CN117172555A - 一种电网风险预警通知单智能生成*** - Google Patents

Abstract

本发明涉及电网风险预警通知单智能生成技术领域，具体公开一种电网风险预警通知单智能生成***，该***包括变压器信息采集模块、环境信息采集模块、变压器过载风险分析模块、变压器工作温度风险分析模块、变压器油爆风险分析模块、变压器风险等级确认模块、云数据库和电网风险预警通知单生成终端；本发明通过过载风险层面、工作温度风险层面和油爆风险层面计算变压器运行风险评估指数，并确认变压器的风险等级和风险原因，实现了变压器预警通知的多维度分析，提高了变压器预警通知分析的覆盖面，降低了风险等级和风险原因分析的误差性，确保了电网风险处理的及时性和实时性，从而提高了电网风险预警处理的效率。

Description

一种电网风险预警通知单智能生成***

技术领域

本发明涉及电网风险预警通知单智能生成技术领域，具体而言，涉及一种电网风险预警通知单智能生成***。

背景技术

电网风险涉及很多电力设备的运行风险，变电站内的变压器作为其主要的一块，它在电力***中承担着电压变换和电力传输等重要作用，因此对变压器进行风险监测并生成变压器预警通知单具有确保电力***安全、提前预防故障、优化资源利用等方面的必要性。

现有的变压器预警通知单主要对变压器的温升情况、承载电压和油爆风险层面进行预警通知，很显然，对变压器的温升情况、承载电压和油爆风险层面进行预警通知还存在以下几个方面的问题：1、对于过载风险层面，当前仅判断承载负荷是否过载，未对承载电压对过载风险的影响进行分析，从而无法保障过载风险分析结果的准确性。

2、在工作温度风险层面，仅考虑油箱表面温度，未对油箱表面各部件温度进行深度分析，使得工作温度风险层面的分析代表性不强，降低了工作温度风险结果确认的针对性。

3、在油爆风险层面，当前仅判断油箱有无泄漏，未结合油体的附着情况和油渍的颜色以及环境情况进行分析，降低了油爆风险分析的可靠性和合理性，增加了变压器运行时的油爆风险，进而威胁了人们的生命财产安全。

4、当前对变压器的预警通知倾向于单方面的变压器的温升情况或者承载电压情况或者油爆风险情况的分析，未进行多方面的综合性分析，维度较为单一，使得变压器的预警通知分析更加片面性。

发明内容

鉴于此，为解决上述背景技术中所提出的问题，现提出一种电网风险预警通知单智能生成***。

本发明的目的可以通过以下技术方案实现：本发明提供一种电网风险预警通知单智能生成***，包括：变压器信息采集模块，用于提取目标变电站内各变压器的编号和型号，并采集各变压器在各监测时间段的承载负荷、承载电压、绝缘油温度和各部件的表面温度，同时采集各变压器的图像，得到各变压器的图像信息。

环境信息采集模块，用于采集各变压器在各监测时间段内环境的含油量、温度和湿度。

变压器过载风险分析模块，用于分析各变压器在各监测时间段的过载风险评估指数，其中,/>表示变压器的编号，/>，/>表示监测时间段的编号，/>。

变压器工作温度风险分析模块，用于分析各变压器在各监测时间段的工作温度风险评估指数。

变压器油爆风险分析模块，用于分析各变压器在各监测时间段的油爆风险评估指数。

变压器风险等级确认模块，用于确认各变压器在各监测时间段的风险等级，其中,风险等级包括一级风险、二级风险和三级风险，且一级风险>二级风险>三级风险。

云数据库，用于存储各型号变压器的额定承载负荷，存储易爆油渍的颜色集合，并存储各风险等级对应的运行风险评估指数区间。

电网风险预警通知单生成终端，用于当某变压器在某监测时间段的风险等级为一级风险，则将该变压器记为预警变压器，该监测时间段记为预警时间段，确认预警变压器在预警时间段的主要风险原因，并根据预警变压器的编号和预警变压器在预警时间段的主要风险原因生成变压器预警通知单。

