一种基于等效实验弧压梯度的套管内部电弧能量动态估算方法、系统、设备及存储介质与流程

摘要: 本发明涉及变压器套管故障分析领域,尤其涉及一种基于等效实验弧压梯度的套管内部电弧能量动态估算方法、系统、设备及存储介质。背景技术:1、油浸式套管是电力变压器等关...
一种基于等效实验弧压梯度的套管内部电弧能量动态估算方法、系统、设备及存储介质与流程

本发明涉及变压器套管故障分析领域,尤其涉及一种基于等效实验弧压梯度的套管内部电弧能量动态估算方法、系统、设备及存储介质。

背景技术:

1、油浸式套管是电力变压器等关键设备的核心绝缘部件,其内部电弧故障是引发设备爆炸和电网事故的主要诱因。套管内部电弧具有能量集中、温升剧烈、发展速度极快的特点。电弧瞬时高温会快速裂解绝缘油,产生大量气泡,气泡在密闭油腔中极速膨胀、形变并挤压周围油介质,形成强瞬态冲击压力。套管内部发生电弧故障时,电弧能量迅速释放导致绝缘油汽化,产生剧烈压力升高,若不能及时估算电弧能量,将造成套管炸裂、设备损毁甚至人身伤亡。准确计算电弧能量是评估套管爆裂压力的前提,在套管内部电弧故障的物理演化中,电弧能量的释放速率决定了绝缘油的气化速率,电弧能量的累积量决定了腔体压力的峰值,电弧能量的空间分布决定了局部热应力的集中程度。因此,电弧能量计算的精度直接决定了故障定级和保护决策的可靠性。若电弧能量的计算出现数量级偏差,则基于此的一切保护策略都将失去意义。

2、目前行业内普遍采用恒定弧压模型或简单的经验公式来估算电弧能量。然而,在套管这种密闭空间内,随着电弧燃烧,高压气体对弧柱的压缩作用会导致电弧的弧压梯度发生剧烈变化。采用恒定值会导致能量估算产生数量级的误差,但直接在套管高压核心区内置传感器面临绝缘击穿和电磁干扰。具体的,现有套管内部电弧能量估算方法主要存在以下缺陷:现有方法普遍采用静态查表法或经验公式,弧压梯度被视为恒定值或仅与电流和时间挂钩,忽略了电弧燃烧过程中弧压梯度的动态变化,无法真实反映电弧的动态燃烧特性,导致弧压梯度被系统性低估,能量估算误差可达数倍乃至一个数量级;电弧能量计算与弧压梯度彼此割裂,缺乏从外部电气量到内部电弧能量的完整实时计算方法,导致保护系统既无法实时评估故障发展态势,也无法建立弧压梯度和电弧能量的动态关系,分级保护决策无从实施;纯数据驱动的神经网络方法缺乏物理约束,在小样本条件下极易过拟合,且输出可能违背电弧能量单调不减等基本物理定律,泛化能力和工程可信度严重不足。

技术实现思路

1、鉴于上述存在的问题,本发明提供一种基于等效实验弧压梯度的套管内部电弧能量动态估算方法、系统、设备及存储介质。

2、因此,本发明解决的技术问题是:克服现有套管内部电弧能量估算中因采用恒定弧压假设而导致能量计算存在数量级误差、且缺乏从外部电气量到内部电弧能量动态实时映射方法的缺陷,提供一种基于等效实验弧压梯度的动态估算方法,以实现高精度、物理可解释的套管内部电弧能量在线监测。

3、为解决上述技术问题,本发明提供如下技术方案:

4、第一方面,本发明提供了一种基于等效实验弧压梯度的套管内部电弧能量动态估算方法,包括:

5、构建缩比等效实验平台并触发内部受控电弧,形成放电实验回路;

6、在放电实验回路上,通过高压探头和罗氏线圈同步采集外部端口处的电压和电流;

7、根据放电实验回路的参数构建回路等效电路模型,结合采集的电压电流剥离杂散分量,还原内部瞬态电弧电压,计算电弧电压梯度;

8、以电弧电压梯度为输入、电弧能量为标注,对电压电流去噪和窗口分割,划分训练集、验证集、测试集并增强训练集,形成标准化时序数据集;

9、利用标准化数据集构建物理信息神经网络,建立弧压梯度到能量的时序映射;

10、基于时序映射关系,将能量单调不减的物理约束转化为残差项,与拟合损失和平滑性损失加权求和为复合损失;

11、利用训练集和验证集,对包含复合损失的网络迭代训练至收敛,得到估算模型;

12、现场采集电压电流,还原电压并计算弧压梯度,输入估算模型,输出内部瞬态电弧能量。

13、作为一种基于等效实验弧压梯度的套管内部电弧能量动态估算方法的一种优选方案,其中:

14、所述构建缩比等效实验平台并触发内部受控电弧,形成放电实验回路,包括:

15、构建与真型套管具有几何相似性和物理介质一致性的缩比等效实验平台,并在实验平台内部触发受控电弧故障,形成放电实验回路。

16、作为一种基于等效实验弧压梯度的套管内部电弧能量动态估算方法的一种优选方案,其中:

17、所述根据放电实验回路的参数构建回路等效电路模型,结合采集的电压电流剥离杂散分量,还原内部瞬态电弧电压,计算电弧电压梯度,包括:

18、根据放电实验回路的实际元件参数与线路阻抗,构建回路等效电路模型,等效电路模型包含回路固有参数;

19、将采集到的外部端口电压代入等效电路模型,从中剔除由回路固有参数引起的压降分量,还原出套管内部瞬态电弧电压;

20、将内部瞬态电弧电压除以电弧间隙长度,得到电弧电压梯度。

21、作为一种基于等效实验弧压梯度的套管内部电弧能量动态估算方法的一种优选方案,其中:

22、所述以电弧电压梯度为输入、电弧能量为标注,对电压电流去噪和窗口分割,划分训练集、验证集、测试集并增强训练集,形成标准化时序数据集,包括:

23、以计算得到的电弧电压梯度作为输入特征,以采集获取的电弧能量作为标注目标,对采集到的原始电压信号和电流信号进行去噪处理;

24、采用滑动窗口对去噪后的时序数据进行分割,形成多个等长样本片段;

25、将所有样本片段划分为训练集、验证集和测试集,并对训练集进行数据增强,形成标准化时序样本数据集。

26、作为一种基于等效实验弧压梯度的套管内部电弧能量动态估算方法的一种优选方案,其中:

27、所述利用标准化数据集构建物理信息神经网络,建立弧压梯度到能量的时序映射,包括:

28、利用标准化时序数据集构建物理信息神经网络,物理信息神经网络以电弧电压梯度为输入,以电弧能量为输出,通过网络建立电弧电压梯度到电弧能量的时序映射关系。

29、作为一种基于等效实验弧压梯度的套管内部电弧能量动态估算方法的一种优选方案,其中:

30、所述物理信息神经网络包含特征提取部分、时序建模部分和输出部分,其中特征提取部分用于捕获输入序列中不同时间尺度的局部时序特征,时序建模部分用于挖掘输入序列的上下文时序依赖关系,输出部分用于将提取的时序特征映射为对应时刻的电弧能量预测值。

31、作为一种基于等效实验弧压梯度的套管内部电弧能量动态估算方法的一种优选方案,其中:

32、所述基于时序映射关系,将能量单调不减的物理约束转化为残差项,与拟合损失和平滑性损失加权求和为复合损失,包括:

33、在时序映射关系的基础上,引入电弧能量随时间推移单调不减的物理约束;将物理约束转化为对相邻时刻能量预测值下降趋势的残差惩罚项;

34、构建数据拟合损失项,约束网络输出的能量预测值逼近实验获取的能量标注值;

35、构建平滑性损失项,约束网络输出的能量序列避免高频抖动和虚假波动;

36、将物理约束残差惩罚项、数据拟合损失项和平滑性损失项加权求和,形成复合损失函数。

37、第二方面,本发明提供了一种基于等效实验弧压梯度的套管内部电弧能量动态估算系统,包括:

38、缩比实验构建模块,用于构建缩比等效实验平台并触发内部受控电弧,形成放电实验回路;

39、同步采集模块,用于在放电实验回路上,通过高压探头和罗氏线圈同步采集外部端口处的电压和电流;

40、弧压梯度提取模块,用于根据放电实验回路的参数构建回路等效电路模型,结合采集的电压电流剥离杂散分量,还原内部瞬态电弧电压,计算电弧电压梯度;

41、标准化时序数据集构建模块,用于以电弧电压梯度为输入、电弧能量为标注,对电压电流去噪和窗口分割,划分训练集、验证集、测试集并增强训练集,形成标准化时序数据集;

42、物理信息神经网络构建模块,用于利用标准化数据集构建物理信息神经网络,建立弧压梯度到能量的时序映射;

43、复合损失函数构建模块,用于基于时序映射关系,将能量单调不减的物理约束转化为残差项,与拟合损失和平滑性损失加权求和为复合损失;

44、估算模型训练模块,用于利用训练集和验证集,对包含复合损失的网络迭代训练至收敛,得到估算模型;

45、在线估算应用模块,用于现场采集电压电流,还原电压并计算弧压梯度,输入估算模型,输出内部瞬态电弧能量。

46、第三方面,本发明提供了一种计算机设备,包括:

47、存储器和处理器;

48、所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现基于等效实验弧压梯度的套管内部电弧能量动态估算方法的步骤。

49、第四方面,本发明提供了一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现基于等效实验弧压梯度的套管内部电弧能量动态估算方法的步骤。

50、本发明的有益效果:本发明首次建立了基于电弧电压梯度的电弧能量的动态估算模型,改变了传统能量计算中“弧压恒定”的简化假设。弧压梯度增大加速能量释放的正反馈过程,使最终能量的估算精度大幅提升,为套管内部故障早期预警提供了可靠的依据。规避了在套管内部安装热力学传感器的绝缘风险与结构改造难题。仅需处理外部端口的电压、电流信号,即可通过算法逻辑层实现对内部能量的估算,硬件实施成本较低,既保障了设备原有的绝缘可靠性,又显著降低了工程应用门槛;实现了“信号采集-动态计算-模型应用”的套管内部的故障预警流程,有效解决了不同容量、不同结构套管的故障差异化,具有较高的套管运维检修价值。利用深度学习算法,基于缩比等效实验采集的多组实测数据,建立电弧电压梯度到电弧能量的计算模型,实现仅凭电压梯度信号即可高精度估算电弧能量的目标,从而降低传感器配置要求,提升系统工程可行性和应用价值。