一种变压器实时数据异常预警方法及系统与流程

本发明涉及数据处理、异常检测与计算机程序控制，具体涉及一种变压器实时数据异常预警方法及系统。

背景技术：

1、变压器实时数据异常预警通常依赖在线监测平台或站端采集装置取得运行数据，常用数据包括电压、电流、负载率、有功功率、无功功率、油温、绕组温度、环境温度等。现有方案一般按照固定采样周期上传数据，在后台系统中进行时间排序、缺失值填补、越限判断和趋势展示。对于异常识别，较常见的方式是为油温、绕组温度、电流、负载率等参数分别设定上限值、变化率阈值或持续时间阈值，当某一监测量超过预设阈值时触发告警。部分方案会结合历史均值、滑动平均值或同类设备经验区间对阈值进行修正，使告警边界能够随季节或负荷水平作有限调整。该类方案实现简单，便于工程部署，但本质上仍以单变量或少量变量的数值越界作为判断依据，变量之间的电热响应关系未被纳入核心判定过程。

2、在已有数据分析型预警方案中，常规做法是将变压器实时数据输入时间序列预测模型、聚类模型或异常检测模型，由模型学习历史运行数据的分布特征，并对后续实时数据给出预测值或异常分数。此类方案通常先对电压、电流、负载率、油温、绕组温度等数据进行标准化处理，再按固定时间窗口组织为样本序列，通过神经网络、回归模型、距离度量模型或概率模型计算当前数据相对于历史样本的偏离程度。为减少偶发波动影响，系统还会对异常分数进行平滑处理，或者要求异常状态在连续多个采样周期内出现后再触发预警。该类方案能够利用较多历史数据，但训练结果主要受样本分布影响，在故障样本不足、运行工况变化较大或历史数据覆盖不完整时，模型容易将正常工况变化识别为异常，或者将早期异常吸收为正常波动。

3、变压器运行状态具有较强的电热耦合特征，电流、负载率、有功功率、无功功率等电气量变化通常会引起油温和绕组温度变化，但温度响应并非即时出现，而是受到环境温度、散热条件、热容量和运行持续时间影响，表现为滞后上升、缓慢累积或延迟回落。现有部分方案会引入负载率与油温之间的对应关系，或者根据环境温度对温度阈值进行修正，但通常只是将环境因素作为补偿项加入阈值计算，未形成电气激励因子、散热边界因子和热惯性响应因子之间的联合建模。由此，在负载突然升高、负载短时回落、环境温度持续变化等工况下，系统难以判断温度变化是否符合正常热惯性响应，异常预警仍依赖局部数值判断，缺少对多变量协同偏离过程的约束。

4、缺少能够同时表达电气量即时变化、温度量滞后响应、散热边界变化和多变量残差耦合关系的统一数据处理机制，导致系统在负载波动、环境温度变化和正常热惯性响应共同存在时，难以区分正常电热耦合状态与异常偏离状态。固定阈值方法无法反映不同工况下的合理温升过程，单纯数据驱动模型又容易受历史样本分布影响而脱离变压器运行机理。当电流或负载率变化与油温、绕组温度变化之间存在时间差时，现有方案容易把正常滞后响应判定为异常；当负载下降后温度残差仍持续累积，或者温度变化与电气激励不匹配时，现有方案又可能因参数未越限而延迟预警。

技术实现思路

1、本发明的目的在于提供一种变压器实时数据异常预警方法及系统，可以有效解决上述背景技术中的问题。

2、为实现上述目的，本发明采取的技术方案为：

3、一种变压器实时数据异常预警方法，包括：获取变压器运行过程中的电压、电流、负载率、有功功率、无功功率、油温、绕组温度和环境温度的实时数据，按采样时间戳对所述实时数据进行对齐、缺失补偿和尖峰抑制，得到多变量运行状态序列；

4、根据所述多变量运行状态序列构建电气激励因子、散热边界因子和热惯性响应因子，并将所述电气激励因子、所述散热边界因子和所述热惯性响应因子输入机理约束时序重构模型，生成正常电热耦合状态下的期望状态序列；