具体地，所述分析各变压器在各监测时间段的过载风险评估指数，具体分析过程为：A1、将各变压器在各监测时间段的承载负荷和承载电压分别记为和/>。

A2、根据各变压器的型号，从云数据库中定位出各变压器所属型号的额定承载负荷，记为。

A3、计算各变压器在各监测时间段的过载风险评定补偿因子，，其中，/>表示设定参照的第/>个变压器在第/>个监测时间段的承载电压，/>表示设定参照的承载电压偏差。

A4、计算各变压器在各监测时间段的过载风险评估指数，，其中，/>表示自然常数。

具体地，所述图像信息包括各散热片的表面污垢处数目、各污垢处的面积、表面破损处数目和各破损处的面积以及油箱表面在各监测时间段的各油渍区域的面积和颜色。

具体地，所述分析各变压器在各监测时间段的工作温度风险评估指数，具体分析过程为：B1、根据图像信息，计算各变压器对应散热片的间距均匀度。

B2、从图像信息中提取各散热片的表面污垢处数目和各污垢处的面积，计算各变压器对应散热片的污垢度。

B3、从图像信息中提取各散热片的表面破损处数目和各破损处的面积，计算各变压器对应散热片的破损度。

B4、计算各变压器的散热性能影响因子，，其中，/>和/>分别表示设定参照的间距均匀度、污垢度和破损度，/>和/>分别表示设定的间距均匀度评估、污垢度评估和破损度评估对应散热性能影响因子占比权重。

B5、根据各变压器在各监测时间段的绝缘油温度，计算各变压器在各监测时间段的绝缘油温度风险评估指数。

B6、根据各变压器在各监测时间段的各部件的表面温度和环境的温度，计算各变压器在各监测时间段的部件温升风险系数。

B7、计算各变压器在各监测时间段的工作温度风险评估指数，，其中，/>和/>分别表示设定的绝缘油温度风险评估和部件温升风险评估对应工作温度风险评估占比权重。

具体地，所述计算各变压器对应散热片的间距均匀度，具体计算过程为：C1、以变压器的放油阀门的所在侧为变压器的右侧，将各散热片从左往右依次进行排序，并将各变压器的第一个散热片记为目标散热片，将其他各散热片记为各参照散热片。

C2、在各变压器的目标散热片中从上往下依次布设各监测点，记为各目标散热点，将各目标散热点映射至各参照散热片，得到各参照散热片中各目标散热点对应的映射点，进而获取各变压器的目标散热片中各目标散热点与各参照散热片中各目标散热点对应的映射点之间的距离，记为，其中,/>表示参照散热片的编号，/>，/>表示映射点的编号，/>。

C3、计算各变压器对应散热片的间距均匀度，,其中，/>和/>分别表示设定参照的水平方向的间距偏差和竖直方向的间距偏差，/>和/>分别表示设定的水平方向的间距偏差和竖直方向的间距偏差对应间距均匀度评估占比权重。

具体地，所述计算各变压器在各监测时间段的部件温升风险系数，具体计算过程为：D1、将各变压器在各监测时间段的各部件的表面温度与环境的温度进行作差，得到各变压器在各监测时间段的各部件的表面温度差。

D2、若某变压器在某监测时间段的某部件的表面温度差大于或者等于设定值，则将该部件记为异常部件，统计各变压器在各监测时间段的异常部件的数目，记为。

D3、将各变压器在各监测时间段的各部件的表面温度差进行均值计算，得到各变压器在各监测时间段的部件表面平均温度差，记为。

D4、计算各变压器在各监测时间段的部件温升风险系数，,其中，/>和/>分别表示设定参照的异常部件数目和部件表面温度差，/>和/>分别表示设定的异常部件数目和部件表面温度差对应部件温升风险评估占比权重。

具体地，所述分析各变压器在各监测时间段的油爆风险评估指数，具体分析过程为：E1、根据各变压器在各监测时间段内环境的含油量、温度和湿度，计算各变压器在各监测时间段对应环境层面的油爆风险评估指数。

