变压器抗短路能力可靠性测试方法及系统与流程

本技术属于测试领域，尤其涉及一种变压器抗短路能力可靠性测试方法及系统。

背景技术：

1、电力变压器是电网运行中的核心枢纽设备，其稳定性与可靠性直接关系到电力系统的安全运行。在变压器可能遭受的多类故障中，由外部短路引发的绕组变形、结构松动或部件损伤，是危害程度较高且工程中较为常见的故障类型之一。突发短路试验是检验变压器抗短路能力的重要手段，能够较真实地反映设备在短路冲击下的机械强度与结构稳定性。然而，大容量变压器短路试验成本高、组织实施复杂，且试验过程具有一定破坏性，导致实际工程中可获取的短路应力试验样本数量十分有限。该类“小样本”特性使传统依赖大样本统计规律的可靠性评估方法难以直接适用，容易造成模型过拟合、参数估计不稳定或评估结果置信度不足。因此，如何在有限试验样本条件下，定量评估变压器在不同短路应力冲击下的可靠度，已成为电力设备可靠性评估领域亟需解决的问题。

2、针对小样本条件下的可靠度评估，现有方法虽然可借助部分统计模型进行参数估计，但在面对变压器抗短路能力这类复杂物理退化过程时，通常难以充分利用试验过程监测数据和历史同族设备的先验信息。由于缺少对短路冲击过程中物理状态响应特征的有效融合，现有方法在样本量不足时难以揭示设备由轻微变形到结构失稳的深层退化规律。若仅依赖少量离散试验结果进行建模，则难以构建能够表征复杂工况下失效概率变化的联合分布模型，也缺乏对多级退化阈值及删失试验数据的系统处理机制。上述数据利用不足和建模维度单一的问题，不仅限制了对变压器抗短路能力衰退机理的定量认知，也难以连续展现设备在不同应力条件下的条件可靠度变化趋势。因此，有必要提出一种能够突破真实试验样本数量限制、融合历史先验知识与过程监测状态信息，并实现变压器抗短路能力高精度条件可靠度评估的新型测试方法。

技术实现思路

1、为了提升小样本场景下变压器抗短路可靠度的评估精度，本发明提供了一种变压器抗短路能力可靠性测试方法及系统。

2、第一方面，本发明提供了一种变压器抗短路能力可靠性测试方法，包括以下步骤：

3、获取目标变压器在不同测试条件下的n组短路应力试验数据，所述试验数据包括短路应力、试验结果及过程监测数据，其中过程监测数据表示变压器在短路冲击下的响应；基于所述n组短路应力试验数据构建高斯过程回归代理模型，映射短路应力至物理状态响应，利用所述模型生成m组虚拟应力及对应的预测响应与预测方差，将生成的虚拟数据与原始试验数据组合形成增广数据集；

4、提取变压器的研制参数并根据目标变压器与历史同族变压器研制参数的相似性加权计算先验超参数，基于所述先验超参数构建层次贝叶斯模型，在所述层次贝叶斯模型中将多级退化阈值建模为服从有序约束的随机变量；基于所述增广数据集构建联合概率模型，所述联合概率模型中的似然函数包含由过程监测数据结合多级退化阈值构建的失效概率与删失概率，其中虚拟数据的似然贡献根据预测方差进行分布积分以进行不确定性边缘化调整；

5、基于所述联合概率模型，推断失效分布参数与多级退化阈值的后验分布，通过对所述后验分布进行抽样计算目标变压器的条件可靠度函数，生成二维条件可靠度曲线。

6、进一步地，所述基于所述n组短路应力试验数据构建高斯过程回归代理模型，映射短路应力至物理状态响应，包括：

7、提取所述过程监测数据中的绕组位移形变量和绝缘介质响应特征作为物理状态响应向量，并计算所述物理状态响应向量的标量范数将所述响应向量降维融合为一维连续物理响应标量值；

