CN112329821A - 电力互感器智能诊断***及基于决策树分类的诊断方法 - Google Patents

电力互感器智能诊断***及基于决策树分类的诊断方法 Download PDF

Info

Publication number
CN112329821A
CN112329821A CN202011146437.8A CN202011146437A CN112329821A CN 112329821 A CN112329821 A CN 112329821A CN 202011146437 A CN202011146437 A CN 202011146437A CN 112329821 A CN112329821 A CN 112329821A
Authority
CN
China
Prior art keywords
node
layer
module
temperature
sound
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.)
Withdrawn
Application number
CN202011146437.8A
Other languages
English (en)
Inventor
石颉
丁飞
申海锋
杜国庆
张海婷
胡倩
阮明霞
胡立新
张晓龙
曹登凯
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.)
Suzhou Xinrui Yirong Information Technology Co ltd
Suzhou University of Science and Technology
Original Assignee
Suzhou Xinrui Yirong Information Technology Co ltd
Suzhou University of Science and Technology
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 Suzhou Xinrui Yirong Information Technology Co ltd, Suzhou University of Science and Technology filed Critical Suzhou Xinrui Yirong Information Technology Co ltd
Priority to CN202011146437.8A priority Critical patent/CN112329821A/zh
Publication of CN112329821A publication Critical patent/CN112329821A/zh
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
    • G01K11/32—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using changes in transmittance, scattering or luminescence in optical fibres
    • 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
    • G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
    • G01R35/02—Testing or calibrating of apparatus covered by the other groups of this subclass of auxiliary devices, e.g. of instrument transformers according to prescribed transformation ratio, phase angle, or wattage rating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Power Engineering (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Protection Of Transformers (AREA)

Abstract

本发明公开了电力互感器智能诊断***及基于决策树分类的诊断方法；属于电力设备的智能诊断领域；其技术要点在于：包括：温度监测模块、声音监测模块、电流监测模块、数据采集与存储模块、故障诊断模块、显示与查询模块；所述温度监测模块用于测量互感器铁芯、二次绕组及绝缘介质的温度信号；所述声音监测模块用于测量互感器铁芯、二次绕组及绝缘介质的声音信号；所述电流监测模块用于测量互感器二次侧的电流信号。采用本申请的电力互感器智能诊断***及基于决策树分类的诊断方法，能够大幅的提高诊断效率与诊断精度。