E2、从图像信息中提取油箱表面在各监测时间段的各油渍区域的面积和颜色，据此计算各变压器在各监测时间段对应油漏层面的油爆风险评估指数。

E3、计算各变压器在各监测时间段的油爆风险评估指数，，其中，/>和/>分别表示设定的环境层面和油漏层面对应的油爆风险评估占比权重。

具体地，所述计算各变压器在各监测时间段对应油漏层面的油爆风险评估指数，具体计算过程为：F1、将各变压器的油箱表面在各监测时间段的各油渍区域的颜色与云数据库中存储的易爆油渍的颜色集合进行对比，若某油渍区域的颜色与易爆油渍的颜色集合内的某颜色一致，则将该油渍区域记为易爆油渍区域，统计各变压器的油箱表面在各监测时间段的易爆油渍区域数目，记为。

F2、将各变压器的油箱表面在各监测时间段的各油渍区域的面积记为，其中，表示油渍区域的编号，/>。

F3、计算各变压器在各监测时间段对应油漏层面的油爆风险评估指数，。

其中，表示油渍区域的数目，/>和/>分别表示设定参照的易爆油渍区域数目占比和油渍区域面积，/>和/>分别表示设定的易爆油渍区域数目占比和油渍区域面积对应油漏层面的油爆风险评估占比权重。

具体地，所述确认各变压器在各监测时间段的风险等级，具体确认过程为：G1、计算各变压器在各监测时间段的运行风险评估指数，/>，其中，/>和/>分别表示设定的过载风险评估、工作温度风险评估和油爆风险评估对应运行风险评估占比权重。

G2、将各变压器在各监测时间段的运行风险评估指数与云数据库中存储的各风险等级对应的运行风险评估指数区间进行对比，进而得到各变压器在各监测时间段的风险等级。

具体地，所述确认预警变压器在预警时间段的主要风险原因，具体确认过程为：H1、提取预警变压器在预警时间段的过载风险评估指数、工作温度风险评估指数和油爆风险评估指数，并分别记为、/>和/>。

H2、将、/>和/>导入主要风险原因模型中，输出预警变压器在预警时间段的主要风险原因，其中，/>分别表示各主要风险原因评估条件，/>表示且/>成立，/>表示/>且成立，/>表示/>且/>成立，/>表示且/>成立，/>表示/>且成立，/>表示/>且/>成立，/>、/>和/>分别表示设定参照的过载风险评估指数、工作温度风险评估指数和油爆风险评估指数。

相较于现有技术，本发明的实施例至少具有如下优点或有益效果：（1）本发明通过过载风险层面、工作温度风险层面和油爆风险层面计算变压器运行风险评估指数，并确认变压器的风险等级和风险原因，有效解决了当前对变压器的温升情况、承载电压和油爆风险层面进行预警通知方式中存在的局限性，实现了变压器预警通知的多维度分析，提高了变压器预警通知分析的覆盖面，降低了风险等级和风险原因分析的误差性，且确保了电网风险处理的及时性和实时性，从而提高了电网风险预警处理的效率。

（2）本发明通过根据过载电压计算过载风险评定补偿因子，从而计算过载风险评估指数，保障了过载风险分析结果的准确性，为后续变压器的风险等级和风险原因确认提供了可靠的数据支撑依据。

（3）本发明通过计算绝缘油温度风险评估指数和部件温升风险系数，从而计算工作温度风险评估指数，提高了工作温度风险层面的分析的代表性，并且提高了工作温度风险结果确认的针对性，同时结合散热片的间距、污垢和破损情况进行变压器的散热性能影响因子分析，提高了变压器部件温升系数分析的合理性和可信度。

（4）本发明通过结合油箱油渍区域的面积和颜色以及环境情况进行油爆风险评估指数分析，提高了油爆风险分析的可靠性，最大程度上降低了变压器运行时的油爆安全隐患，从而保障了人们的生命财产安全。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明***模块结构连接示意图。

具体实施方式

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，都属于本发明保护的范围。

请参阅图1所示，本发明提供了一种电网风险预警通知单智能生成***，包括：变压器信息采集模块、环境信息采集模块、变压器过载风险分析模块、变压器工作温度风险分析模块、变压器油爆风险分析模块、变压器风险等级确认模块、云数据库和电网风险预警通知单生成终端。