5、计算所述多变量运行状态序列与所述期望状态序列之间的残差序列，并依据残差幅值、残差持续时间、残差方向一致性和跨变量残差耦合度生成异常置信指数；

6、基于历史正常运行区间形成的自适应预警边界，对所述异常置信指数进行分级判定，输出变压器实时数据异常预警结果。

7、优选的，根据所述多变量运行状态序列构建电气激励因子、散热边界因子和热惯性响应因子，包括：从所述电流、所述负载率、所述有功功率和所述无功功率中提取负载变化幅值、负载变化斜率及功率分量变化关系，形成所述电气激励因子；

8、从所述环境温度、所述油温和所述绕组温度中提取散热温差、环境变化趋势及温度基线偏移，形成所述散热边界因子；

9、根据所述油温和所述绕组温度相对于所述电气激励因子的滞后变化，形成所述热惯性响应因子；

10、将所述电气激励因子、所述散热边界因子和所述热惯性响应因子按同一时间索引组合为电热耦合特征序列。

11、优选的，将所述电气激励因子、所述散热边界因子和所述热惯性响应因子输入机理约束时序重构模型，包括：将所述电气激励因子、所述散热边界因子和所述热惯性响应因子划分为短时冲击窗口、中时负荷波动窗口和长时温升累积窗口；

12、分别对不同时间窗口中的变量变化轨迹进行编码，得到多尺度工况表征；

13、在所述机理约束时序重构模型中设置电气量变化与温度量滞后变化的约束项，并将所述多尺度工况表征与所述约束项共同输入重构计算过程，得到与当前工况对应的所述期望状态序列。

14、优选的，所述依据残差幅值、残差持续时间、残差方向一致性和跨变量残差耦合度生成异常置信指数，包括：分别计算电气量残差、温度量残差和环境量残差的标准化偏离值；

15、根据连续采样周期内同一变量残差是否保持同向偏离确定所述残差持续时间和所述残差方向一致性；

16、根据电气量残差与温度量残差在预设滞后窗口内的匹配关系确定所述跨变量残差耦合度；

17、将所述标准化偏离值、所述残差持续时间、所述残差方向一致性和所述跨变量残差耦合度进行加权融合，得到所述异常置信指数。

18、优选的，形成所述热惯性响应因子，包括：以所述电气激励因子的变化时刻为基准，分别确定所述油温和所述绕组温度出现对应变化的候选滞后区间；

19、在所述候选滞后区间内计算温升斜率、温升累计量和温升回落斜率；

20、将所述温升斜率、所述温升累计量和所述温升回落斜率与所述散热边界因子进行联合归一化，得到热响应状态向量；

21、将连续采样周期内的所述热响应状态向量与所述电气激励因子进行配对，形成包含负载上升响应、负载保持响应和负载下降响应的所述热惯性响应因子。

22、优选的，在所述机理约束时序重构模型中设置电气量变化与温度量滞后变化的约束项，包括：根据历史正常运行区间中所述电气激励因子与所述热惯性响应因子的对应关系，生成不同负载区间下的滞后响应模板；

23、将实时输入的所述多尺度工况表征与所述滞后响应模板进行匹配，得到响应约束权重；

24、在重构所述油温和所述绕组温度的期望值时，将所述响应约束权重嵌入重构损失计算，使所述期望状态序列同时包含电气量即时变化约束和温度量滞后变化约束。

25、优选的，所述根据电气量残差与温度量残差在预设滞后窗口内的匹配关系确定所述跨变量残差耦合度，包括：以电气量残差的突变点作为窗口起点，在不同滞后步长下截取温度量残差子序列；

26、计算所述电气量残差与各温度量残差子序列之间的方向一致比例、斜率对应比例和累计偏离比例；

27、根据所述方向一致比例、所述斜率对应比例和所述累计偏离比例确定残差耦合向量；

28、依据所述残差耦合向量与历史正常耦合向量之间的距离，得到所述跨变量残差耦合度。

29、优选的，所述将连续采样周期内的所述热响应状态向量与所述电气激励因子进行配对，包括：按照负载上升、负载保持和负载下降的状态转移顺序，对所述电气激励因子进行片段划分；

