高寒高海拔箱式变压器凝露触发放电风险识别与除湿联动控制方法及系统与流程

本发明涉及电力设备状态监测，具体而言，涉及一种高寒高海拔箱式变压器凝露触发放电风险识别与除湿联动控制方法及系统。

背景技术：

1、高寒高海拔地区昼夜温差极大、空气稀薄且湿度波动剧烈，箱式变压器因密封不良与呼吸效应极易在柜体内部形成凝露，导致绝缘件受潮、沿面闪络并可能触发放电故障。目前，针对箱式变压器凝露的除湿控制普遍依赖柜内单点温湿度传感器监测，采用固定阈值启停加热器或除湿机的方式运行；对于凝露触发放电风险的识别，也多基于环境参数的经验判据或周期性人工巡检，并未将电气量、设备温度、操作事件及系统级事件链等多源信息纳入联合分析。此类方法难以捕捉凝露诱发的局部放电早期征兆，除湿装置无法依据实际绝缘风险进行精准联动控制，在高寒高海拔恶劣工况下常出现除湿滞后或无效运行，误报与漏报频繁，威胁供电可靠性。

2、为提升对设备状态的感知能力，已有研究将数字孪生技术引入电力设备状态评估，试图通过构建虚拟模型反映物理实体的运行行为。然而，现有箱式变压器数字孪生方法普遍基于固定的历史工况进行训练，并未针对高寒高海拔环境下连续监测数据与离散事件记录之间的多源异构性、时序失配与缺失异常等突出问题加以处理；且模型部署后难以根据环境突变、新负荷模式或新型凝露温升特征进行自主调整，缺乏对模型可信度的在线量化评估以及基于多源证据的自进化更新能力，导致孪生模型在工况漂移时输出结果的可信边界溢出，无法为凝露触发放电风险识别和除湿联动控制提供持续、可靠的决策依据。因此，亟需一种能够融合多源异构数据、具有环境自适应性并保持可信度边界的凝露触发放电风险识别与除湿联动控制方法。

技术实现思路

1、本发明的目的在于提供一种高寒高海拔箱式变压器凝露触发放电风险识别与除湿联动控制方法及系统，旨在解决现有高寒高海拔箱式变压器凝露放电风险识别与除湿控制方法难以融合多源异构数据、缺乏环境自适应性及可信度评估，导致风险识别滞后且除湿控制失效的问题。

2、本发明通过以下技术方案实现：

3、一种高寒高海拔箱式变压器凝露触发放电风险识别与除湿联动控制方法，包括以下步骤：

4、获取箱式变压器运行过程中的多源异构监测数据，将多源异构监测数据通过统一时间基准对齐消除不同数据源之间的时钟偏差，对数据缺失、传感漂移及通信延迟异常进行联合补偿，构建时序一致的基础观测数据集；

5、根据基础观测数据集，建立涵盖凝露形成、电-热耦合温升和绝缘受潮退化的多物理场耦合状态方程；利用历史稳定运行样本与历史凝露及放电故障样本，训练并提取反映凝露诱发绝缘劣化及局部放电风险的判别性特征，生成与物理实体动态映射的初始孪生智能体及其状态空间表达；

6、根据孪生智能体输出的凝露相关状态预测值与实际监测量之间的残差，计算置信区间和模型可用度指标；当预测残差超出预设边界、可用度低于设定阈值，或者电气量、温度量、事件记录和事件链之间的证据一致性低于设定阈值时，判定孪生智能体处于不可信区域，并触发自进化更新；

7、将判定不可信的样本及其时间邻域样本构建为目标域数据集，将历史稳定运行样本、历史凝露及放电故障样本和已标定可信样本构建为源域数据集；将触发更新时刻的孪生智能体作为源域模型，通过迁移学习继承源域模型的基础时序特征提取和事件链编码能力，采用域对抗特征适配方式缩小源域模型与目标域在融合特征空间中的分布差异；冻结底层特征提取层，对状态融合层和输出决策层微调，并施加步长约束、收敛判据和多源证据一致性约束，使模型收敛至新可信状态边界，完成自进化更新；

