CN111880034A - 基于三相电流曲线骤降的变压器故障检测方法、***、设备及存储介质 - Google Patents
基于三相电流曲线骤降的变压器故障检测方法、***、设备及存储介质 Download PDFInfo
- Publication number
- CN111880034A CN111880034A CN202010760933.6A CN202010760933A CN111880034A CN 111880034 A CN111880034 A CN 111880034A CN 202010760933 A CN202010760933 A CN 202010760933A CN 111880034 A CN111880034 A CN 111880034A
- Authority
- CN
- China
- Prior art keywords
- transformer
- phase current
- work order
- fault
- tested
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004379 similarity theory Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于三相电流曲线骤降的变压器故障检测方法、***、设备及存储介质,包括:1)载入变压器工单中的三相电流数据;2)对变压器工单中的三相电流数据进行标准化;3)利用标准化后的变压器工单中的三相电流数据对快速训练向量机进行分类训练;4)将待测变压器的工单三相电流数据输入到分类训练后的快速训练向量机中,并根据分类训练后的快速训练向量机判断待测变压器的工单是否记录正确,当待测变压器的工单记录正确时,利用prony算法计算待测变压器的精确故障时刻,否则,则变压器正常运行,待测变压器的工单记录错误;该方法、***、设备及存储介质能够判断故障工单记录是否正确,同时能够判断精确的变压器故障时间。
Description
技术领域
本发明属于变压器故障检测技术领域,涉及一种基于三相电流曲线骤降的变压器故障检测方法、***、设备及存储介质。
背景技术
变压器台区是指一台变压器供电的区域范围,它是进行线损管理的最小单元。按照台区对电力用户进行管理是目前通用的一种管理模式。由于变压器台区硬件设备繁多、供电区域相对分散、计算机在台区管理中应用水平较低、台区管理的智能化、自动化水平较低等特点,导致变压器台区的管理与检修工作停留在低层次的水平上。当前,供电优质服务要求日趋升高,故障抢修服务面临的压力尤为突出。现有配电网故障抢修业务存在协调环节繁多,工单出错问题较为频繁,故障处理效率不高,难以满足日益高涨的客户服务诉求。
对于某些基于两端电气量的纵联保护原理和故障测距原理而言,其要求两端的采样数据或相量数据必须同步,所采用的同步方法主要依赖于专用通信通道或卫星同步时钟,技术成本较高,可靠性易受外部因素的影响。若以故障时刻作为参考基准,则可获得较好的数据同步效果,且不依赖卫星同步时钟及信道处理,可大幅节约数据同步处理的技术成本;但同时也对故障时刻的检测精度也提出了更高的要求。
在现有的研究中,关于如何判断故障工单记录是否正确,同时判断精确故障时间的问题,鲜有研究。
发明内容
本发明的目的在于克服上述现有技术的缺点,提供了一种基于三相电流曲线骤降的变压器故障检测方法、***、设备及存储介质,该方法、***、设备及存储介质能够判断故障工单记录是否正确,同时能够判断精确的变压器故障时间。
为达到上述目的,本发明所述的基于三相电流曲线骤降的变压器故障检测方法包括以下步骤:
1)载入变压器工单中的三相电流数据;
2)对变压器工单中的三相电流数据进行标准化;
3)利用标准化后的变压器工单中的三相电流数据对快速训练向量机进行分类训练;
4)将待测变压器的工单三相电流数据输入到分类训练后的快速训练向量机中,并根据分类训练后的快速训练向量机判断待测变压器的工单是否记录正确,当待测变压器的工单记录正确时,则转至步骤5),否则,则变压器正常运行,待测变压器的工单记录错误;
5)利用prony算法计算待测变压器的精确故障时刻,完成基于三相电流曲线骤降的变压器故障检测。
步骤2)的具体操作为:对变压器工单中的三相电流数据进行归一化处理。
快速训练向量机的核函数为RBF核函数,快速训练向量机的核函数的取值为0.5。
步骤4)中,当快速训练向量机的输出值大于0.5时,则为电流骤降故障,工单记录正确,该变压器故障,则转至步骤5),否则,则该变压器正常运行,工单记录错误。