所述变压器过载风险分析模块、变压器工作温度风险分析模块和变压器油爆风险分析模块三者均与变压器信息采集模块相连，变压器工作温度风险分析模块和变压器油爆风险分析模块两者均与环境信息采集模块相连，变压器过载风险分析模块和变压器油爆风险分析模块二者均与云数据库相连，变压器过载风险分析模块、变压器工作温度风险分析模块、变压器油爆风险分析模块和云数据库均与变压器风险等级确认模块相连，变压器风险等级确认模块与电网风险预警通知单生成终端相连。

所述变压器信息采集模块，用于提取目标变电站内各变压器的编号和型号，并采集各变压器在各监测时间段的承载负荷、承载电压、绝缘油温度和各部件的表面温度，同时采集各变压器的图像，得到各变压器的图像信息。

需要说明的是，所述承载负荷和承载电压通过电能表监测得到，所述绝缘油温度和各部件的表面温度均通过红外测温仪测量得到，所述图像通过安置在各变压器附近的高清摄像头监测得到。

在本发明具体实施例中，所述图像信息包括各散热片的表面污垢处数目、各污垢处的面积、表面破损处数目和各破损处的面积以及油箱表面在各监测时间段的各油渍区域的面积和颜色。

所述环境信息采集模块，用于采集各变压器在各监测时间段内环境的含油量、温度和湿度。

需要说明的是，所述环境的含油量通过安置在各变压器附近的红外油浓度计监测得到，所述温度和湿度分别通过温度传感器和湿度传感器监测得到。

所述变压器过载风险分析模块，用于分析各变压器在各监测时间段的过载风险评估指数，其中,/>表示变压器的编号，/>，/>表示监测时间段的编号，。

在本发明具体实施例中，所述分析各变压器在各监测时间段的过载风险评估指数，具体分析过程为：A1、将各变压器在各监测时间段的承载负荷和承载电压分别记为和/>。

A2、根据各变压器的型号，从云数据库中定位出各变压器所属型号的额定承载负荷，记为。

A3、计算各变压器在各监测时间段的过载风险评定补偿因子，，其中，/>表示设定参照的第/>个变压器在第/>个监测时间段的承载电压，/>表示设定参照的承载电压偏差。

A4、计算各变压器在各监测时间段的过载风险评估指数，，其中，/>表示自然常数。

本发明实施例通过根据过载电压计算过载风险评定补偿因子，从而计算过载风险评估指数，保障了过载风险分析结果的准确性，为后续变压器的风险等级和风险原因确认提供了可靠的数据支撑依据。

所述变压器工作温度风险分析模块，用于分析各变压器在各监测时间段的工作温度风险评估指数。

在本发明具体实施例中，所述分析各变压器在各监测时间段的工作温度风险评估指数，具体分析过程为：B1、根据图像信息，计算各变压器对应散热片的间距均匀度。

在本发明具体实施例中，所述计算各变压器对应散热片的间距均匀度，具体计算过程为：C1、以变压器的放油阀门的所在侧为变压器的右侧，将各散热片从左往右依次进行排序，并将各变压器的第一个散热片记为目标散热片，将其他各散热片记为各参照散热片。

C2、在各变压器的目标散热片中从上往下依次布设各监测点，记为各目标散热点，将各目标散热点映射至各参照散热片，得到各参照散热片中各目标散热点对应的映射点，进而获取各变压器的目标散热片中各目标散热点与各参照散热片中各目标散热点对应的映射点之间的距离，记为，其中,/>表示参照散热片的编号，/>，/>表示映射点的编号，/>。

C3、计算各变压器对应散热片的间距均匀度，,其中，/>和/>分别表示设定参照的水平方向的间距偏差和竖直方向的间距偏差，/>和/>分别表示设定的水平方向的间距偏差和竖直方向的间距偏差对应间距均匀度评估占比权重。

B2、从图像信息中提取各散热片的表面污垢处数目和各污垢处的面积，计算各变压器对应散热片的污垢度。

需要说明的是，所述计算各变压器对应散热片的污垢度，具体计算过程为：J1、将各变压器的各散热片的表面污垢处数目和各污垢处的面积分别记为和/>，其中/>表示污垢处的编号，/>。

J2、计算各变压器对应散热片的污垢度，,其中，/>和/>分别表示设定参照的污垢处数目和污垢处面积，/>和/>分别表示设定的污垢处数目和污垢处面积对应污垢度评估占比权重。

