基于直流法的高压并联电抗器磁化特性评价方法及系统

本发明涉及电抗器分析，尤其涉及一种基于直流法的高压并联电抗器磁化特性评价方法及系统。

背景技术：

1、高压并联电抗器作为电力系统中重要的无功补偿设备，其磁化特性的准确评估对保障电网稳定运行具有关键意义。目前工程实践中主要采用交流法进行磁化特性测试，该方法通过施加交流激励信号并测量响应来建立磁化曲线。然而，交流法在实际应用中存在明显局限性：首先，交流激励下铁芯中产生的涡流效应会导致附加损耗，使测得的磁化曲线偏离材料真实特性；其次，磁滞效应的存在使得测量结果受到历史磁化状态的影响；另外，测试结果的准确性易受电源频率波动和波形畸变等因素干扰。这些因素使得交流法在精确评估铁芯磁性能方面存在固有不足。

2、直流法作为一种替代方案，通过施加直流电压并观测暂态过程来评估电抗器铁芯状态，具有设备简单、安全性高、抗干扰能力强的优点。但现有的直流测试方法多侧重于绕组电感、匝间绝缘等基本参数的测量，对铁芯磁化特性的评价仍停留在较浅层次，缺乏从暂态响应数据中完整重构磁化特性曲线的系统方法，更未能建立有效的磁化特性与铁芯健康状况的定量关联关系。现有技术难以精确提取磁化曲线的非线性特征参数，无法有效识别铁芯早期劣化迹象，限制了直流法在电抗器状态精准评价中的应用效果。

3、因此，提出一种基于直流法的高压并联电抗器磁化特性评价方法及系统，进而从直流暂态响应数据中完整重构铁芯磁化特性曲线，并实现铁芯健康状况的准确诊断，为电抗器状态检修提供可靠的技术支撑。

技术实现思路

1、本发明克服了现有技术的缺陷，提供了一种基于直流法的高压并联电抗器磁化特性评价方法及系统。

2、为实现上述目的本发明第一方面提供了一种基于直流法的高压并联电抗器磁化特性评价方法，包括：

3、通过待测试高压并联电抗器的规格参数书设定直流阶跃测试方案并搭建电抗器测试网络，利用电抗器测试网络进行磁化特性测试并进行测试全流程监测，得到多源测试监测数据集；

4、对所述多源测试监测数据集进行预处理，在预处理完成后进行动态电感与磁链序列计算，重构出表征铁芯非线性磁化特性的电流-磁链曲线；

5、利用电流-磁链曲线提取本征磁化特征，并通过多源测试监测数据集提取环境协变特征构建多模态测试特征向量，利用多模态测试特征向量对目标高压并联电抗器进行磁化特征评价，生成磁化特征评价信息；

6、获取不同故障类型及故障程度的同规格高压并联电抗器，接入预搭建的电抗器测试网络中获取故障电抗器磁化测试数据，建模故障模式与磁化特征之间的关联关系，生成故障-磁化知识库；

7、利用所述故障-磁化知识库建立电抗器状态分析模型，结合所述磁化特征评价信息和多模态测试特征向量对目标待测高压并联电抗器进行状态诊断。

8、本方案中，所述通过待测试高压并联电抗器的规格参数书设定直流阶跃测试方案并搭建电抗器测试网络，利用电抗器测试网络进行磁化特性测试并进行测试全流程监测，得到多源测试监测数据集，具体包括：

9、获取待测试高压并联电抗器的规格参数书，基于电磁感应定律计算使铁芯达到预期磁化水平所需的直流激励电压上限值，基于额定电流值和绝缘耐压等级通过安全裕度计算确定测试系统的最大允许工作电流，依据电源输出特性曲线确定最优的电压-电流组合参数，生成直流阶跃测试方案；

10、随后，搭建由可编程直流电源、功率可调电阻阵列、固态功率开关、数据采集系统组成的电抗器测试网络，其中功率可调电阻阵列采用多档位并联结构实现电阻值的精细调节，固态功率开关选用绝缘栅双极型晶体管并配置过流保护电路，数据采集系统则由多源异构传感器阵列组成；