步骤5)的具体操作为:
51)将待测变压器工单中记录的时刻作为粗糙故障时刻;
52)以待测变压器工单中记录的时刻为起始,获取一个工频周期内相电流突变量的实测值;
53)对一个工频周期内相电流突变量的实测值进行拟合,得相电流突变量的拟合函数;
54)将相电流突变量的拟合函数的过零点作为该待测变压器的精确故障时刻。
步骤53)中利用最小二乘法对一个工频周期内相电流突变量的实测值进行拟合,得相电流突变量的拟合函数。
设待测变压器工单中记录的时刻为t1,则相电流突变量的表达式为:
设故障时刻为t0,当t0≤t≤t1时,则有:
求解上式,得相电流突变量的拟合函数的过零点。
8、一种基于三相电流曲线骤降的变压器故障检测***包括:
获取模块,用于载入变压器工单中的三相电流数据;
标准化模块,与获取模块相连接,用于对变压器工单中的三相电流数据进行标准化;
训练模块,与标准化模块相连接,用于利用标准化后的变压器工单中的三相电流数据对快速训练向量机进行分类训练;
分类模块,与训练模块相连接,用于将待测变压器的工单三相电流数据输入到分类训练后的快速训练向量机中,并根据分类训练后的快速训练向量机判断待测变压器的工单是否记录正确,当待测变压器的工单记录正确时,则产生触发信号,否则,则变压器正常运行,待测变压器的工单记录错误;
故障时刻计算模块,与分类模块相连接,用于接收所述触发信号后,利用prony算法计算待测变压器的精确故障时刻,完成基于三相电流曲线骤降的变压器故障检测。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现所述基于三相电流曲线骤降的变压器故障检测方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述基于三相电流曲线骤降的变压器故障检测方法的步骤。
本发明具有以下有益效果:
本发明所述的基于三相电流曲线骤降的变压器故障检测方法、***、设备及存储介质在具体操作时,通过对快速训练向量机进行训练,对海量工单进行压缩、归纳、提取及总结,然后利用训练后的快速训练向量机对待测变压器的工单进行分类,以识别出待测变压器工单记录的是否正确,当同时当待测变压器的工单记录正确,即变压器故障时,则利用prony算法计算待测变压器的精确故障时刻,以辅助运行人员更加全面、细致的掌握当前电网发生的故障,最大程度的减少保护启动延时的影响,降低运维人员的工作强度,缩短调度故障处理时间,提高调度故障处理效率。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,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为本发明的流程图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本申请所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
参考图1,本发明所述的基于三相电流曲线骤降的变压器故障检测方法包括以下步骤:
1)载入变压器工单中的三相电流数据;
2)对变压器工单中的三相电流数据进行标准化;
步骤2)的具体操作为:对变压器工单中的三相电流数据进行归一化处理,即
xnew=(x-xmin)/(xmax-xmin)
其中,xnew,xmax,xmin为电流归一化值、电流最大值及电流最小值。
3)利用标准化后的变压器工单中的三相电流数据对快速训练向量机进行分类训练,其中,快速训练向量机的核函数为RBF核函数,快速训练向量机的核函数的取值为0.5,超参数设置为1/(N+1)2,N为训练样本的个数,噪声方差的初始值设置为0,最大迭代值设置为1000次。
在快速训练向量机的算法中,设定的训练样本为采集到的变压器三相电流数据,输出模型为:
其中,wi为基函数φi=[K(x1,xi),K(x2,xi),…K(xn,xi)]T对应的权重,权向量w=[w0,w1…wn],N为样本数量,K(xn,xi)为核函数,εn为噪声服,εn从N(0,δ2)分布。
由此得:
其中,Φ为由基函数φi组成的设计矩阵;
设定w服从高斯分布N(0,α-1),α为超参数,对w及σ2使用最大似然法求解,得:
L(α)=ln[p(t|α,σ2)]=-[Nlog2π+log|C|+tTC-1t]/2
其中,C=σ2I+ΦA-1ΦT。