B3、从图像信息中提取各散热片的表面破损处数目和各破损处的面积，计算各变压器对应散热片的破损度。

需要说明的是，所述计算各变压器对应散热片的破损度，具体计算过程为：Q1、将各变压器的各散热片的表面破损处数目和各破损处的面积分别记为和/>，其中/>表示破损处的编号，/>。

Q2、计算各变压器对应散热片的破损度，，其中，/>和/>分别表示设定参照的破损处数目和破损处面积，/>和/>分别表示设定的破损处数目和破损处面积对应破损度评估占比权重。

B4、计算各变压器的散热性能影响因子，，其中，/>和/>分别表示设定参照的间距均匀度、污垢度和破损度，/>和/>分别表示设定的间距均匀度评估、污垢度评估和破损度评估对应散热性能影响因子占比权重。

B5、根据各变压器在各监测时间段的绝缘油温度，计算各变压器在各监测时间段的绝缘油温度风险评估指数。

需要说明的是，所述计算各变压器在各监测时间段的绝缘油温度风险评估指数，具体计算过程为：Y1、将各变压器在各监测时间段的绝缘油温度记为。

Y2、计算各变压器在各监测时间段的绝缘油温度风险评估指数，，其中，/>表示设定参照的第/>个变压器在第/>个监测时间段的绝缘油温度，/>表示设定参照的绝缘油温度差，/>表示设定的绝缘油温度风险评估修正因子。

B6、根据各变压器在各监测时间段的各部件的表面温度和环境的温度，计算各变压器在各监测时间段的部件温升风险系数。

在本发明具体实施例中，所述计算各变压器在各监测时间段的部件温升风险系数，具体计算过程为：D1、将各变压器在各监测时间段的各部件的表面温度与环境的温度进行作差，得到各变压器在各监测时间段的各部件的表面温度差。

D2、若某变压器在某监测时间段的某部件的表面温度差大于或者等于设定值，则将该部件记为异常部件，统计各变压器在各监测时间段的异常部件的数目，记为。

D3、将各变压器在各监测时间段的各部件的表面温度差进行均值计算，得到各变压器在各监测时间段的部件表面平均温度差，记为。

D4、计算各变压器在各监测时间段的部件温升风险系数，,其中，/>和/>分别表示设定参照的异常部件数目和部件表面温度差，/>和/>分别表示设定的异常部件数目和部件表面温度差对应部件温升风险评估占比权重。

B7、计算各变压器在各监测时间段的工作温度风险评估指数，，其中，/>和/>分别表示设定的绝缘油温度风险评估和部件温升风险评估对应工作温度风险评估占比权重。

本发明实施例通过计算绝缘油温度风险评估指数和部件温升风险系数，从而计算工作温度风险评估指数，提高了工作温度风险层面的分析的代表性，并且提高了工作温度风险结果确认的针对性，同时结合散热片的间距、污垢和破损情况进行变压器的散热性能影响因子分析，提高了变压器部件温升系数分析的合理性和可信度。

所述变压器油爆风险分析模块，用于分析各变压器在各监测时间段的油爆风险评估指数。

在本发明具体实施例中，所述分析各变压器在各监测时间段的油爆风险评估指数，具体分析过程为：E1、根据各变压器在各监测时间段内环境的含油量、温度和湿度，计算各变压器在各监测时间段对应环境层面的油爆风险评估指数。

需要说明的是，所述计算各变压器在各监测时间段对应环境层面的油爆风险评估指数，具体计算过程为：R1、将各变压器在各监测时间段内环境的含油量、温度和湿度分别记为和/>。

R2、计算各变压器在各监测时间段对应环境层面的油爆风险评估指数，。

其中，和/>分别表示设定参照的含油量、温度和湿度，/>和/>分别表示设定的含油量、温度和湿度对应环境层面的油爆风险评估占比权重。

E2、从图像信息中提取油箱表面在各监测时间段的各油渍区域的面积和颜色，据此计算各变压器在各监测时间段对应油漏层面的油爆风险评估指数。

在本发明具体实施例中，所述计算各变压器在各监测时间段对应油漏层面的油爆风险评估指数，具体计算过程为：F1、将各变压器的油箱表面在各监测时间段的各油渍区域的颜色与云数据库中存储的易爆油渍的颜色集合进行对比，若某油渍区域的颜色与易爆油渍的颜色集合内的某颜色一致，则将该油渍区域记为易爆油渍区域，统计各变压器的油箱表面在各监测时间段的易爆油渍区域数目，记为。