8、利用试验短路应力与所述一维连续物理响应标量值构建训练样本集，采用包含平方指数核与马特恩核的组合协方差函数构建高斯过程回归网络；

9、通过最大化边缘似然函数优化组合协方差函数的超参数，建立输入应力至一维连续物理响应标量值的非线性映射关系。

10、进一步地，所述提取变压器的研制参数并根据目标变压器与历史同族变压器研制参数的相似性加权计算先验超参数，包括：

11、提取变压器的额定容量、短路阻抗标幺值及绕组几何尺寸作为研制参数向量；

12、计算目标变压器与历史同族数据库中各个变压器研制参数向量之间的马氏距离；

13、基于所述马氏距离，采用高斯径向基核函数计算各个历史变压器失效分布参数的相似度权重系数；

14、利用所述权重系数对历史变压器的失效分布模型参数均值进行加权求和得到目标变压器失效分布先验模型的均值超参数，并基于归一化前的相似度权重系数之和的反比例映射计算方差超参数。

15、进一步地，所述联合概率模型中的似然函数包含由过程监测数据结合多级退化阈值构建的失效概率与删失概率，包括：

16、设定服从单调递增约束的多个退化状态阈值参数，将相邻阈值参数的差值建模为服从正域截断正态分布的独立随机变量以保证有序性约束；

17、在计算似然函数时，对来源于试验数据的数据点，若未失效，则利用未失效的数据点的过程监测数据达到的最大一维连续物理响应标量值确定其未超越最高退化阈值的删失状态，并以所述一维连续物理响应标量值未超越最高退化阈值的概率构建未失效数据点对似然函数的贡献；

18、若已失效，则将已失效的数据点对似然函数的贡献计算为一维连续物理响应标量值超越最高退化阈值的失效概率。

19、进一步地，所述虚拟数据的似然贡献根据预测方差进行分布积分以进行不确定性边缘化调整，包括：

20、对于增广数据集中的每一组虚拟数据，以所述数据的预测响应为均值、预测方差为方差构建物理状态响应的高斯预测概率密度函数；

21、将由失效分布参数定义的给定短路应力条件下物理响应概率密度函数，作为无标签虚拟响应的模型似然函数，并将所述模型似然函数与所述高斯预测概率密度函数相乘，在物理响应的整个定义域内进行边缘化积分，得到虚拟数据的期望似然函数；

22、利用所述期望似然函数经虚拟样本权重折扣后作为虚拟数据的似然贡献加入联合概率模型，使虚拟数据的预测不确定性通过边缘化积分反映在联合后验推断过程中，避免将虚拟预测响应作为确定观测值直接计入联合概率模型。

23、进一步地，所述基于所述联合概率模型，推断失效分布参数与多级退化阈值的后验分布，通过对所述后验分布进行抽样计算目标变压器的条件可靠度函数，生成二维条件可靠度曲线，包括：

24、从所述联合概率模型中抽取失效分布参数和多级退化阈值的联合后验样本；

25、基于抽取的后验样本集合，计算在模型适用应力范围内任意给定短路应力条件下物理状态响应未超越失效阈值的概率分布；

26、对所述概率分布在后验样本空间上求期望，拟合生成目标变压器在模型适用应力范围内的二维条件可靠度曲线。

27、第二方面，本发明还提供了一种变压器抗短路能力可靠性测试系统，包括以下模块：

28、构建模块，用于获取目标变压器在不同测试条件下的n组短路应力试验数据，所述试验数据包括短路应力、试验结果及过程监测数据，其中过程监测数据表示变压器在短路冲击下的响应；基于所述n组短路应力试验数据构建高斯过程回归代理模型，映射短路应力至物理状态响应，利用所述模型生成m组虚拟应力及对应的预测响应与预测方差，将生成的虚拟数据与原始试验数据组合形成增广数据集；

29、调整模块，用于提取变压器的研制参数并根据目标变压器与历史同族变压器研制参数的相似性加权计算先验超参数，基于所述先验超参数构建层次贝叶斯模型，在所述层次贝叶斯模型中将多级退化阈值建模为服从有序约束的随机变量；基于所述增广数据集构建联合概率模型，所述联合概率模型中的似然函数包含由过程监测数据结合多级退化阈值构建的失效概率与删失概率，其中虚拟数据的似然贡献根据预测方差进行分布积分以进行不确定性边缘化调整；

30、生成模块，用于基于所述联合概率模型，推断失效分布参数与多级退化阈值的后验分布，通过对所述后验分布进行抽样计算目标变压器的条件可靠度函数，生成二维条件可靠度曲线。

