一种多源融合的变压器故障诊断方法与流程

1.本发明涉及变压器故障诊断领域，尤其涉及一种多源融合的变压器故障诊断方法。


背景技术：

2.变压器作为电力系统的核心设备，承担着对电压的转换和对电能的分配，其安全稳定运行对电力系统非常重要，因此及时发现变压器内部潜在故障并准确诊断其故障类型对维护整个电网的安全运行与供电可靠性具有重要意义。变压器在线故障诊断是实现其实时状态分析的重要方法，但目前的诊断大多数采用油中溶解气体分析作为判断变压器故障的标准，数据源较为单一，例如专利申请cn111737907a、cn112990593a、wo2017146877a1、ca3011985c、ep3411723a1等。而变压器结构复杂，工作环境也较为复杂恶劣，其故障原因有可能是分接开关的机械结构功能失效引起的各种故障，如紧固件松脱等，还可能是分接开关的电气构件性能变差引起的各种故障，如触头接触不良引起的局部过热与放电等，这些故障严重影响电力设备和系统的正常安全运行，并造成变压器突然停运、起火爆炸等不良后果。如某变压器厂生产的变压器在2011年12月投运3个月后发生了乙炔超标的现象，进行多种手段带电检测均未发现异常，所有电气试验数据都表明在变压器本体并未发现此次事故的原因，最终确认是变压器本体绝缘油通过邮箱与有载开关桶壁上端连接处渗透到有载分接开关中，根本原因是有载分接开关油桶上端与本体油桶连接处的密封圈已断裂，导致有载分接开关室内含有大量c2h2等气体的绝缘油渗透到变压器本体内，导致了此次油色谱数据超标事件发生。
3.现有技术中的单一数据源已难以准确估计实际应用中复杂情况的变压器故障原因，为提高变压器故障诊断的精度，有必要提出一种多源数据融合的变压器故障诊断方案。