Description

电力互感器智能诊断***及基于决策树分类的诊断方法
技术领域
本发明属于电力设备的智能诊断领域，涉及到电力互感器智能诊断***及基于决策树分类的诊断方法。
背景技术
互感器主要是用于实现测量仪表、保护设备及自动控制设备的标准化、小型化。同时互感器还可用来隔开高电压***，以保证人身和设备的安全。所以互感器的故障诊断显得尤为重要。
针对互感器的诊断研究，现有技术如下：
CN105487037A一种基于电气参数的互感器故障诊断方法，其特征在于，对互感器进线的三条母线运行温度、三个电压互感器的二次侧电压、三个电流互感器的二次侧电流进行监测，在互感器进线的三条母线运行温度正常时，对同一开关柜内不同电压互感器的二次侧电压进行比较，若其中一个电压互感器的二次侧电压与其他电压互感器二次侧电压相比异常，判断电压互感器存在故障。对同一开关柜内不同电流互感器的二次侧电流进行比较，若其中一个电流互感器二次侧电流与其他电流互感器二次侧电流相比异常，判断电流互感器存在故障。本发明能够对互感器故障有准确的诊断效果，实现对互感器故障的及早诊断和发现故障，保证互感器的正常运行。
CN105675044A一种基于温度的互感器故障诊断方法，其特征在于，所述基于温度的互感器故障诊断方法是：对互感器温度、互感器二次侧出线两接头温度、不同互感器进线的三条母线温度进行监测，对温度数据进行分析获取温度数据的不同特征，三条母线温度数据作为判断运行负荷的对比温度特征，排除当前电力***运行负荷对互感器运行的温度影响因素，从上述温度数据分析获取的不同特征判断互感器的故障。本发明能够对互感器绝缘故障、互感器接头松动故障、互感器内部故障有准确的诊断效果，实现对互感器故障的及早诊断和发现故障，保证互感器的正常运行。
然而，上述故障诊断技术在分析结构比较复杂的深层次故障时效果不理想，且对操作员能力要求较高。
因此，有必要从新的技术路线出发，来解决互感器的诊断效果以及诊断效率。
发明内容
本发明的目的在于针对上述现有技术的不足，提出了电力互感器智能诊断***。该***能够通过温度监测模块、声音监测模块和电流监测模块实时监测电力互感器铁芯、二次绕组及绝缘介质这些关键部位的温度、声音和电流，并通过通讯模块将监测数据传送给数据采集与存储模块，从而获知该互感器当前的温度、声音和电流的分布及变化情况以及历史变化趋势，最后通过故障诊断模块实现电力互感器的智能诊断。
本发明的另一目的在于提出一种基于决策树分类的诊断方法，以克服现有技术的不足。
本发明采用的技术方案如下：
一种电力互感器智能诊断***，包括：温度监测模块、声音监测模块、电流监测模块、数据采集与存储模块、故障诊断模块、显示与查询模块；
所述温度监测模块用于测量互感器铁芯、二次绕组及绝缘介质的温度信号；
所述声音监测模块用于测量互感器铁芯、二次绕组及绝缘介质的声音信号；
所述电流监测模块用于测量互感器二次侧的电流信号；
所述温度监测模块、所述声音监测模块、所述电流监测模块的输出端与数据采集与存储模块的输入端连接；
所述数据采集与存储模块与故障诊断模块双向连接，即所述数据采集与存储模块的输出端与故障诊断模块的输入端连接，故障诊断模块的输出端与所述数据采集与存储模块的输入端连接；
所述显示与查询模块与存储模块与故障诊断模块双向连接，即所述数据采集与存储模块的输出端与显示与查询模块的输入端连接，显示与查询模块的输出端与所述数据采集与存储模块的输入端连接。
进一步，还包括：通讯模块；所述温度监测模块、所述声音监测模块、所述电流监测模块通过通讯模块与所述数据采集与存储模块连接；
该***能够通过温度监测模块、声音监测模块和电流监测模块实时监测电力互感器铁芯、二次绕组及绝缘介质的温度、声音和电流，并通过通讯模块将监测数据传送给数据采集与存储模块，从而获知该互感器当前的温度、声音和电流的分布及变化情况以及历史变化趋势，最后通过故障诊断模块实现电力互感器的智能诊断；
通过故障诊断模块诊断的结果传输到数据采集与存储模块中，进而在发送到显示与查询模块上；
同时，显示与查询模块也能够连接数据采集与存储模块中，查询数据采集与存储模块存储的数据：温度监测模块、所述声音监测模块、所述电流监测模块检测的信号，故障诊断模块诊断的结果。
