。
在实际中,当电力设备触点处于正常工作状态时,其特征温度基本稳定。然而,受限于负载电流的影响,正常状态下的触点的特征温度会随着负载电流的波动有短暂的波动,随后恢复稳定。为避免预测模型的错误检测,于本实施例中,当检测的特征温度不满足预测模型且相邻两次的特征温度变化率小于预设值时则判断触点处于正常状态。
此外,公式一的预测模型给出了电力设备载流故障时触点特征温度的变化趋势。在实际使用中电力设备周围的复杂环境会对其自身的一些参数造成影响,从而可能会干扰预测模型以影响预测结果。因此为进一步提高预测的准确性,本实施例还设置当检测的特征温度不满足预测模型,但相邻两次的特征温度变化率大于或等于预设值时,***则判断出现故障。
如图1所示,本实施例提供的电力设备载流故障预测方法还包括基于每次获取的特征温度利用粒子滤波对预测模型内的参数进行修正(步骤S4)。利用粒子滤波对温度模型参数进行滚动式修正,每修正一次参数,预测模型就更优化。然后用优化后的预测模型对触点的特征温度进行预测,从而实现了载流故障未来趋势的预测。
相对应的,如图2所示本实施例还提供一种电力设备电流故障预测***,该***包括温度获取模块10、处理模块20、预测模块30以及参数优化模块40。温度获取模块10获取电力设备触点内多个测温点的温度。处理模块20对获取的多个温度进行处理,获得电力设备触点的特征温度。预测模块30将获取的特征温度输入已构建完成的预测模型内,获得该特征温度随时间的变化率;根据特征温度随时间的变化判断电力设备触点的故障等级。参数优化模块40基于每次获取的特征温度利用粒子滤波对预测模型内的参数进行修正。
于本实施例中,温度获取模块10为无源无线的RFID测温装置。而处理模块20则根据本实施例提供过的电力设备电流故障预测方法中步骤S20的处理方法对获取的多个测温点的温度进行处理。同样的,预测模型30则根据公式一提供的模型进行故障预测,具体的原理和步骤,在此不再赘述。
综上所述,本发明提供的电力设备载流故障预测方法及***,通过获取电力设备触点内的多个温度且处理后形成特征温度。采用基于传热学原理所建立的预测模型对特征温度进行预测。载流故障的发生和发展是由于电力设备触点的接触电阻增大并且有大电流流过,其本质是电流的热效应和热量的传导效应。基于传热学原理所建立的预测模型从触点发热的根本原因出发,分析温度发展的规律,从而实现早期、中期以及后期故障等级的预测。
虽然本发明已由较佳实施例揭露如上,然而并非用以限定本发明,任何熟知此技艺者,在不脱离本发明的精神和范围内,可作些许的更动与润饰,因此本发明的保护范围当视权利要求书所要求保护的范围为准。
Claims (10)
1.一种电力设备载流故障预测方法,其特征在于,包括:
获取电力设备触点内多个测温点的温度;
对获取的多个温度进行处理,获得电力设备触点的特征温度;
将获取的特征温度输入已构建完成的基于传热学原理所建立的预测模型内,获得该特征温度随时间的变化率;根据所述特征温度随时间的变化判断电力设备触点所处的故障等级。
3.根据权利要求1或2所述的电力设备载流故障预测方法,其特征在于,当特征温度随时间的变化满足预测模型时结合特征温度的数值以及变化率确定故障等级。
4.根据权利要求1或2所述的电力设备载流故障预测方法,其特征在于,当检测的特征温度不满足预测模型且相邻两次的特征温度变化率小于预设值时则判断所述触点处于正常状态。
5.根据权利要求1所述的电力设备载流故障预测方法,其特征在于,采用基于主成分分析法对从电力设备触点内获取的p个温度进行处理,从p个温度中选取m个作为主成分,m个主成分的累积贡献率大于85%。
6.根据权利要求1所述的电力设备载流故障预测方法,其特征在于,所述电力设备载流故障预测方法还包括:基于每次获取的特征温度利用粒子滤波对预测模型内的参数进行修正。
7.一种电力设备电流故障预测***,其特征在于,包括:
温度获取模块,获取电力设备触点内多个测温点的温度;
处理模块,对获取的多个温度进行处理,获得电力设备触点的特征温度;
预测模块,将获取的特征温度输入已构建完成基于传热学原理所建立的预测模型内,获得该特征温度随时间的变化率;根据所述特征温度随时间的变化判断电力设备触点所处的故障等级。
9.根据权利要求7所述的电力设备电流故障预测***,其特征在于,当特征温度随时间的变化满足预测模型时,所述预测模块结合特征温度的数值以及变化率确定故障等级。
10.根据权利要求7所述的电力设备电流故障预测***,其特征在于,所述电力设备电流故障预测***还包括参数优化模块,所述参数优化模块基于每次获取的特征温度利用粒子滤波对预测模型内的参数进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010059618.0A CN111239515A (zh) | 2020-01-19 | 2020-01-19 | 电力设备载流故障预测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010059618.0A CN111239515A (zh) | 2020-01-19 | 2020-01-19 | 电力设备载流故障预测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111239515A true CN111239515A (zh) | 2020-06-05 |
Family
ID=70871325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010059618.0A Pending CN111239515A (zh) | 2020-01-19 | 2020-01-19 | 电力设备载流故障预测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111239515A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112067050A (zh) * | 2020-09-02 | 2020-12-11 | 深圳小马洛可科技有限公司 | 一种led显示屏故障预测方法及*** |
CN112729607A (zh) * | 2020-11-27 | 2021-04-30 | 中国南方电网有限责任公司超高压输电公司广州局 | 变电站一次设备载流元件发热温度预测监控方法和*** |
CN113927190A (zh) * | 2021-11-26 | 2022-01-14 | 深圳软动智能控制有限公司 | 激光轴运动控制方法、装置、激光设备和存储介质 |
CN116540003A (zh) * | 2023-07-05 | 2023-08-04 | 成都汉度科技有限公司 | 一种电缆接头防灾监测方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508074A (zh) * | 2011-11-03 | 2012-06-20 | 四川电力科学研究院 | 金属封闭气体绝缘开关设备内部过热故障监测方法 |
CN102590683A (zh) * | 2012-02-27 | 2012-07-18 | 浙江大学 | 一种电力设备载流故障在线诊断预警方法 |
CN102663412A (zh) * | 2012-02-27 | 2012-09-12 | 浙江大学 | 基于最小二乘支持向量机的电力设备载流故障趋势预测方法 |