11、在电抗器测试网络搭建完成后，进行对所述电抗器测试网络自校准流程，包括对电压测量通道进行零点校准和比例系数标定，对电流传感器进行频率响应特性测试，同时对温度监测单元进行热电偶冷端补偿校准，确保各测量通道的准确性和同步性；

12、将目标待测高压并联电抗器与校准完毕的电抗器测试网络中，控制单元基于所述直流阶跃测试方案输出直流激励信号，在每个电流阶跃达到目标值后进入稳定监测阶段，实时监测绕组端电压的波动情况；

13、采用滑动窗口算法计算电压变化率，当连续多个采样周期的电压变化率均低于预设的稳定判定阈值时，确认达到稳态工作点，此时记录稳态电压读数、电流读数及各测点温度数据；在电流阶跃变化的瞬态过程中，以最高采样率完整捕获电压和电流的动态响应波形，同时记录环境温度的变化轨迹，最终将采集的数据进行整合生成多源测试监测数据集。

14、本方案中，所述对所述多源测试监测数据集进行预处理，在预处理完成后进行动态电感与磁链序列计算，重构出表征铁芯非线性磁化特性的电流-磁链曲线，具体包括：

15、对多源测试监测数据集中的原始采样信号进行数据质量提升处理，采用离散小波变换对电压和电流信号进行多尺度分解，通过设定自适应阈值对小波系数进行软阈值处理以抑制高频噪声，同时利用异常值检测算法识别异常温度监测数据，并进行缺失值补偿；

16、基于预处理后的多源测试监测数据集提取纯净电压序列和纯净电流序列，采用五点中心差分算法计算电流信号的瞬时变化率，在每个采样点前后各取两个相邻采样点构建五点差分模板，使用预设差分系数进行加权平均计算，得到电流变化率并与对应时刻的电压测量值进行逐点除法运算，得到动态电感序列；

17、同步进行磁链参数计算，采用复合辛普森数值积分算法对纯净电压序列进行数值积分，将整个积分区间划分为若干个等分子区间，在每个子区间上通过二次插值多项式逼近被积函数，通过加权求和计算每个采样时刻的磁链累积值，得到磁链变化序列；

18、将计算得到的动态电感序列和磁链变化序列进行时空对齐和数据融合，采用基于互相关函数的时标对齐算法对两个序列进行采样时间偏差校正，通过厄米特插值算法将动态电感序列重新采样到磁链变化序列的对应时间点上，建立动态电感值与磁链值之间的映射关系，形成按磁链值有序排列的动态电感-磁链特征序列。

19、本方案中，所述对所述多源测试监测数据集进行预处理，在预处理完成后进行动态电感与磁链序列计算，重构出表征铁芯非线性磁化特性的电流-磁链曲线，还包括：

20、获取动态电感-磁链特征序列，采用滑动窗口曲率检测算法识别磁化曲线的特征转折点，基于预设窗口大小在所述动态电感-磁链特征序列每个数据点处计算其邻近区域的曲率值，当连续5个数据点的曲率值超过预设曲率阈值时判定为线性区与饱和区的分界点分段点，生成序列分段结果；

21、基于所述序列分段结果，通过构建法方程组并采用cholesky分解算法求解当前最优的线性参数，包括斜率和截距；在饱和区域选用双曲正切函数进行非线性拟合，采用levenberg-marquardt算法求解非线性拟合系数，建立初始的磁化特性模型，获得包含线性参数和非线性参数的初始重构参数组合；

22、引入遗传算法对所述初始重构参数组合进行全局优化，构建包括拟合误差项和曲线平滑度项的目标函数，其中，拟合误差项通过实测数据与拟合曲线的均方根误差表征，曲线平滑度项由连接点处的一阶导数差值平方和定义；

23、在优化过程中，以各分段函数在连接点处具有相同的函数值和一阶导数值的差异小于预设范围区间为约束条件，通过轮盘赌选择算法、算术交叉算子和高斯变异算子进行遗传操作，在每一代中保留最优个体并采用精英保留策略，多代进化计算后获得最优重构参数组合；