进一步，温度监测模块为光纤光栅温度传感器，所述光纤光栅温度传感器布置在电力互感器铁芯、二次绕组及绝缘介质上，将采集到的模拟信号，经由高速高精度的模数转换器转换成为数字信号，并通过通讯模块将监测数据传送给数据采集与存储模块。
进一步，声音监测模块为声音传感器，所述声音传感器布置在电力互感器铁芯、二次绕组及绝缘介质上，将采集到的模拟信号经由高速高精度的模数转换器转换成为数字信号，并通过通讯模块将监测数据传送给数据采集与存储模块。
进一步，电流监测模块为电流表，所述电流表布置在电力互感器的二次侧，将采集到的模拟信号，经由高速高精度的模数转换器转换成为数字信号，并通过通讯模块将监测数据传送给数据采集与存储模块。
进一步，数据采集与存储模块，采用个人电脑和/或云端存储服务器；所述数据采集与存储模块用于将光纤光栅温度传感器、声音传感器、电流表所采集的信息进行存储；
采集到的信息同步上传到云端存储服务器，防止个人电脑在运行时出现故障，造成监测数据的丢失；同时，通过连接云端存储服务器，工作人员在任意时间、任意地点、任意设备上对存储的数据进行访问与分析。
进一步，显示与查询模块为笔记本电脑、手机、IPAD。
一种基于决策树分类的诊断方法，采用前述的电力互感器智能诊断***，所述故障诊断模块保存有互感器计算模型，互感器计算模型为基于决策树分类的计算模型；
包括以下步骤：
首先，通过人工智能算法对互感器计算模型进行学习训练；
其次，将数据采集与存储模块中的温度、声音和电流数据实时的传递给故障诊断模块进行分析，从而实现在设备运行中监测实时数据且实时完成故障诊断的工作。
进一步，故障诊断模块的互感器计算模型(机器学习模型)，采用CLS算法，该算法是一种决策树分类算法，采用自上至下递归建树的方式；
在CLS算法生成的决策树中，节点对应于待分类对象的属性，由某一节点引出的弧(即树干)对应于这个属性的取值，叶节点对应于分类的结果。
进一步，待分类对象的属性包括：互感器声音、二次侧电流、二次绕组温度、铁芯处温度、绝缘介质温度；
特征属性的值域，即节点引出的弧分别是：
Value(二次侧电流)＝{二次侧电流正常，二次侧电流异常}；
Value(二次绕组温度)＝{二次绕组温度正常，二次绕组温度异常}；
Value(铁芯处温度)＝{铁芯处温度正常，铁芯处温度异常}；
Value(绝缘介质温度)＝{绝缘介质温度正常，绝缘介质温度异常}；
Value(互感器声音)＝{互感器有异响，互感器无异响}；
初始属性表为AttrList＝(电流，温度，异响)。
进一步，本申请的互感器计算模型包括五层结构：
第一层，包括一个节点：第一层第一节点；
第二层，包括2个节点：第二层第一节点，第二层第二节点；
第三层，包括2个节点：第三层第一节点，第三层第二节点；
第四层，包括4个节点：第四层第一节点，第四层第二节点；
第五层，包括：2个节点：第五层第一节点，第五层第二节点；；
所述第一层第一节点输入互感器声音信息，第一层的节点生成2个新的节点树：
“第一层第一节点—第二层第一节点”节点树，其判断准则为：互感器声音正常，第二层第一节点为：输出结果E，第二层第一节点不再生成新的节点树；
“第一层第一节点—第二层第二节点”节点树，其判断准则为：互感器声音异常，第二层第二节点为输入二次侧电流信息；
所述第二层第二节点生成2个新的节点树：
“第二层第二节点—第三层第一节点”节点树，其判断准则为：二次侧电流正常，第三层第一节点为输入绝缘温度信息；
“第二层第二节点—第三层第二节点”节点树，其判断准则为：二次侧电流异常，第三层第二节点为输入铁芯温度信息；
所述第三层第一节点生成2个新的节点树：
“第三层第一节点—第四层第一节点”节点树，其判断准则为：绝缘温度正常，第四层第一节点为：输出结果D；第四层第一节点不再生成新的节点树；
“第三层第一节点—第四层第二节点”节点树，其判断准则为：绝缘温度异常，第四层第二节点为：输出结果C；第四层第二节点不再生成新的节点树；
所述第三层第二节点生成2个新的节点树：
“第三层第二节点—第四层第三节点”节点树，其判断准则为：铁芯温度正常，第四层第三节点为：输出结果A；第四层第三节点不再生成新的节点树；
“第三层第二节点—第四层第四节点”节点树，其判断准则为：绝缘温度异常，第四层第四节点为输入二次绕组温度信息；
第四层第四节点生成2个新的节点树：