30、在每个片段内提取所述热响应状态向量的起始值、峰值、回落值和滞后长度；

31、将相邻片段之间的所述起始值、所述峰值、所述回落值和所述滞后长度进行序列拼接，形成响应记忆矩阵；

32、将所述响应记忆矩阵作为所述机理约束时序重构模型的附加输入，与所述电热耦合特征序列共同参与所述期望状态序列的生成。

33、优选的，所述基于历史正常运行区间形成的自适应预警边界，包括：在历史正常运行区间内按负载区间和环境温度区间划分边界样本簇；

34、分别计算各边界样本簇中所述异常置信指数的分位边界和所述跨变量残差耦合度的稳定边界；

35、将实时数据对应的负载区间和环境温度区间匹配至目标边界样本簇，并根据相邻边界样本簇的边界差异进行插值，得到当前工况下的所述自适应预警边界；

36、将所述异常置信指数与所述自适应预警边界进行比较，生成所述变压器实时数据异常预警结果。

37、一种变压器实时数据异常预警系统，包括：数据处理模块，用于获取变压器运行过程中的电压、电流、负载率、有功功率、无功功率、油温、绕组温度和环境温度的实时数据，并按采样时间戳进行对齐、缺失补偿和尖峰抑制，得到多变量运行状态序列；

38、电热耦合特征构建模块，用于根据所述多变量运行状态序列构建电气激励因子、散热边界因子和热惯性响应因子；

39、机理约束残差重构模块，用于根据所述电气激励因子、所述散热边界因子和所述热惯性响应因子生成正常电热耦合状态下的期望状态序列，并计算所述多变量运行状态序列与所述期望状态序列之间的残差序列；

40、异常置信计算模块，用于依据残差幅值、残差持续时间、残差方向一致性和跨变量残差耦合度生成异常置信指数；

41、预警判定模块，用于基于历史正常运行区间形成的自适应预警边界，对所述异常置信指数进行分级判定并输出变压器实时数据异常预警结果。

42、与现有技术相比，本发明的有益效果在于：

43、1.通过获取电压、电流、负载率、有功功率、无功功率、油温、绕组温度和环境温度的实时数据，并将所述实时数据处理为多变量运行状态序列，再构建电气激励因子、散热边界因子和热惯性响应因子，能够使异常预警的判断对象从单个监测量转变为电热耦合状态。机理约束时序重构模型根据当前工况生成正常电热耦合状态下的期望状态序列，再通过实际序列与期望序列之间的残差序列进行异常判定，使电气量变化、温度量滞后变化和环境边界变化处于同一计算链路中。残差幅值、残差持续时间、残差方向一致性和跨变量残差耦合度共同形成异常置信指数，能够避免仅因单点越限或短时波动触发预警，也能够识别负载下降后温度残差持续累积、温升斜率与电气激励不匹配等异常偏离状态，从而针对上述主要技术问题形成对应的数据处理和判定机制。

44、2.通过按负载区间和环境温度区间形成自适应预警边界，并结合短时冲击窗口、中时负荷波动窗口和长时温升累积窗口进行重构计算，预警判定能够随当前运行工况选择对应边界，减少固定阈值对季节、负载水平和散热条件变化的依赖。热惯性响应因子将负载上升响应、负载保持响应和负载下降响应纳入同一状态描述，响应记忆矩阵进一步保留相邻运行片段之间的温升峰值、回落值和滞后长度，使期望状态序列能够反映连续工况转换中的热响应轨迹。跨变量残差耦合度通过电气量残差与温度量残差在滞后窗口内的方向一致比例、斜率对应比例和累计偏离比例进行计算，使异常预警结果能够区分孤立尖峰、正常滞后和持续耦合偏离，提升实时数据异常判定的稳定性和可解释性。