F2、将各变压器的油箱表面在各监测时间段的各油渍区域的面积记为，其中，表示油渍区域的编号，/>。/>

F3、计算各变压器在各监测时间段对应油漏层面的油爆风险评估指数，。

其中，表示油渍区域的数目，/>和/>分别表示设定参照的易爆油渍区域数目占比和油渍区域面积，/>和/>分别表示设定的易爆油渍区域数目占比和油渍区域面积对应油漏层面的油爆风险评估占比权重。

E3、计算各变压器在各监测时间段的油爆风险评估指数，，其中，/>和/>分别表示设定的环境层面和油漏层面对应的油爆风险评估占比权重。

本发明实施例通过结合油箱油渍区域的面积和颜色以及环境情况进行油爆风险评估指数分析，提高了油爆风险分析的可靠性，最大程度上降低了变压器运行时的油爆安全隐患，从而保障了人们的生命财产安全。

所述变压器风险等级确认模块，用于确认各变压器在各监测时间段的风险等级，其中,风险等级包括一级风险、二级风险和三级风险，且一级风险>二级风险>三级风险。

在本发明具体实施例中，所述确认各变压器在各监测时间段的风险等级，具体确认过程为：G1、计算各变压器在各监测时间段的运行风险评估指数，，其中，/>和/>分别表示设定的过载风险评估、工作温度风险评估和油爆风险评估对应运行风险评估占比权重。

G2、将各变压器在各监测时间段的运行风险评估指数与云数据库中存储的各风险等级对应的运行风险评估指数区间进行对比，进而得到各变压器在各监测时间段的风险等级。

所述云数据库，用于存储各型号变压器的额定承载负荷，存储易爆油渍的颜色集合，并存储各风险等级对应的运行风险评估指数区间。

所述电网风险预警通知单生成终端，用于当某变压器在某监测时间段的风险等级为一级风险，则将该变压器记为预警变压器，该监测时间段记为预警时间段，确认预警变压器在预警时间段的主要风险原因，并根据预警变压器的编号和预警变压器在预警时间段的主要风险原因生成变压器预警通知单。

在本发明具体实施例中，所述确认预警变压器在预警时间段的主要风险原因，具体确认过程为：H1、提取预警变压器在预警时间段的过载风险评估指数、工作温度风险评估指数和油爆风险评估指数，并分别记为、/>和/>。

H2、将、/>和/>导入主要风险原因模型中，输出预警变压器在预警时间段的主要风险原因，其中，/>分别表示各主要风险原因评估条件，/>表示且/>成立，/>表示/>且成立，/>表示/>且/>成立，/>表示且/>成立，/>表示/>且成立，/>表示/>且/>成立，/>、/>和/>分别表示设定参照的过载风险评估指数、工作温度风险评估指数和油爆风险评估指数。

分别表示设定参照的过载风险评估指数、工作温度风险评估指数和油爆风险评估指数。

本发明实施例通过过载风险层面、工作温度风险层面和油爆风险层面计算变压器运行风险评估指数，并确认变压器的风险等级和风险原因，有效解决了当前对变压器的温升情况、承载电压和油爆风险层面进行预警通知方式中存在的局限性，实现了变压器预警通知的多维度分析，提高了变压器预警通知分析的覆盖面，降低了风险等级和风险原因分析的误差性，且确保了电网风险处理的及时性和实时性，从而提高了电网风险预警处理的效率。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种电网风险预警通知单智能生成***，其特征在于,包括:

变压器信息采集模块，用于提取目标变电站内各变压器的编号和型号，并采集各变压器在各监测时间段的承载负荷、承载电压、绝缘油温度和各部件的表面温度，同时采集各变压器的图像，得到各变压器的图像信息；