“第四层第四节点—第五层第一节点”节点树，其判断准则为：二次绕组温度正常，第五层第一节点为：输出结果D；第五层第一节点不再生成新的节点树；
“第四层第四节点—第五层第二节点”节点树，其判断准则为：二次绕组温度异常，第五层第二节点：输出结果B；第五层第二节点不再生成新的节点树；
本申请的优点在于：
第一，该***能够通过温度监测模块、声音监测模块和电流监测模块实时监测电力互感器铁芯、二次绕组及绝缘介质的温度、声音和电流，并通过通讯模块将监测数据传送给数据采集与存储模块，从而获知该互感器当前的温度、声音和电流的分布及变化情况以及历史变化趋势，最后通过故障诊断模块实现电力互感器的智能诊断；通过故障诊断模块诊断的结果传输到数据采集与存储模块中，进而在发送到显示与查询模块6上；同时，显示与查询模块也能够连接数据采集与存储模块中，查询数据采集与存储模块存储的数据：温度监测模块、所述声音监测模块、所述电流监测模块检测的信号，故障诊断模块诊断的结果。
第二，实现了通过传感器采集数据，对采集得到的数据进行分析与比对，得到互感器的故障类型，解决了现有技术中因工作人员经验不丰富，无法判断故障类型的低效问题。
第三，提出了一种基于决策树的智能诊断方法，特别的，提出了5层结构的决策树计算模型，大幅的提升故障诊断效率。
附图说明
下面结合附图中的实施例对本发明作进一步的详细说明，但并不构成对本发明的任何限制。
图1是实施例1的一种电力互感器智能诊断***的设计图。
图2是实施例1的5个实例组成学习实例集T示意图。
图3是实施例1的应用CLS算法生成故障分类决策树示意图。
图1-3中附图标记说明如下：
温度监测模块1、声音监测模块2、电流监测模块3、数据采集与存储模块4、故障诊断模块5、显示与查询模块6。
具体实施方式
实施例1，如图1所示，一种电力互感器智能诊断***，包括：温度监测模块1、声音监测模块2、电流监测模块3、数据采集与存储模块4、故障诊断模块5、显示与查询模块6；
所述温度监测模块用于测量互感器铁芯、二次绕组及绝缘介质的温度信号；
所述声音监测模块用于测量互感器铁芯、二次绕组及绝缘介质的声音信号；
所述电流监测模块用于测量互感器两次侧的电流信号；
所述温度监测模块、所述声音监测模块、所述电流监测模块的输出端与数据采集与存储模块的输入端连接；
所述数据采集与存储模块与故障诊断模块双向连接，即所述数据采集与存储模块的输出端与故障诊断模块的输入端连接，故障诊断模块的输出端与所述数据采集与存储模块的输入端连接；
所述显示与查询模块与存储模块与故障诊断模块双向连接，即所述数据采集与存储模块的输出端与显示与查询模块的输入端连接，显示与查询模块的输出端与所述数据采集与存储模块的输入端连接。
还包括：通讯模块；所述温度监测模块、所述声音监测模块、所述电流监测模块通过通讯模块与所述数据采集与存储模块连接；通讯模块采用电力线载波技术。将电力载波技术集成后嵌入到各电力互感器中去，通过已经架设的低压电力线作为信息传输的媒介，采用载波方式实现数字信号高速传输的目的，实现电力互感器设备之间的通信。同时采用扩频通信技术来克服通信通道中的干扰问题。
该***能够通过温度监测模块、声音监测模块和电流监测模块实时监测电力互感器铁芯、二次绕组及绝缘介质的温度、声音和电流，并通过通讯模块将监测数据传送给数据采集与存储模块，从而获知该互感器当前的温度、声音和电流的分布及变化情况以及历史变化趋势，最后通过故障诊断模块实现电力互感器的智能诊断；通过故障诊断模块诊断的结果传输到数据采集与存储模块中，进而在发送到显示与查询模块6上；同时，显示与查询模块也能够连接数据采集与存储模块中，查询数据采集与存储模块存储的数据：温度监测模块、所述声音监测模块、所述电流监测模块检测的信号，故障诊断模块诊断的结果。
温度监测模块为光纤光栅温度传感器，所述光纤光栅温度传感器布置在电力互感器铁芯、二次绕组及绝缘介质上，将采集到的模拟信号，经由高速高精度的模数转换器转换成为数字信号，并通过通讯模块将监测数据传送给数据采集与存储模块。
声音监测模块为声音传感器，所述声音传感器布置在电力互感器铁芯、二次绕组及绝缘介质上，将采集到的模拟信号经由高速高精度的模数转换器转换成为数字信号，并通过通讯模块将监测数据传送给数据采集与存储模块。
电流监测模块为电流表，所述电流表布置在电力互感器的二次侧，将采集到的模拟信号，经由高速高精度的模数转换器转换成为数字信号，并通过通讯模块将监测数据传送给数据采集与存储模块。