4)将待测变压器的工单三相电流数据输入到分类训练后的快速训练向量机中,并根据分类训练后的快速训练向量机判断待测变压器的工单是否记录正确,当待测变压器的工单记录正确时,则转至步骤5),否则,则变压器正常运行,待测变压器的工单记录错误;
其中,当快速训练向量机的输出值大于核函数的取值时,则为电流骤降故障,工单记录正确,该变压器故障,则转至步骤5),否则,则该变压器正常运行,工单记录错误。
5)利用prony算法计算待测变压器的精确故障时刻,完成基于三相电流曲线骤降的变压器故障检测。
步骤5)的具体操作为:
51)将待测变压器工单中记录的时刻作为粗糙故障时刻;
52)以待测变压器工单中记录的时刻为起始,获取一个工频周期内相电流突变量的实测值;
53)利用最小二乘法对一个工频周期内相电流突变量的实测值进行拟合,得相电流突变量的拟合函数;
具体过程为:当实际***近似为无限大容量电源供电的***时,设t=0时刻发生负载骤降,故障后相电流突变量的表达式为:
Δiφ=iφt-iφ0=Iφ1sin(ω1t+θ1)+Ide-t/T
其中,iφ0,iφk分别为故障前后相电流的采样,iφ0,iφk为工频故障分量幅值,Iφ1为工频角频率,Iφ1为工频故障分量初始相角,Id,T分别为直流分量的初始幅值及衰减时间常数。
故障电流中的暂态分量为相电流突变量的重要组成部分,高频或低频分量描述为:
i′(t)=I′e-βtcos(ω′t+θ′)
其中,I′,θ′,ω′分别为低频或高频分量的初始值、初始相角及振荡角频率,β′为衰减参数,β′与衰减时间的常数互为倒数。
综上所述,相电流突变量由工频故障分量及衰减暂态分量组成,且暂态分量形如Fe-αtcos(ωt+θ)取故障时刻为0,则相电流突变量的解析表达式为:
其中,Ii,ωi,θi,Ti分别为各暂态分量的初始幅值、角频率、初始相角和衰减时间常数。
通过解析法、数值法或Prony算法对相电流突变量的解析表达式中的各参数进行计算,其中,解析法、数值法需要已知确定的***结构和网络参数,且计算过程复杂,Prony算法可将等间隔采样的时域信号表示为一组指数函数的线性组合,提取信号的幅值、相角、频率和衰减时间常数,无需***结构及网络参数信息,本发明引入Prony算法计算相电流突变量的参数,假定实测值为x(n),则其拟合值表示为:
其中,m为模拟阶数,bi=Aiexp(jθi),zi=exp[αi+j2πfi)Δt],Ai,fi,θi,αi分别为相电流突变量中各分量的初始值、频率、初始相角及衰减因子,N0为原始信号采样数。
根据最小二乘估计求解式中的各参数,使拟合值与实测值的误差平方和最小,得相电流突变量的拟合函数。
54)将相电流突变量的拟合函数的过零点作为该待测变压器的精确故障时刻。
具体过程为:
Prony算法的有效性和稳定性受模态阶数的影响较大,其中,阶数过低,则可能导致原始信号的有效模态分量丢失;阶数过高,则将会增加高次方程的求解难度,且因信息冗余而引入误差。
已知在Prony算法的计算过程中,法方程系数矩阵的秩与原始信号中有效模态分量的数量有关,可将其用于模态阶数的计算和选取,具体过程为:
a)取模态阶数初值为:m0=N0/2;
b)由离散采样值构造法方程系数矩阵为:
c)对法方程系数矩阵R求秩m=rank(R)。
根据故障时刻电感电流不能突变的特点,本发明提出故障时刻检测思路,具体为:在检测到故障时,以启动时刻为起点获取一定时间窗口的采样数据,由Prony算法得相电流突变量的拟合函数,根据相电流突变量的拟合函数的过零点筛选出故障时刻,其中,设启动时刻为t1,则相电流突变量表达式为:
设故障时刻为t0,当t0≤t≤t1时,上式仍成立,取t=t0代入,则有:
上式仅含未知量t0,考虑启动延时、互感器误差、计算误差及一定误差允许裕度,求解区间取为[t1-7.5,t1]ms,再采用寻根法求解,其中,求解步长h=0.02/N,具体求解过程为:
当Δi(tn)=0,则tn即为方程的解;
当Δi(tn)Δi(tn+1)>0,则[tn,tn+1]为无解区间;
当Δi(tn)Δi(tn+1)<0,则[tn,tn+1]为有解区间:当Δi[tn+tn+1)/2]=0,则(tn+tn+1)/2为方程解;当Δi[tn+tn+1)/2]Δi(tn)<0,则tn+1为方程解;否则,tn为方程解。
在求根区间内,当仅有1个解,则该解为精准故障时刻;若存在多个解(至多2个,设为g0、g0'),需进一步判别,具体判别过程为:
设g0表示故障时刻,g0'表示非故障时刻,当g0>g0'时,以g0为起点在预设时间内,相电流突变量的实测值与拟合值基本相等,相似性较高;以g0'为起点在预设时间内,实测值含有一段接近为0的数据,而拟合值则按一定规律变化,相似性较低。
当g0<g0'时,分别以g0及g0'为起点在预设时间内,实测值与拟合值基本相等,相似性均较高,根据传统波形相似理论,波形相似系数λ为:
其中,isk(k)为拟合的相电流突变量采样值,is(k)为实测的相电流突变量采样值,N1为相似性计算数据窗长,N1=5ms。
故障时刻的检测精度主要取决于故障点附近相电流突变量实测值与拟合值的相似度,而故障时刻附近相电流突变量接近为0,对相似度的贡献比非常低,则现有相似***判别故障时刻可能出现误判。
为克服这一缺陷,本发明引入权重系数ζ(k),当相电流突变量在0附近(此处指小于1/100的最大值),则选取大权重系数(取值为5~10);否则,则选取小权重系数(取值为0.8~1),则改进后的波形相似系数为:
设以g0、g0'为起点的改进后的波形相似系数分别为λ0、λ0',结合大量仿真测试,取相似度门槛为0.8,当min(λ0,λ0')>0.8,则以λ0及λ0'中较小的为精准故障时刻;否则,则以λ0及λ0'中较大的为精准故障时刻。
一种基于三相电流曲线骤降的变压器故障检测***包括:
获取模块,用于载入变压器工单中的三相电流数据;
标准化模块,与获取模块相连接,用于对变压器工单中的三相电流数据进行标准化;
训练模块,与标准化模块相连接,用于利用标准化后的变压器工单中的三相电流数据对快速训练向量机进行分类训练;
分类模块,与训练模块相连接,用于将待测变压器的工单三相电流数据输入到分类训练后的快速训练向量机中,并根据分类训练后的快速训练向量机判断待测变压器的工单是否记录正确,当待测变压器的工单记录正确时,则产生触发信号,否则,则变压器正常运行,待测变压器的工单记录错误;
故障时刻计算模块,与分类模块相连接,用于接收所述触发信号后,利用prony算法计算待测变压器的精确故障时刻,完成基于三相电流曲线骤降的变压器故障检测。
其中,各模块的具体过程在方法中已经具体给出,在此不做重复给出。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述基于三相电流曲线骤降的变压器故障检测方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述基于三相电流曲线骤降的变压器故障检测方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种基于三相电流曲线骤降的变压器故障检测方法,其特征在于,包括以下步骤:
1)载入变压器工单中的三相电流数据;
2)对变压器工单中的三相电流数据进行标准化;
3)利用标准化后的变压器工单中的三相电流数据对快速训练向量机进行分类训练;
4)将待测变压器的工单三相电流数据输入到分类训练后的快速训练向量机中,并根据分类训练后的快速训练向量机判断待测变压器的工单是否记录正确,当待测变压器的工单记录正确时,则转至步骤5),否则,则变压器正常运行,待测变压器的工单记录错误;
5)利用prony算法计算待测变压器的精确故障时刻,完成基于三相电流曲线骤降的变压器故障检测。
2.根据权利要求1所述的基于三相电流曲线骤降的变压器故障检测方法,其特征在于,步骤2)的具体操作为:对变压器工单中的三相电流数据进行归一化处理。
3.根据权利要求1所述的基于三相电流曲线骤降的变压器故障检测方法,其特征在于,快速训练向量机的核函数为RBF核函数,快速训练向量机的核函数的取值为0.5。
4.根据权利要求3所述的基于三相电流曲线骤降的变压器故障检测方法,其特征在于,步骤4)中,当快速训练向量机的输出值大于0.5时,则为电流骤降故障,工单记录正确,该变压器故障,则转至步骤5),否则,则该变压器正常运行,工单记录错误。
5.根据权利要求1所述的基于三相电流曲线骤降的变压器故障检测方法,其特征在于,步骤5)的具体操作为:
51)将待测变压器工单中记录的时刻作为粗糙故障时刻;
52)以待测变压器工单中记录的时刻为起始,获取一个工频周期内相电流突变量的实测值;
53)对一个工频周期内相电流突变量的实测值进行拟合,得相电流突变量的拟合函数;
54)将相电流突变量的拟合函数的过零点作为该待测变压器的精确故障时刻。
6.根据权利要求1所述的基于三相电流曲线骤降的变压器故障检测方法,其特征在于,步骤53)中利用最小二乘法对一个工频周期内相电流突变量的实测值进行拟合,得相电流突变量的拟合函数。