环境信息采集模块，用于采集各变压器在各监测时间段内环境的含油量、温度和湿度；

变压器过载风险分析模块，用于分析各变压器在各监测时间段的过载风险评估指数，其中,/>表示变压器的编号，/>，/>表示监测时间段的编号，/>；

变压器工作温度风险分析模块，用于分析各变压器在各监测时间段的工作温度风险评估指数；

变压器油爆风险分析模块，用于分析各变压器在各监测时间段的油爆风险评估指数；

变压器风险等级确认模块，用于确认各变压器在各监测时间段的风险等级，其中,风险等级包括一级风险、二级风险和三级风险，且一级风险>二级风险>三级风险；

云数据库，用于存储各型号变压器的额定承载负荷，存储易爆油渍的颜色集合，并存储各风险等级对应的运行风险评估指数区间；

电网风险预警通知单生成终端，用于当某变压器在某监测时间段的风险等级为一级风险，则将该变压器记为预警变压器，该监测时间段记为预警时间段，确认预警变压器在预警时间段的主要风险原因，并根据预警变压器的编号和预警变压器在预警时间段的主要风险原因生成变压器预警通知单。

2.根据权利要求1所述的一种电网风险预警通知单智能生成***，其特征在于：所述分析各变压器在各监测时间段的过载风险评估指数，具体分析过程为：

A1、将各变压器在各监测时间段的承载负荷和承载电压分别记为和/>；

A2、根据各变压器的型号，从云数据库中定位出各变压器所属型号的额定承载负荷，记为；

A3、计算各变压器在各监测时间段的过载风险评定补偿因子，，其中，/>表示设定参照的第/>个变压器在第/>个监测时间段的承载电压，/>表示设定参照的承载电压偏差；

A4、计算各变压器在各监测时间段的过载风险评估指数，/>，其中，/>表示自然常数。

3.根据权利要求2所述的一种电网风险预警通知单智能生成***，其特征在于：所述图像信息包括各散热片的表面污垢处数目、各污垢处的面积、表面破损处数目和各破损处的面积以及油箱表面在各监测时间段的各油渍区域的面积和颜色。

4.根据权利要求3所述的一种电网风险预警通知单智能生成***，其特征在于：所述分析各变压器在各监测时间段的工作温度风险评估指数，具体分析过程为：

B1、根据图像信息，计算各变压器对应散热片的间距均匀度；

B2、从图像信息中提取各散热片的表面污垢处数目和各污垢处的面积，计算各变压器对应散热片的污垢度；

B3、从图像信息中提取各散热片的表面破损处数目和各破损处的面积，计算各变压器对应散热片的破损度；

B4、计算各变压器的散热性能影响因子，/>，其中，/>和/>分别表示设定参照的间距均匀度、污垢度和破损度，/>和/>分别表示设定的间距均匀度评估、污垢度评估和破损度评估对应散热性能影响因子占比权重；

B5、根据各变压器在各监测时间段的绝缘油温度，计算各变压器在各监测时间段的绝缘油温度风险评估指数；

B6、根据各变压器在各监测时间段的各部件的表面温度和环境的温度，计算各变压器在各监测时间段的部件温升风险系数；

B7、计算各变压器在各监测时间段的工作温度风险评估指数，，其中，/>和/>分别表示设定的绝缘油温度风险评估和部件温升风险评估对应工作温度风险评估占比权重。

5.根据权利要求4所述的一种电网风险预警通知单智能生成***，其特征在于：所述计算各变压器对应散热片的间距均匀度，具体计算过程为：

C1、以变压器的放油阀门的所在侧为变压器的右侧，将各散热片从左往右依次进行排序，并将各变压器的第一个散热片记为目标散热片，将其他各散热片记为各参照散热片；

C2、在各变压器的目标散热片中从上往下依次布设各监测点，记为各目标散热点，将各目标散热点映射至各参照散热片，得到各参照散热片中各目标散热点对应的映射点，进而获取各变压器的目标散热片中各目标散热点与各参照散热片中各目标散热点对应的映射点之间的距离，记为，其中,/>表示参照散热片的编号，/>，/>表示映射点的编号，/>；

