一种基于气体浓度时序数据的变压器故障预警方法

技术领域

本发明涉及变压器故障诊断技术领域，具体而言，涉及一种基于气体浓度时序数据的变压器故障预警方法。

背景技术

电力变压器承担着电能输送和电压转换的任务，是电力系统内最核心的设备之一，其运行状态影响着整个系统的可靠性。油中溶解气体分析(Dissolved Gas Analysis,DGA)被证明是世界范围内诊断油浸式电力变压器内部故障的有效手段，可灵敏识别油浸式变压器的内部故障。

变压器在正常运行状态和故障状态时，气体浓度时序数据会呈现不同的变化规律，挖掘正常运行状态时的气体浓度数据变化规律，在该规律发生变化时发出信号，即可达到预警的目的。

现有变压器故障预警方法均是采用多个变压器的溶解气体浓度对故障预测模型进行训练，从而得到变压器的预测故障，并进行报警，但是由于每个变压器是独立的个体，不同变压器内部溶解气体浓度存在差异，因此，采用其他的变压器的溶解气体浓度训练出的故障预测模型，存在变压器故障诊断精确度低，对变压器存在误故障报警的问题。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于气体浓度时序数据的变压器故障预警方法解决了现有变压器故障预警方法存在变压器故障诊断精确度低，对变压器存在误故障报警的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于气体浓度时序数据的变压器故障预警方法，包括以下步骤：

S1、采集待诊断变压器正常状态下的油中溶解气体浓度，得到每种类型的油中溶解气体的浓度时序数据；

S2、计算每种类型的油中溶解气体的浓度时序数据与时间变量的互信息值，得到每种类型的油中溶解气体对应的互信息值序列；

S3、根据每种类型的油中溶解气体对应的互信息值序列，构建并优化互信息值预测模型，预测下一监测时刻各类型的油中溶解气体的互信息值的上下阈值；

S4、在获得下一监测时刻各类型的油中溶解气体的浓度后，构建监测气体的浓度时序数据；

S5、计算监测气体的浓度时序数据与时间变量的互信息值，在监测气体的浓度时序数据与时间变量的互信息值超过上下阈值范围时，进行变压器故障报警。

进一步地，所述步骤S1中油中溶解气体浓度包括：H

所述步骤S1具体为：

以时刻t为起始时刻，每一种类型的油中溶解气体采集100个浓度值，将100个浓度值分为10组，构成每种类型的油中溶解气体的浓度时序数据为：C

进一步地，所述步骤S2包括以下分步骤：

S21、计算每种类型的油中溶解气体的浓度时序数据与时间变量的互信息值；

S22、将属于同种油中溶解气体类型的多个互信息值构建为互信息值序列，互信息值序列具体为{MI

进一步地，所述步骤S21中互信息值的计算公式为：

其中，MI

进一步地，所述步骤S21中互信息值的计算公式为：

MI

其中，MI

进一步地，所述步骤S3包括以下分步骤：

S31、采用非参数回归方法分别对每种类型的油中溶解气体对应的互信息值序列进行拟合处理，得到每种类型的油中溶解气体的互信息值上限序列和下限序列；

S32、将每种类型的油中溶解气体的互信息值上限序列和下限序列构建为训练数据集；

S33、采用训练数据集训练核极限学习机，得到互信息值预测模型；

S34、采用群体搜索优化方法对互信息值预测模型的参数进行优化，得到优化互信息值预测模型；

S35、采用优化互信息值预测模型预测下一监测时刻各种类型的油中溶解气体浓度与时间的互信息值的上阈值和下阈值。

进一步地，所述步骤S5包括以下分步骤：

S51、计算监测气体的浓度时序数据与时间变量的互信息值；

S52、在监测气体的浓度时序数据与时间变量的互信息值大于上阈值或者小于下阈值时，进行变压器故障预警。

进一步地，所述步骤S51中互信息值的计算公式为：

其中，MI′

进一步地，所述步骤S51中互信息值的计算公式为：

MI′

其中，MI′

本发明实施例的技术方案至少具有如下优点和有益效果：

本发明采用待诊断变压器正常状态下的油中溶解气体浓度，构建浓度时序数据，基于浓度时序数据得到互信息值序列，通过互信息值序列训练互信息值预测模型，通过互信息值预测模型预测待诊断变压器下一监测时刻油中溶解气体的互信息值的上下阈值，判断下一时刻的浓度时序数据与时间变量的互信息值是否在上下阈值范围内，若是，则下一监测时刻的待诊断变压器是正常的，若否，则下一监测时刻的待诊断变压器已经存在故障，通过待诊断变压器正常状态的浓度数据诊断下一监测时刻待诊断变压器的故障情况，解决了由于个体差异，造成变压器故障诊断精确度低，对变压器存在误故障报警的问题。