数据采集与存储模块，采用个人电脑和/或云端存储服务器；所述数据采集与存储模块用于将光纤光栅温度传感器、声音传感器、电流表所采集的信息进行存储；
采集到的信息同步上传到云端存储服务器，防止个人电脑在运行时出现故障，造成监测数据的丢失；同时，通过连接云端存储服务器，工作人员在任意时间、任意地点、任意设备上对存储的数据进行访问与分析。
显示与查询模块为笔记本电脑、手机、IPAD。
一种电力互感器智能诊断方法，采用实施例1的电力互感器智能诊断***，所述故障诊断模块保存有互感器计算模型，通过人工智能算法对互感器计算模型进行学习训练；将数据采集与存储模块中的温度、声音和电流数据实时的传递给故障诊断模块进行分析，从而实现在设备运行中监测实时数据且实时完成故障诊断的工作。
所述的故障诊断模块的互感器计算模型(机器学习模型)，采用CLS算法，该算法是一种决策树分类算法，采用自上至下递归建树的方式；
在CLS算法生成的决策树中，节点对应于待分类对象的属性，由某一节点引出的弧对应于这个属性的取值，叶节点对应于分类的结果。
具体而言，分为：互感器计算模型采用如下的决策树：
(1)包括五层结构，第一层，包括一个节点：第一层第一节点；
第二层，包括2个节点：第二层第一节点，第二层第二节点；
第三层，包括2个节点：第三层第一节点，第三层第二节点；
第四层，包括4个节点：第四层第一节点，第四层第二节点；
第五层，包括：2个节点：第五层第一节点，第五层第二节点；；
所述第一层第一节点输入互感器声音信息，第一层的节点生成2个新的节点树：
“第一层第一节点—第二层第一节点”节点树，其判断准则为：互感器声音正常，第二层第一节点为：输出结果E，第二层第一节点不再生成新的节点树；
“第一层第一节点—第二层第二节点”节点树，其判断准则为：互感器声音异常，第二层第二节点为输入二次侧电流信息；
所述第二层第二节点生成2个新的节点树：
“第二层第二节点—第三层第一节点”节点树，其判断准则为：二次侧电流正常，第三层第一节点为输入绝缘温度信息；
“第二层第二节点—第三层第二节点”节点树，其判断准则为：二次侧电流异常，第三层第二节点为输入铁芯温度信息；
所述第三层第一节点生成2个新的节点树：
“第三层第一节点—第四层第一节点”节点树，其判断准则为：绝缘温度正常，第四层第一节点为：输出结果D；第四层第一节点不再生成新的节点树；
“第三层第一节点—第四层第二节点”节点树，其判断准则为：绝缘温度异常，第四层第二节点为：输出结果C；第四层第二节点不再生成新的节点树；
所述第三层第二节点生成2个新的节点树：
“第三层第二节点—第四层第三节点”节点树，其判断准则为：铁芯温度正常，第四层第三节点为：输出结果A；第四层第三节点不再生成新的节点树；
“第三层第二节点—第四层第四节点”节点树，其判断准则为：绝缘温度异常，第四层第四节点为输入二次绕组温度信息；
第四层第四节点生成2个新的节点树：
“第四层第四节点—第五层第一节点”节点树，其判断准则为：二次绕组温度正常，第五层第一节点为：输出结果D；第五层第一节点不再生成新的节点树；
“第四层第四节点—第五层第二节点”节点树，其判断准则为：二次绕组温度异常，第五层第二节点：输出结果B；第五层第二节点不再生成新的节点树。
具体而言，互感器计算模型设置如下：
根据电力互感器关键部位的特征属性对互感器进行故障分类，三个分类特征属性分别是：电流、温度和异响；分类结果是：A、B、C、D、E。
特征属性的值域分别是：
Value(电流)＝{二次侧电流正常，二次侧电流异常}
Value(温度)＝{二次绕组温度正常，二次绕组温度异常，铁芯处温度正常，铁芯处温度异常，绝缘介质温度正常，绝缘介质温度异常}
Value(异响)＝{互感器有异响，互感器无异响}
初始属性表为AttrList＝(电流，温度，异响)
实例诊断结果：
Figure BDA0002739835630000081
以上所举实施例为本发明的较佳实施方式，仅用来方便说明本发明，并非对本发明作任何形式上的限制，任何所属技术领域中具有通常知识者，若在不脱离本发明所提技术特征的范围内，利用本发明所揭示技术内容所作出局部更动或修饰的等效实施例，并且未脱离本发明的技术特征内容，均仍属于本发明技术特征的范围内。