8.一种基于三相电流曲线骤降的变压器故障检测***,其特征在于,包括:
获取模块,用于载入变压器工单中的三相电流数据;
标准化模块,与获取模块相连接,用于对变压器工单中的三相电流数据进行标准化;
训练模块,与标准化模块相连接,用于利用标准化后的变压器工单中的三相电流数据对快速训练向量机进行分类训练;
分类模块,与训练模块相连接,用于将待测变压器的工单三相电流数据输入到分类训练后的快速训练向量机中,并根据分类训练后的快速训练向量机判断待测变压器的工单是否记录正确,当待测变压器的工单记录正确时,则产生触发信号,否则,则变压器正常运行,待测变压器的工单记录错误;
故障时刻计算模块,与分类模块相连接,用于接收所述触发信号后,利用prony算法计算待测变压器的精确故障时刻,完成基于三相电流曲线骤降的变压器故障检测。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于三相电流曲线骤降的变压器故障检测方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于三相电流曲线骤降的变压器故障检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010760933.6A CN111880034A (zh) | 2020-07-31 | 2020-07-31 | 基于三相电流曲线骤降的变压器故障检测方法、***、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010760933.6A CN111880034A (zh) | 2020-07-31 | 2020-07-31 | 基于三相电流曲线骤降的变压器故障检测方法、***、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111880034A true CN111880034A (zh) | 2020-11-03 |
Family
ID=73205001
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010760933.6A Pending CN111880034A (zh) | 2020-07-31 | 2020-07-31 | 基于三相电流曲线骤降的变压器故障检测方法、***、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111880034A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101701940A (zh) * | 2009-10-26 | 2010-05-05 | 南京航空航天大学 | 基于svm和dga的变压器在线故障诊断方法 |
KR20110122238A (ko) * | 2010-05-04 | 2011-11-10 | 남창현 | 헤드스페이스 공간가스를 이용한 변압기 내부이상 진단방법 및 진단장치 |
CN107328438A (zh) * | 2017-07-03 | 2017-11-07 | 国网黑龙江省电力有限公司哈尔滨供电公司 | 一种电力变压器运行综合监测*** |
CN108268905A (zh) * | 2018-03-21 | 2018-07-10 | 广东电网有限责任公司电力科学研究院 | 一种基于支持向量机的变压器故障诊断方法及*** |
-
2020
- 2020-07-31 CN CN202010760933.6A patent/CN111880034A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101701940A (zh) * | 2009-10-26 | 2010-05-05 | 南京航空航天大学 | 基于svm和dga的变压器在线故障诊断方法 |
KR20110122238A (ko) * | 2010-05-04 | 2011-11-10 | 남창현 | 헤드스페이스 공간가스를 이용한 변압기 내부이상 진단방법 및 진단장치 |
CN107328438A (zh) * | 2017-07-03 | 2017-11-07 | 国网黑龙江省电力有限公司哈尔滨供电公司 | 一种电力变压器运行综合监测*** |
CN108268905A (zh) * | 2018-03-21 | 2018-07-10 | 广东电网有限责任公司电力科学研究院 | 一种基于支持向量机的变压器故障诊断方法及*** |