24、基于所述最优参数组合重构完整的电流-磁链曲线，采用分段函数形式将线性区域和饱和区域的拟合结果进行组合，并计算每个采样点的残差，分析残差的分布特征进行重构合理性验证，最终得到电流-磁链曲线。

25、本方案中，所述利用电流-磁链曲线提取本征磁化特征，并通过多源测试监测数据集提取环境协变特征构建多模态测试特征向量，利用多模态测试特征向量对目标高压并联电抗器进行磁化特征评价，生成磁化特征评价信息，具体包括：

26、获取电流-磁链特性曲线，采用特征点自动检测算法提取磁化特征参数，通过五点中心差分法计算曲线在各工作点的微分磁导率，采用黄金分割搜索算法识别饱和磁链值和对应的饱和电流值，通过三次样条插值方法求解矫顽力特征点，同时计算线性区域的磁导率斜率和饱和区域的磁导率衰减系数，并提取磁滞回环面积和剩磁比参数，形成本征磁化特征向量；

27、同步通过多源测试监测数据集中提取环境协变特征，提取测试全程的平均温度、温度变化梯度和稳态温度值作为热环境特征；对背景电磁噪声数据进行频谱分析，提取主要干扰频率成分的幅值作为电磁环境特征，共同构成环境协变特征向量；

28、将本征磁化特征向量与环境协变特征向量进行多模态特征融合，首先采用z-score标准化方法进行归一化处理并映射至高维空间，通过主成分分析法计算各特征的主成分分数，保留大于预设分数阈值的主成分特征，生成多模态测试特征向量；

29、利用svdd构建磁化特性评价模型，通过历史数据检索获取健康态和异常态的高压并联电抗器磁化特征数据，对所述磁化特征评价模型进行训练，获取最小超体球边界；

30、基于所述最小超体球边界划分健康态和异常态，在所述最小超体球边界内为健康态，在所述最小超体球边界外则为异常态，同时将超体球球心为健康态基准点，将与超体球球心的距离作为评分，对磁化特性评价模型进行重复训练；

31、将所述多模态测试特征向量输入至训练完成后磁化特性评价模型中计算与超体球球心的马氏距离，并与预设超球体半径进行对比；若小于预设超球体半径，代表为磁化特性健康态，若大于预设超球体半径，则代表为磁化特性异常态，并基于对应的马氏距离的反比输出磁化特性评分，最终得到磁化特征评价信息。

32、本方案中，所述获取不同故障类型及故障程度的同规格高压并联电抗器，接入预搭建的电抗器测试网络中获取故障电抗器磁化测试数据，建模故障模式与磁化特征之间的关联关系，生成故障-磁化知识库，具体包括：

33、获取不同故障类型及故障程度的同规格高压并联电抗器，接入预搭建的电抗器测试网络按照设定的直流阶跃测试方案进行磁化特性测试，得到故障电抗器磁化测试数据集；

34、基于所述故障电抗器磁化测试数据集，从各故障电抗器磁化测试样本的电流-磁链曲线中提取本征磁化特征向量和环境协变特征向量，通过多模态特征融合处理生成故障特征向量集，并对每个故障样本标注故障类型和故障程度标签；

35、通过所述故障特征向量集映射至高维向量空间，通过计算向量间的欧氏距离构建特征空间相似度矩阵，引入dbscan聚类算法识别特征空间中样本点的分布模式，通过预设的邻域半径和最小样本数参数将密度相连的样本点划分为同一聚类簇，同时识别并剔除稀疏区域的噪声点，生成若干表征不同故障模式的样本聚类；

36、对每个聚类簇进行几何特征分析，计算簇内样本的质心位置、分布范围及各维度特征的均值和方差统计指标，建立故障模式与特征聚类之间的映射关系表；通过聚类有效性指标评估各聚类的内部紧密度和类间分离度进行聚类簇合并优化，最终形成不同故障模式的特征聚类；

37、随后，基于特征聚类结果进行诊断规则生成，对每个聚类簇内的样本特征进行多维度统计分布分析，计算各特征维度的概率分布参数，采用区间估计方法确定各特征维度的有效取值范围，通过决策树归纳算法提取特征判断规则，生成多级决策规则集；