Claims (10)

1.一种电力互感器智能诊断***，其特征在于，包括：温度监测模块、声音监测模块、电流监测模块、数据采集与存储模块、故障诊断模块、显示与查询模块；
所述温度监测模块用于测量互感器铁芯、二次绕组及绝缘介质的温度信号；
所述声音监测模块用于测量互感器铁芯、二次绕组及绝缘介质的声音信号；
所述电流监测模块用于测量互感器二次侧的电流信号；
所述温度监测模块、所述声音监测模块、所述电流监测模块的输出端与数据采集与存储模块的输入端连接；
所述数据采集与存储模块与故障诊断模块双向连接，即所述数据采集与存储模块的输出端与故障诊断模块的输入端连接，故障诊断模块的输出端与所述数据采集与存储模块的输入端连接；
所述显示与查询模块与存储模块与故障诊断模块双向连接，即所述数据采集与存储模块的输出端与显示与查询模块的输入端连接，显示与查询模块的输出端与所述数据采集与存储模块的输入端连接。
2.根据权利要求1所述的一种电力互感器智能诊断***，其特征在于，还包括：通讯模块；所述温度监测模块、所述声音监测模块、所述电流监测模块通过通讯模块与所述数据采集与存储模块连接；
该***能够通过温度监测模块、声音监测模块和电流监测模块实时监测电力互感器铁芯、二次绕组及绝缘介质的温度、声音和电流，并通过通讯模块将监测数据传送给数据采集与存储模块，从而获知该互感器当前的温度、声音和电流的分布及变化情况以及历史变化趋势，最后通过故障诊断模块实现电力互感器的智能诊断；
通过故障诊断模块诊断的结果传输到数据采集与存储模块中，进而在发送到显示与查询模块上；
同时，显示与查询模块也能够连接数据采集与存储模块中，查询数据采集与存储模块存储的数据：温度监测模块、所述声音监测模块、所述电流监测模块检测的信号，故障诊断模块诊断的结果。
3.根据权利要求1所述的一种电力互感器智能诊断***，其特征在于，温度监测模块为光纤光栅温度传感器，所述光纤光栅温度传感器布置在电力互感器铁芯、二次绕组及绝缘介质上，将采集到的模拟信号，经由高速高精度的模数转换器转换成为数字信号，并通过通讯模块将监测数据传送给数据采集与存储模块。
4.根据权利要求1或2或3所述的一种电力互感器智能诊断***，其特征在于，声音监测模块为声音传感器，所述声音传感器布置在电力互感器铁芯、二次绕组及绝缘介质上，将采集到的模拟信号经由高速高精度的模数转换器转换成为数字信号，并通过通讯模块将监测数据传送给数据采集与存储模块。
5.根据权利要求4所述的一种电力互感器智能诊断***，其特征在于，电流监测模块为电流表，所述电流表布置在电力互感器的二次侧，将采集到的模拟信号，经由高速高精度的模数转换器转换成为数字信号，并通过通讯模块将监测数据传送给数据采集与存储模块。
6.根据权利要求5所述的一种电力互感器智能诊断***，其特征在于，数据采集与存储模块，采用个人电脑和/或云端存储服务器；所述数据采集与存储模块用于将光纤光栅温度传感器、声音传感器、电流表所采集的信息进行存储；
采集到的信息同步上传到云端存储服务器，防止个人电脑在运行时出现故障，造成监测数据的丢失；同时，通过连接云端存储服务器，工作人员在任意时间、任意地点、任意设备上对存储的数据进行访问与分析。
7.根据权利要求6所述的一种电力互感器智能诊断***，其特征在于，显示与查询模块为笔记本电脑、手机、IPAD。
8.一种基于决策树分类的诊断方法，其特征在于，采用如权利要求1至7任意一项所述的电力互感器智能诊断***对电力互感器进行诊断，所述故障诊断模块保存有互感器计算模型，互感器计算模型为基于决策树分类的计算模型。
9.根据权利要求8所述的一种基于决策树分类的诊断方法，其特征在于，故障诊断模块的互感器计算模型，采用CLS算法，采用自上至下递归建树的方式；