8、利用更新后的孪生智能体实时输出绝缘健康度和凝露触发放电风险值，根据凝露触发放电风险值和当前环境参数生成除湿联动控制指令，对加热器或除湿机进行启停控制和功率调节，实现凝露防护与放电风险抑制的闭环联动。

9、可选地，所述统一时间基准对齐通过构建加权融合时间参考序列实现，如下式所示：

10、

11、其中，表示统一时间参考序列；表示网络时间协议时间戳；表示精密时间协议时间戳；表示卫星授时时间戳；、和分别表示对应授时源的权重系数，且满足，，，；

12、所述权重系数通过各授时源时间偏差标准差确定，如下式所示：

13、

14、其中，表示第类授时源的融合权重；表示第类授时源在统计窗口内的时间偏差标准差；基于统一时间参考序列对不同采样频率数据进行时间窗口重采样，如下式所示：

15、

16、其中，表示重采样后的数据；表示时间窗口内第个采样点的原始数据；表示时间窗口内采样点数量。

17、可选地，所述对数据缺失、传感漂移及通信延迟异常进行联合补偿包括：

18、对短时缺失数据采用插值重构方式进行恢复，如下式所示：

19、

20、其中，表示缺失时刻的恢复值；与分别表示缺失区间两端观测值；

21、对连续状态采用卡尔曼平滑方式修正，状态更新表达式为：

22、

23、

24、

25、

26、

27、其中，表示上一时刻状态估计值；表示当前时刻先验状态估计值；表示当前时刻后验状态估计值；表示状态转移矩阵；表示控制输入矩阵；表示外部控制输入；表示先验误差协方差矩阵；表示后验误差协方差矩阵；表示过程噪声协方差矩阵；表示卡尔曼增益；表示观测值；表示观测矩阵；表示观测噪声协方差矩阵；表示单位矩阵；

28、状态向量设置如下式所示：

29、

30、其中，表示电压状态；表示电流状态；表示功率状态；表示油温或绕组等效温度状态；表示环境温度状态；表示绝缘健康度状态；表示事件链状态编码。

31、可选地，在高寒高海拔场景下对过程噪声协方差矩阵和观测噪声协方差矩阵进行动态修正，如下式所示：

32、

33、

34、其中，表示动态修正后的过程噪声协方差矩阵；表示基准过程噪声协方差矩阵；表示动态修正后的观测噪声协方差矩阵；表示基准观测噪声协方差矩阵；表示环境温度变化量；表示海拔变化量；表示传感器波动强度；表示通信延迟统计量；、、和为对应的经验修正系数；

35、引入高海拔环境修正系数对换热系数进行修正，如下式所示：

36、

37、

38、其中，表示修正后的换热系数；表示标准海拔条件下的基准换热系数；表示高海拔环境修正系数；表示海拔和环境温度下的空气密度；表示标准大气条件下的空气密度；表示换热经验指数；表示箱变通风或自然风速；表示基准风速；表示风速修正系数。