附图说明

图1为一种基于气体浓度时序数据的变压器故障预警方法的流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

如图1所示，一种基于气体浓度时序数据的变压器故障预警方法，包括以下步骤：

S1、采集待诊断变压器正常状态下的油中溶解气体浓度，得到每种类型的油中溶解气体的浓度时序数据；

所述步骤S1中油中溶解气体浓度包括：H

所述步骤S1具体为：

以时刻t为起始时刻，每一种类型的油中溶解气体采集100个浓度值，将100个浓度值分为10组，构成每种类型的油中溶解气体的浓度时序数据为：C

S2、计算每种类型的油中溶解气体的浓度时序数据与时间变量的互信息值，得到每种类型的油中溶解气体对应的互信息值序列；

所述步骤S2包括以下分步骤：

S21、计算每种类型的油中溶解气体的浓度时序数据与时间变量的互信息值；

在本实施例中，互信息值包括两种计算方式，第一种：

所述步骤S21中互信息值的计算公式为：

其中，MI

第二种：

所述步骤S21中互信息值的计算公式为：

MI

其中，MI

S22、将属于同种油中溶解气体类型的多个互信息值构建为互信息值序列，互信息值序列具体为{MI

S3、根据每种类型的油中溶解气体对应的互信息值序列，构建并优化互信息值预测模型，预测下一监测时刻各类型的油中溶解气体的互信息值的上下阈值；

所述步骤S3包括以下分步骤：

S31、采用非参数回归方法分别对每种类型的油中溶解气体对应的互信息值序列进行拟合处理，得到每种类型的油中溶解气体的互信息值上限序列和下限序列；

在本实施例中，在拟合处理后，得到拟合曲线，通过设置分界直线，将拟合曲线进行划分，位于分界直线以上的点对应的数据构成互信息值上限序列，位于分界直线以下的点对应的数据构成互信息值下限序列。

S32、将每种类型的油中溶解气体的互信息值上限序列和下限序列构建为训练数据集；

S33、采用训练数据集训练核极限学习机，得到互信息值预测模型；

S34、采用群体搜索优化方法对互信息值预测模型的参数进行优化，得到优化互信息值预测模型；

S35、采用优化互信息值预测模型预测下一监测时刻各种类型的油中溶解气体浓度与时间的互信息值的上阈值和下阈值。

S4、在获得下一监测时刻各类型的油中溶解气体的浓度后，构建监测气体的浓度时序数据；

S5、计算监测气体的浓度时序数据与时间变量的互信息值，在监测气体的浓度时序数据与时间变量的互信息值超过上下阈值范围时，进行变压器故障报警。

所述步骤S5包括以下分步骤：

S51、计算监测气体的浓度时序数据与时间变量的互信息值；

在本实施例中，互信息值包括两种计算方式，第一种：

所述步骤S51中互信息值的计算公式为：

其中，MI′

第二种：

所述步骤S51中互信息值的计算公式为：

MI′

其中，MI′

S52、在监测气体的浓度时序数据与时间变量的互信息值大于上阈值或者小于下阈值时，进行变压器故障预警。

本发明实施例的技术方案至少具有如下优点和有益效果：

本发明采用待诊断变压器正常状态下的油中溶解气体浓度，构建浓度时序数据，基于浓度时序数据得到互信息值序列，通过互信息值序列训练互信息值预测模型，通过互信息值预测模型预测待诊断变压器下一监测时刻油中溶解气体的互信息值的上下阈值，判断下一时刻的浓度时序数据与时间变量的互信息值是否在上下阈值范围内，若是，则下一监测时刻的待诊断变压器是正常的，若否，则下一监测时刻的待诊断变压器已经存在故障，通过待诊断变压器正常状态的浓度数据诊断下一监测时刻待诊断变压器的故障情况，解决了由于个体差异，造成变压器故障诊断精确度低，对变压器存在误故障报警的问题。

实验：以某安装了油色谱在线监测装置的变压器为例，选取其2020-09-01至2020-09-30连续30天的数据(每天采样1次)，从09-30当天采样的数据向前取数据，每10个数据为1组，取10组，按照上述提出的预警方法进行处理，选取H

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。