在CLS算法生成的决策树中，节点对应于待分类对象的属性，由某一节点引出的弧(即树干)对应于这个属性的取值，叶节点对应于分类的结果：
待分类对象的属性包括：互感器声音、二次侧电流、二次绕组温度、铁芯处温度、绝缘介质温度；
特征属性的值域，即节点引出的弧分别是：
Value(二次侧电流)＝{二次侧电流正常，二次侧电流异常}；
Value(二次绕组温度)＝{二次绕组温度正常，二次绕组温度异常}；
Value(铁芯处温度)＝{铁芯处温度正常，铁芯处温度异常}；
Value(绝缘介质温度)＝{绝缘介质温度正常，绝缘介质温度异常}；
Value(互感器声音)＝{互感器有异响，互感器无异响}；
初始属性表为AttrList＝(电流，温度，异响)。
10.根据权利要求8所述的一种基于决策树分类的诊断方法，其特征在于，所述的互感器计算模型包括五层结构：
第一层，包括一个节点：第一层第一节点；
第二层，包括2个节点：第二层第一节点，第二层第二节点；
第三层，包括2个节点：第三层第一节点，第三层第二节点；
第四层，包括4个节点：第四层第一节点，第四层第二节点；
第五层，包括：2个节点：第五层第一节点，第五层第二节点；；
所述第一层第一节点输入互感器声音信息，第一层的节点生成2个新的节点树：
“第一层第一节点—第二层第一节点”节点树，其判断准则为：互感器声音正常，第二层第一节点为：输出结果E，第二层第一节点不再生成新的节点树；
“第一层第一节点—第二层第二节点”节点树，其判断准则为：互感器声音异常，第二层第二节点为输入二次侧电流信息；
所述第二层第二节点生成2个新的节点树：
“第二层第二节点—第三层第一节点”节点树，其判断准则为：二次侧电流正常，第三层第一节点为输入绝缘温度信息；
“第二层第二节点—第三层第二节点”节点树，其判断准则为：二次侧电流异常，第三层第二节点为输入铁芯温度信息；
所述第三层第一节点生成2个新的节点树：
“第三层第一节点—第四层第一节点”节点树，其判断准则为：绝缘温度正常，第四层第一节点为：输出结果D；第四层第一节点不再生成新的节点树；
“第三层第一节点—第四层第二节点”节点树，其判断准则为：绝缘温度异常，第四层第二节点为：输出结果C；第四层第二节点不再生成新的节点树；
所述第三层第二节点生成2个新的节点树：
“第三层第二节点—第四层第三节点”节点树，其判断准则为：铁芯温度正常，第四层第三节点为：输出结果A；第四层第三节点不再生成新的节点树；
“第三层第二节点—第四层第四节点”节点树，其判断准则为：绝缘温度异常，第四层第四节点为输入二次绕组温度信息；
第四层第四节点生成2个新的节点树：
“第四层第四节点—第五层第一节点”节点树，其判断准则为：二次绕组温度正常，第五层第一节点为：输出结果D；第五层第一节点不再生成新的节点树；
“第四层第四节点—第五层第二节点”节点树，其判断准则为：二次绕组温度异常，第五层第二节点：输出结果B；第五层第二节点不再生成新的节点树。
CN202011146437.8A 2020-10-23 2020-10-23 电力互感器智能诊断***及基于决策树分类的诊断方法 Withdrawn CN112329821A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011146437.8A CN112329821A (zh) 2020-10-23 2020-10-23 电力互感器智能诊断***及基于决策树分类的诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011146437.8A CN112329821A (zh) 2020-10-23 2020-10-23 电力互感器智能诊断***及基于决策树分类的诊断方法