31、优选地，所述基于所述n组短路应力试验数据构建高斯过程回归代理模型，映射短路应力至物理状态响应，包括：

32、提取所述过程监测数据中的绕组位移形变量和绝缘介质响应特征作为物理状态响应向量，并计算所述物理状态响应向量的标量范数将所述响应向量降维融合为一维连续物理响应标量值；

33、利用试验短路应力与所述一维连续物理响应标量值构建训练样本集，采用包含平方指数核与马特恩核的组合协方差函数构建高斯过程回归网络；

34、通过最大化边缘似然函数优化组合协方差函数的超参数，建立输入应力至一维连续物理响应标量值的非线性映射关系。

35、优选地，所述提取变压器的研制参数并根据目标变压器与历史同族变压器研制参数的相似性加权计算先验超参数，包括：

36、提取变压器的额定容量、短路阻抗标幺值及绕组几何尺寸作为研制参数向量；

37、计算目标变压器与历史同族数据库中各个变压器研制参数向量之间的马氏距离；

38、基于所述马氏距离，采用高斯径向基核函数计算各个历史变压器失效分布参数的相似度权重系数；

39、利用所述权重系数对历史变压器的失效分布模型参数均值进行加权求和得到目标变压器失效分布先验模型的均值超参数，并基于归一化前的相似度权重系数之和的反比例映射计算方差超参数。

40、优选地，所述联合概率模型中的似然函数包含由过程监测数据结合多级退化阈值构建的失效概率与删失概率，包括：

41、设定服从单调递增约束的多个退化状态阈值参数，将相邻阈值参数的差值建模为服从正域截断正态分布的独立随机变量以保证有序性约束；

42、在计算似然函数时，对来源于试验数据的数据点，若未失效，则利用未失效的数据点的过程监测数据达到的最大一维连续物理响应标量值确定其未超越最高退化阈值的删失状态，并以所述一维连续物理响应标量值未超越最高退化阈值的概率构建未失效数据点对似然函数的贡献；

43、若已失效，则将已失效的数据点对似然函数的贡献计算为一维连续物理响应标量值超越最高退化阈值的失效概率。

44、优选地，所述虚拟数据的似然贡献根据预测方差进行分布积分以进行不确定性边缘化调整，包括：

45、对于增广数据集中的每一组虚拟数据，以所述数据的预测响应为均值、预测方差为方差构建物理状态响应的高斯预测概率密度函数；

46、将由失效分布参数定义的给定短路应力条件下物理响应概率密度函数，作为无标签虚拟响应的模型似然函数，并将所述模型似然函数与所述高斯预测概率密度函数相乘，在物理响应的整个定义域内进行边缘化积分，得到虚拟数据的期望似然函数；

47、利用所述期望似然函数经虚拟样本权重折扣后作为虚拟数据的似然贡献加入联合概率模型，使虚拟数据的预测不确定性通过边缘化积分反映在联合后验推断过程中，避免将虚拟预测响应作为确定观测值直接计入联合概率模型。

48、优选地，所述基于所述联合概率模型，推断失效分布参数与多级退化阈值的后验分布，通过对所述后验分布进行抽样计算目标变压器的条件可靠度函数，生成二维条件可靠度曲线，包括：

49、从所述联合概率模型中抽取失效分布参数和多级退化阈值的联合后验样本；

50、基于抽取的后验样本集合，计算在模型适用应力范围内任意给定短路应力条件下物理状态响应未超越失效阈值的概率分布；

51、对所述概率分布在后验样本空间上求期望，拟合生成目标变压器在模型适用应力范围内的二维条件可靠度曲线。

52、本发明通过获取有限数量的短路应力试验数据，并构建高斯过程回归代理模型，生成包含预测响应和预测方差的虚拟样本，实现对原始试验数据的有效扩充，增强了可靠性评估的数据支撑基础。通过挖掘历史同族变压器的研制经验，依据研制参数相似性引入先验信息，构建包含有序多级退化阈值的层次贝叶斯模型，使模型能够更好地符合设备状态逐级退化的变化规律，提高了历史先验信息的利用效率。在联合概率模型中，利用预测方差对虚拟数据的似然贡献进行不确定性边缘化处理，避免将虚拟预测结果作为确定观测值直接参与推断，从而降低虚拟样本不确定性带来的参数估计偏差。最终推断生成的二维条件可靠度曲线，能够更加直观、连续地表征目标变压器在不同短路应力条件下的抗短路能力及可靠性水平。