39、可选地，所述多物理场耦合状态方程包括电-热耦合温升模型和绝缘状态退化模型，电-热耦合温升模型如下式所示：

40、

41、其中，表示热容参数；表示关键部位温度；表示时间；表示损耗功率；表示换热系数；表示散热面积；表示环境温度；表示流场扰动项；

42、绝缘状态退化模型如下式所示：

43、

44、

45、其中，表示时刻的绝缘健康度；表示初始绝缘健康度；表示温升退化系数；表示温升累积应力；表示时刻的关键部位温度；表示绝缘材料参考温度阈值；

46、构建孪生智能体状态空间表达，如下式所示：

47、

48、其中，表示时刻的孪生智能体状态空间表达；表示部件级特征；表示回路级特征；表示间隔级特征；表示事件链特征；表示状态融合映射函数。

49、可选地，所述计算置信区间包括：

50、计算模型预测残差并构建可信度边界，如下式所示：

51、

52、其中，表示时刻的模型预测残差；表示实际监测值；表示模型预测值；

53、可信度边界如下式所示：

54、

55、其中，表示可信度边界；表示残差均值；表示残差标准差；表示置信系数；

56、所述置信系数根据残差分布状态动态调整，如下式所示：

57、

58、其中，表示时刻的动态置信系数；表示基准置信系数；表示残差变异系数；表示残差偏度或异常波动统计量；表示事件风险等级；、和表示对应的权重系数。

59、可选地，所述计算模型可用度指标包括：

60、建立模型可用度指标，如下式所示：

61、

62、其中，表示模型可用度；表示统计窗口内超出可信度边界的样本数量；表示统计窗口内全部样本数量；

63、在多次内部扰动条件下分析模型输出一致性，如下式所示：

64、

65、其中，表示一致性指标；表示扰动试验次数；表示第次扰动下的模型输出；表示多次扰动输出的均值；表示扰动阈值；表示示性函数；

66、当满足超过预设阈值、低于预设可用度阈值或低于预设一致性阈值中的任意条件时，判定当前孪生智能体处于不可信区域并触发更新判定过程。

67、可选地，所述自进化更新中，模型更新总损失函数按下式构建：

68、

69、其中，为预测误差损失；为多源一致性损失；为正则化项；为域对抗损失；

70、所述预测误差损失按下式计算：

71、

72、其中，表示参与本次更新的样本数量；表示第个样本的实际标签、可信伪标签或历史确认状态；表示模型对第个样本的预测输出；

73、所述多源一致性损失按下式计算：

74、

75、其中，与分别表示不同数据源的输入；与分别表示对应数据源的特征映射函数；表示数据源与数据源之间的一致性权重，用于约束电气量、温度量、soe事件和站级事件链之间的状态证据一致性；

76、所述正则化项按下式计算：

77、

78、其中，表示当前更新后的模型参数；表示触发更新前源域模型的参数；

79、所述域对抗损失按下式计算：

80、

81、其中，表示特征提取器；表示域判别器；表示第个源域样本；表示第个目标域样本；与分别表示源域与目标域的样本数量。

82、可选地，所述自进化更新过程中，对模型参数施加步长约束并建立收敛判据；

83、模型参数更新增量按下式截断：

84、

85、模型参数按下式更新：

86、

87、其中，表示第次更新时的模型参数；表示第次更新时的参数增量；表示学习率；表示总损失函数对模型参数的梯度；表示步长约束上限；表示将梯度更新量限制在范围内的截断函数；

88、所述步长约束上限根据目标域样本一致性自适应确定，如下式所示：

89、

90、其中，表示基准步长上限；表示目标域样本在多次内部扰动下的输出一致性指标；表示调节系数；

91、所述收敛判据如下式所示：

92、

93、其中，与分别表示第次与第次迭代的损失值；表示收敛阈值；当连续多个更新周期均满足该收敛判据，且更新后模型在验证窗口内满足残差边界、一致性指标和模型可用度要求时，判定孪生智能体完成可信自进化更新。

94、基于同一发明构思，本发明还提供一种高寒高海拔箱式变压器凝露触发放电风险识别与除湿联动控制系统，用于实现所述的高寒高海拔箱式变压器凝露触发放电风险识别与除湿联动控制方法，包括：

95、多源数据同步与补偿模块，用于获取箱式变压器运行过程中的多源异构监测数据，通过统一时间基准对齐消除时钟偏差，并对数据缺失、传感漂移及通信延迟异常进行联合补偿，输出时序一致的基础观测数据集；