Publications (1)

Publication Number Publication Date
CN112329821A true CN112329821A (zh) 2021-02-05

Family

ID=74310982

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011146437.8A Withdrawn CN112329821A (zh) 2020-10-23 2020-10-23 电力互感器智能诊断***及基于决策树分类的诊断方法

Country Status (1)

Country Link
CN (1) CN112329821A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112532315A (zh) * 2021-02-07 2021-03-19 湖北鑫英泰***技术股份有限公司 一种基于分布式测温光纤的光缆故障定位方法与装置
CN113447783A (zh) * 2021-08-30 2021-09-28 武汉格蓝若智能技术有限公司 一种电压互感器绝缘故障辨识模型构建方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112532315A (zh) * 2021-02-07 2021-03-19 湖北鑫英泰***技术股份有限公司 一种基于分布式测温光纤的光缆故障定位方法与装置
CN112532315B (zh) * 2021-02-07 2021-04-30 湖北鑫英泰***技术股份有限公司 一种基于分布式测温光纤的光缆故障定位方法与装置
CN113447783A (zh) * 2021-08-30 2021-09-28 武汉格蓝若智能技术有限公司 一种电压互感器绝缘故障辨识模型构建方法及装置
CN113447783B (zh) * 2021-08-30 2021-11-26 武汉格蓝若智能技术有限公司 一种电压互感器绝缘故障辨识模型构建方法及装置

Similar Documents

Publication Publication Date Title
WO2014135015A1 (zh) 智能变电站电力变压器在线监测组网
CN112329821A (zh) 电力互感器智能诊断***及基于决策树分类的诊断方法
CN102034019A (zh) 六氟化硫电气设备绝缘状态综合评估的方法
CN213986651U (zh) 一种避雷器多状态在线监测***
CN108663581A (zh) 一种智能变电站二次设备测试方法
CN104246522A (zh) 用于检测hvdc输电***中的故障的方法和设备
CN106597196A (zh) 输变电设备状态监测智能诊断分析***及方法
CN111458652A (zh) 直流充电桩的故障确定方法、装置和设备
CN103234576A (zh) 一种用于智能变电站中电力设备的状态监测***
CN102393929A (zh) 配电网设备状态评估***的状态检修控制方法
CN104569751A (zh) 对电动汽车的高压辅助电器线束进行绝缘性能检测的装置和方法
CN106295240A (zh) 一种基于模糊数学的电力变压器状态评估方法
CN113205127A (zh) 一种基于边缘计算的变压器自我诊断评估装置及方法
CN112630562A (zh) 一种基于深度神经网络的开关柜故障识别方法及其装置
CN103412213A (zh) 交联聚乙烯高压电缆在线监测预警***
CN112614020A (zh) 一种基于电能质量的电力推进状态评估***
CN108388236A (zh) 柱上自动化开关控制器的性能测试***
CN105652137B (zh) 一种变电站在线监测诊断模型识别方法及装置
CN104569601A (zh) 对电动汽车的高压控制盒进行绝缘性能检测的装置和方法
CN204515021U (zh) 对电动汽车的高压控制盒进行绝缘性能检测的装置
CN103675606A (zh) 桥式直流故障监测报警器
CN203535128U (zh) 交联聚乙烯高压电缆在线监测预警***
CN204515070U (zh) 对电动汽车的高压辅助电器线束进行绝缘性能检测的装置
CN115459449A (zh) 一种可实时分析变压器运行性能的变电站监测方法及***
CN115598563A (zh) 一种基于粗糙神经网络的配电网单相接地故障诊断方法

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20210205