CN105445607A (zh) * | 2015-11-20 | 2016-03-30 | 国网福建省电力有限公司泉州供电公司 | 一种基于等温线绘制的电力设备故障检测方法 |
CN110598736A (zh) * | 2019-08-06 | 2019-12-20 | 西安理工大学 | 一种电力设备红外图像故障定位、识别与预测方法 |
-
2020
- 2020-01-19 CN CN202010059618.0A patent/CN111239515A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102508074A (zh) * | 2011-11-03 | 2012-06-20 | 四川电力科学研究院 | 金属封闭气体绝缘开关设备内部过热故障监测方法 |
CN102590683A (zh) * | 2012-02-27 | 2012-07-18 | 浙江大学 | 一种电力设备载流故障在线诊断预警方法 |
CN102663412A (zh) * | 2012-02-27 | 2012-09-12 | 浙江大学 | 基于最小二乘支持向量机的电力设备载流故障趋势预测方法 |
CN105445607A (zh) * | 2015-11-20 | 2016-03-30 | 国网福建省电力有限公司泉州供电公司 | 一种基于等温线绘制的电力设备故障检测方法 |
CN110598736A (zh) * | 2019-08-06 | 2019-12-20 | 西安理工大学 | 一种电力设备红外图像故障定位、识别与预测方法 |
Non-Patent Citations (1)
Title |
---|
张慧源: "电力设备载流故障预警与预测的若干关键技术研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112067050A (zh) * | 2020-09-02 | 2020-12-11 | 深圳小马洛可科技有限公司 | 一种led显示屏故障预测方法及*** |
CN112729607A (zh) * | 2020-11-27 | 2021-04-30 | 中国南方电网有限责任公司超高压输电公司广州局 | 变电站一次设备载流元件发热温度预测监控方法和*** |
CN113927190A (zh) * | 2021-11-26 | 2022-01-14 | 深圳软动智能控制有限公司 | 激光轴运动控制方法、装置、激光设备和存储介质 |
CN116540003A (zh) * | 2023-07-05 | 2023-08-04 | 成都汉度科技有限公司 | 一种电缆接头防灾监测方法及*** |
CN116540003B (zh) * | 2023-07-05 | 2023-08-29 | 成都汉度科技有限公司 | 一种电缆接头防灾监测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111239515A (zh) | 电力设备载流故障预测方法及*** | |
JP7266587B2 (ja) | 再充電可能なバッテリを制御するための方法およびシステム | |
JP7432079B2 (ja) | 変圧器の寿命の確率的決定 | |
RU2576588C2 (ru) | Обнаружение ухудшения характеристик датчика, реализованное в передатчике | |
RU2649542C1 (ru) | Способ и система удаленного мониторинга объектов | |
KR101663426B1 (ko) | 대형 운용 시스템의 상태 기반 예방정비 장치 및 방법 | |
EP3839681A1 (en) | Temperature threshold determining device, temperature abnormality determining system, temperature threshold determining method, and program | |
US11620539B2 (en) | Method and device for monitoring a process of generating metric data for predicting anomalies | |
CN114729969A (zh) | 电池状态推定装置 | |
CN116663747B (zh) | 一种基于数据中心基础设施的智能预警方法及*** | |
CN117134007B (zh) | 一种锂离子电池温度控制方法及*** | |
CN111460639B (zh) | 动态推算电缆导体温度的方法、装置、电子设备及存储介质 | |
CN109933883B (zh) | 一种基于多元线性回归的阻性电流增长率计算方法 | |
US6983223B2 (en) | Detecting thermocouple failure using loop resistance | |
CN110865250A (zh) | 融合电流监测的配电设备状态监测装置及发热检测方法 | |
Zhang et al. | Real-time residual life prediction based on kernel density estimation considering abrupt change point detection | |
Zhang et al. | Real-time remaining useful life prediction based on adaptive kernel window width density | |
CN115222278A (zh) | 一种机器人智慧巡检的方法和*** | |
CN116057397A (zh) | 利用诊断参数预测误差中的变化确定电气设备的状态 | |
KR20220098202A (ko) | 진단 장치, 진단 방법 및 프로그램 | |
Okazaki et al. | Prediction of the number of defects in image sensors by VM using equipment QC data | |
Wang et al. | Voltage measurement-based recursive adaptive method for internal short circuit fault diagnosis in lithium-ion battery packs | |
US20240220849A1 (en) | Thermal predictive modeling of physical assets | |
CN118330129A (zh) | 一种基于b1级防火线缆的检测***及方法 | |
CN117972966A (zh) | 一种设备寿命预测方法、装置、设备及可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200605 |
|
RJ01 | Rejection of invention patent application after publication |