C3、计算各变压器对应散热片的间距均匀度，,其中，/>和/>分别表示设定参照的水平方向的间距偏差和竖直方向的间距偏差，/>和/>分别表示设定的水平方向的间距偏差和竖直方向的间距偏差对应间距均匀度评估占比权重。

6.根据权利要求4所述的一种电网风险预警通知单智能生成***，其特征在于：所述计算各变压器在各监测时间段的部件温升风险系数，具体计算过程为：

D1、将各变压器在各监测时间段的各部件的表面温度与环境的温度进行作差，得到各变压器在各监测时间段的各部件的表面温度差；

D2、若某变压器在某监测时间段的某部件的表面温度差大于或者等于设定值，则将该部件记为异常部件，统计各变压器在各监测时间段的异常部件的数目，记为；

D3、将各变压器在各监测时间段的各部件的表面温度差进行均值计算，得到各变压器在各监测时间段的部件表面平均温度差，记为;

D4、计算各变压器在各监测时间段的部件温升风险系数，,其中，/>和/>分别表示设定参照的异常部件数目和部件表面温度差，/>和/>分别表示设定的异常部件数目和部件表面温度差对应部件温升风险评估占比权重。

7.根据权利要求3所述的一种电网风险预警通知单智能生成***，其特征在于：所述分析各变压器在各监测时间段的油爆风险评估指数，具体分析过程为：

E1、根据各变压器在各监测时间段内环境的含油量、温度和湿度，计算各变压器在各监测时间段对应环境层面的油爆风险评估指数；

E2、从图像信息中提取油箱表面在各监测时间段的各油渍区域的面积和颜色，据此计算各变压器在各监测时间段对应油漏层面的油爆风险评估指数；

E3、计算各变压器在各监测时间段的油爆风险评估指数，/>，其中，/>和/>分别表示设定的环境层面和油漏层面对应的油爆风险评估占比权重。

8.根据权利要求7所述的一种电网风险预警通知单智能生成***，其特征在于：所述计算各变压器在各监测时间段对应油漏层面的油爆风险评估指数，具体计算过程为：

F1、将各变压器的油箱表面在各监测时间段的各油渍区域的颜色与云数据库中存储的易爆油渍的颜色集合进行对比，若某油渍区域的颜色与易爆油渍的颜色集合内的某颜色一致，则将该油渍区域记为易爆油渍区域，统计各变压器的油箱表面在各监测时间段的易爆油渍区域数目，记为；

F2、将各变压器的油箱表面在各监测时间段的各油渍区域的面积记为，其中，/>表示油渍区域的编号，/>；

F3、计算各变压器在各监测时间段对应油漏层面的油爆风险评估指数，；

其中，表示油渍区域的数目，/>和/>分别表示设定参照的易爆油渍区域数目占比和油渍区域面积，/>和/>分别表示设定的易爆油渍区域数目占比和油渍区域面积对应油漏层面的油爆风险评估占比权重。

9.根据权利要求1所述的一种电网风险预警通知单智能生成***，其特征在于：所述确认各变压器在各监测时间段的风险等级，具体确认过程为：

G1、计算各变压器在各监测时间段的运行风险评估指数，，其中，/>和/>分别表示设定的过载风险评估、工作温度风险评估和油爆风险评估对应运行风险评估占比权重；

G2、将各变压器在各监测时间段的运行风险评估指数与云数据库中存储的各风险等级对应的运行风险评估指数区间进行对比，进而得到各变压器在各监测时间段的风险等级。

10.根据权利要求1所述的一种电网风险预警通知单智能生成***，其特征在于：所述确认预警变压器在预警时间段的主要风险原因，具体确认过程为：

H1、提取预警变压器在预警时间段的过载风险评估指数、工作温度风险评估指数和油爆风险评估指数，并分别记为、/>和/>；

H2、将、/>和/>导入主要风险原因模型/>中，输出预警变压器在预警时间段的主要风险原因，其中，/>分别表示各主要风险原因评估条件；

表示/>且/>成立；

表示/>且/>成立；

表示/>且/>成立；

表示/>且/>成立;

表示/>且/>成立；

表示/>且/>成立；

、/>和/>分别表示设定参照的过载风险评估指数、工作温度风险评估指数和油爆风险评估指数。