Non-Patent Citations (2)
Title |
---|
周步祥 等: "一种融合FRVM和DBN的变压器故障诊断方法", 《水电能源科学》 * |
董金金: "智能变电站故障数据自同步方法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106505557B (zh) | 一种遥测错误辨识方法及装置 | |
CN103944174B (zh) | 基于互相关函数滤噪算法的低频振荡在线辨识方法 | |
CN110967599A (zh) | 一种电能质量扰动检测与定位算法 | |
Mehra et al. | Analysis of PCA based compression and denoising of smart grid data under normal and fault conditions | |
CN105548739B (zh) | 一种避雷器运行状态信号处理方法 | |
CN109284933B (zh) | 一种基于数理统计的电子式互感器状态评估***及方法 | |
CN112989587B (zh) | 一种电容式电压互感器劣化成因在线分析方法及*** | |
CN115685045B (zh) | 一种电压互感器在线评估方法 | |
CN113625103A (zh) | 小电流接地***单相接地故障的选线方法 | |
CN105319528B (zh) | 一种电能表的运行工况检验方法 | |
CN111340367A (zh) | 基于多维度关联性数据分析的少油设备状态评估方法及*** | |
CN106526520B (zh) | 一种光学电流互感器光源波动干扰试验*** | |
CN114089255A (zh) | 一种电容式电压互感器稳定性评估方法 | |
WO2021099413A1 (en) | Machine learning based method and device for disturbance classification in a power trasmission line | |
CN111880034A (zh) | 基于三相电流曲线骤降的变压器故障检测方法、***、设备及存储介质 | |
Papadopoulos et al. | Online parameter identification and generic modeling derivation of a dynamic load model in distribution grids | |
CN115542064B (zh) | 一种互感器误差状态实时监测方法及装置 | |
CN110098610B (zh) | 故障扰动下电力***振荡主导模式的实时辨识方法及*** | |
CN116736214A (zh) | 一种cvt稳定性评估方法和*** | |
Liu et al. | Complex blind source separation based harmonic contribution assessment | |
CN109375048B (zh) | 一种基于故障录波数据的输电线路参数辨识方法及装置 | |
Won et al. | Performance analysis of machine learning based fault detection for cloud infrastructure | |
Dai et al. | Continuous-time system identification with nuclear norm minimization and GPMF-based subspace method | |
Bohórquez et al. | One-ended fault location method based on machine learning models | |
CN113567805A (zh) | 一种基于数据相关性的配电网故障诊断方法及装置 |
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: 20201103 |
|
RJ01 | Rejection of invention patent application after publication |