96、初始化模块，与所述多源数据同步与补偿模块连接，用于接收基础观测数据集，建立涵盖凝露形成、电-热耦合温升和绝缘受潮退化的多物理场耦合状态方程，利用历史稳定运行样本与历史凝露及放电故障样本训练并提取判别性特征，生成与物理实体动态映射的初始孪生智能体及其状态空间表达；

97、自进化触发模块，与所述初始化模块连接，用于根据孪生智能体输出的凝露相关状态预测值与实际监测量之间的残差计算置信区间和模型可用度指标，并评估电气量、温度量、事件记录和事件链之间的多源证据一致性，当预测残差超出预设边界、可用度低于设定阈值或证据一致性低于设定阈值时，判定孪生智能体处于不可信区域并发出自进化触发信号；

98、域自适应更新模块，与自进化触发模块连接，用于接收自进化触发信号，将判定不可信的样本及其时间邻域样本构建为目标域数据集，将历史稳定运行样本、历史凝露及放电故障样本和已标定可信样本构建为源域数据集，以触发更新时刻的孪生智能体作为源域模型，通过迁移学习继承源域模型的基础时序特征提取和事件链编码能力，采用域对抗特征适配方式缩小源域模型与目标域在融合特征空间中的分布差异，冻结底层特征提取层，对状态融合层和输出决策层进行微调，并施加步长约束、收敛判据和多源证据一致性约束，使模型收敛至新可信状态边界，完成自进化更新，输出更新后的孪生智能体参数；

99、风险识别模块，与所述域自适应更新模块连接，用于加载更新后的孪生智能体参数，实时计算并输出绝缘健康度和凝露触发放电风险值；

100、除湿联动控制模块，与所述风险识别模块连接，用于接收凝露触发放电风险值和当前环境参数，生成除湿联动控制指令，对加热器或除湿机进行启停控制和功率调节，实现凝露防护与放电风险抑制的闭环联动。

101、本发明的技术方案至少具有如下优点和有益效果：

102、通过统一时间基准对齐多源异构监测数据，并对数据缺失、传感漂移及通信延迟异常进行联合补偿，有效消除了高寒高海拔环境下连续监测数据与离散事件记录之间的时序失配与不一致性，构建了时序一致的基础观测数据集，提升了后续分析建模的数据质量与可靠性。

103、建立涵盖凝露形成、电-热耦合温升和绝缘受潮退化的多物理场耦合状态方程，并利用历史稳定运行与故障样本提取判别性特征，生成的初始孪生智能体能够深度融合环境量、电气量、设备温度和事件链等多源信息，克服了仅依赖柜内单点温湿度监测的局限，可更早、更准确地捕捉凝露诱发绝缘劣化及局部放电的早期征兆。

104、通过预测残差计算置信区间和模型可用度指标，并结合电气量、温度量、事件记录及事件链之间的多源证据一致性进行可信度在线量化评估，当孪生智能体进入不可信区域时自动触发自进化更新，解决了传统数字孪生模型在工况漂移时输出可信边界溢出的问题，确保模型在环境突变、新负荷模式等复杂条件下始终维持可靠的风险识别能力。

105、采用迁移学习与域对抗特征适配实现自进化更新，将触发更新时刻的孪生智能体作为源域模型，继承其基础时序特征提取与事件链编码能力，并对状态融合层与输出决策层进行微调，同时施加步长约束、收敛判据和多源证据一致性约束，使模型快速收敛至新可信状态边界，既能充分利用已有知识，又能有效适应目标域数据分布差异，实现了箱式变压器孪生智能体在多变工况下的持续自主进化。

106、基于实时更新的孪生智能体输出的绝缘健康度和凝露触发放电风险值，结合当前环境参数生成除湿联动控制指令，动态调节加热器或除湿机的启停与功率，实现了除湿控制与真实绝缘风险的精准联动。相比固定阈值启停方式，避免了除湿滞后或无效运行，降低误报与漏报概率，在高寒高海拔恶劣工况下有效抑制了凝露引发的绝缘闪络及放电故障，保障了供电可靠性。