38、最终整合所述多级决策规则集和所述不同故障模式的特征聚类生成故障-磁化知识库。

39、本方案中，所述利用所述故障-磁化知识库建立电抗器状态分析模型，结合所述磁化特征评价信息和多模态测试特征向量对目标待测高压并联电抗器进行状态诊断，具体包括：

40、以k近邻分类算法和随机森林算法构建电抗器状态分析模型，采用随机森林算法训练主分类器，并通过基尼系数优化节点分裂，同时构建k近邻辅助分类器，采用特征加权欧氏距离作为相似度度量，两个分类器共享同一训练集，最终得到符合期望的电抗器状态分析模型；

41、获取磁化特征评价信息和多模态测试特征向量，输入至所述电抗器状态分析模型，主分类器通过随机森林进行多树投票预测，输出故障类型初步识别结果及置信度评分；

42、辅助分类器采用动态k值策略，通过肘部法则分析特征空间样本分布密度确定最优k值，计算多模态测试特征向量与知识库中各类故障质心的加权欧氏距离，选取最近邻的k个样本进行距离加权投票，生成辅助识别结果；

43、对分类器输出进行决策融合，当主分类器置信度高于预设阈值时，直接采用故障类型初步识别结果；当小于于预设阈值时，基于冲突解决机制，计算主分类器和辅助分类器输出结果之间的jaccard相似系数，结合磁化特征评价信息中的健康评分进行加权仲裁，生成最终故障类型识别结果；

44、基于故障类型识别结果，调用故障-磁化知识库中对应的多级决策规则集进行状态验证，通过逐级计算多模态测试特征向量与规则前提条件的匹配度，使用信息增益比动态调整规则权重，采用深度优先搜索遍历决策路径，并记录各节点的特征偏离度和规则匹配状态，最终得到故障诊断信息并生成电抗器状态诊断报告进行推送。

45、本发明第二方面提供了一种基于直流法的高压并联电抗器磁化特性评价系统，该系统包括：存储器、处理器、通信接口，所述存储器中包含基于直流法的高压并联电抗器磁化特性评价方法程序，所述基于直流法的高压并联电抗器磁化特性评价方法程序被所述处理器执行时实现如下步骤：

46、通过待测试高压并联电抗器的规格参数书设定直流阶跃测试方案并搭建电抗器测试网络，利用电抗器测试网络进行磁化特性测试并进行测试全流程监测，得到多源测试监测数据集；

47、对所述多源测试监测数据集进行预处理，在预处理完成后进行动态电感与磁链序列计算，重构出表征铁芯非线性磁化特性的电流-磁链曲线；

48、利用电流-磁链曲线提取本征磁化特征，并通过多源测试监测数据集提取环境协变特征构建多模态测试特征向量，利用多模态测试特征向量对目标高压并联电抗器进行磁化特征评价，生成磁化特征评价信息；

49、获取不同故障类型及故障程度的同规格高压并联电抗器，接入预搭建的电抗器测试网络中获取故障电抗器磁化测试数据，建模故障模式与磁化特征之间的关联关系，生成故障-磁化知识库；

50、利用所述故障-磁化知识库建立电抗器状态分析模型，结合所述磁化特征评价信息和多模态测试特征向量对目标待测高压并联电抗器进行状态诊断。

51、本发明公开了一种基于直流法的高压并联电抗器磁化特性评价方法及系统，包括：设定直流测试方案并搭建电抗器测试网络，进行磁化特性测试得到多源测试监测数据集；进行动态电感与磁链序列计算，重构出表征铁芯非线性磁化特性的电流-磁链曲线；利用电流-磁链曲线提取本征磁化特征，并通过多源测试监测数据集提取环境协变特征，对目标高压并联电抗器进行磁化特征评价，生成磁化特征评价信息；获取故障电抗器磁化测试数据，建模故障模式与磁化特征之间的关联关系，生成故障-磁化知识库；利用故障-磁化知识库建立电抗器状态分析模型，结合磁化特征评价信息和多模态测试特征向量进行状态诊断。从而实现磁化特性精准评价和电抗器状态智能诊断。