技术实现要素：

4.本发明的目的在于针对在所存在的不足，提出了一种多源融合的变压器故障诊断方法。
5.为了克服现有技术的不足，本发明采用如下技术方案：一种多源融合的变压器故障诊断方法，其特征在于：变压器设置两种以上的传感器用于获取变压器的工作参数，所述工作参数经强跟踪滤波器处理后形成采集参数存储到存储设备，处理器获取所述采集参数以用于故障诊断；所述变压器故障诊断方法包括：基于所述工作参数获取q种类型的试验数据作为故障诊断模型的样本数据，将样本数据归一化处理，筛选归一化后的样本数据，将筛选出的样本数据用于训练故障诊断模型，训练好的故障诊断模型用于接收与试验数据同类型的现场数据进行变压器故障诊断；其中所述筛选归一化后的样本数据的步骤包括：处理后的数据按所述类型分为q类，每类含有p个样本，每个样本有s个属性特征值，按下式计算同类样本中任意两个样本间
的距离：，其中为第p个样本中的第s个属性特征值，为第个样本中的第s个属性特征值，个样本中的第s个属性特征值，，将计算出的距离按从大到小排列，将排名前d的相关样本数据中出现频率大于θ的样本数据剔除，其中d和θ为经验值。
6.进一步的，其中所述样本数据用于训练故障诊断模型的步骤具体包括：步骤1：将筛选出的样本数据输入下式获取变量h：，其中为第q类样本数据中第p个样本归一后的值，q为样本数据的类型总数，为h的第i个变量，i=1,2,3
……
n，n为工作人员根据故障诊断模型训练时间确定的经验取值，均为体现第q类样本数据与之间关系的参数；步骤2：将变量h输入下式获取变量u：，其中为u的第l个变量，l=1,2,3
……
l，l为经验取值，均为体现与之间关系的参数；步骤3：将变量u输入下式获取输出量o：，k=1,2,3
……
k，k为故障类型总数，为o的第k个变量，均为体现与之
间关系的参数；步骤4：令更新次数为r=r’ 1，其中r’为参数、、的当前更新次数，计算输出量o与期望输出y之间的误差：，其中为期望输出y的第k个期望输出值，当≥e时，判断r是否大于预设更新阈值，是则进入步骤6，否则进入步骤5，其中e为误差阈值；步骤5：更新参数、、：更新后的值为更新后的值为更新后的值为更新后的值为更新后的值为更新后的值为更新后的值为更新后的值为更新后的值为更新后的值为更新后的值为其中为步长；更新后进入步骤6；步骤6.故障诊断模型训练结束。
7.进一步的，所述试验数据的类型包括历史预防性试验数据、历史出厂试验数据、历史交接试验数据、历史带电检测试验数据、历史油色谱信息、历史负荷信息、所述试验数据对应的地理环境信息。
8.本发明所取得的有益效果是：通过设置多种传感器获取变压器的多源工作参数，基于历史多源工作参数建立故障诊断模型，基于现场多源工作参数执行变压器的故障诊断，利用多源信息的差异和互补性，将不同来源、不同模式的多类传感器信息进行多方面的信息检测，避免信息孤岛，提高了变压器故障诊断的准确性。此外，本方案在建立模型前先进行样本数据筛选，使得样本数据得到净化，更接近真实情况，模型训练结果得到优化。
附图说明
9.从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制，而是将重点放在示出实施例的原理上。在不同的视图中，相同的附图标记指定对应的部分。
10.图1为本发明各个模块的关系示意图。
11.图2为本发明的信息融合过程示意图。
12.图3为本发明的方法整体流程示意图。
13.图4为本发明的样本数据示意图。
具体实施方式
14.为了使得本发明的目的技术方案及优点更加清楚明白，以下结合其实施例，对本发明进行进一步详细说明；应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。对于本领域技术人员而言，在查阅以下详细描述之后，本实施例的其它系统、方法和/或特征将变得显而易见。以下描述旨在将所有此类附加的系统、方法、特征和优点都包括在本发明的范围内，并且受所附权利要求书的保护。在以下详细描述描述了所公开的实施例的另外的特征，并且这些特征根据以下将详细描述将是显而易见的。
15.本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或组件必须具有特定的方位，以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
16.实施例一，一种多源融合的变压器故障诊断方法，其特征在于：变压器设置两种以上的传感器用于获取变压器的工作参数，由于变压器的类型不同所需测量的参数也不尽相同，因此可通过变压器的处理器根据与其连接的变压器类型来自动设置与其连接的传感器类型，如此自动设置的依据为预存于所述处理器的专家经验，用户可根据处理器设置的传感器类型安装对应的传感器进行获取变压器的工作参数，所述工作参数经强跟踪滤波器处理后形成采集参数存储到存储设备，强跟踪滤波器与平常的滤波器相比，具有较强的鲁棒性和极强的关于突变状态的跟踪能力，甚至在系统达到平衡状态时仍保持对缓变状态和突变状态的跟踪能力。处理器获取所述采集参数以用于故障诊断；其中附图图1为传感器、强跟踪滤波器、存储设备与处理器之间的连接关系示意图。所述变压器故障诊断方法包括：基于所述工作参数获取q种类型的试验数据作为故障诊断模型的样本数据，将样本数据归一化处理，筛选归一化后的样本数据，将筛选出的样本数据用于训练故障诊断模型，训练好的故障诊断模型用于接收与试验数据同类型的现场数据进行变压器故障诊断；整个信息融合过程可参见附图图2。
17.其中所述筛选归一化后的样本数据的步骤具体包括：处理后的数据按所述类型分为q类，每类含有p个样本，每个样本有s个属性特征值，按下式计算同类样本中任意两个样本间的距离：，其中为第p个样本中的第s个属性特
征值，为第个样本中的第s个属性特征值，个样本中的第s个属性特征值，，将计算出的距离按从大到小排列，将排名前d的相关样本数据中出现频率大于θ的样本数据剔除，其中d和θ为工作人员的工作经验值。异常样本数据的剔除提高了预测结果的精度。
18.进一步的，其中所述样本数据用于训练故障诊断模型的步骤具体包括：步骤1：将筛选出的样本数据输入下式获取变量h：，其中为第q类样本数据中第p个样本归一后的值，q为样本数据的类型总数，为h的第i个变量，i=1,2,3
……
n，n为工作人员根据故障诊断模型训练时间确定的经验取值，均为体现第q类样本数据与之间关系的参数；步骤2：将变量h输入下式获取变量u：，其中为u的第l个变量，l=1,2,3
……
l，l为工作人员的工作经验取值，均为体现与之间关系的参数；步骤3：将变量u输入下式获取输出量o：，k=1,2,3
……
k，k为故障类型总数，为o的第k个变量，均为体现与之间关系的参数；
步骤4：令更新次数为r=r’ 1，其中r’为参数、、的当前更新次数，计算输出量o与期望输出y之间的误差：，其中为期望输出y的第k个期望输出值，当≥e时，判断r是否大于预设更新阈值，是则进入步骤6，否则进入步骤5，其中e为误差阈值，可由历史试验数据或工作人员的工作经验获得；步骤5：更新参数、、：更新后的值为更新后的值为更新后的值为更新后的值为更新后的值为更新后的值为更新后的值为更新后的值为更新后的值为更新后的值为更新后的值为其中为步长，具体可由工作人员根据历史试验数据使得故障诊断模型以较好的速度收敛到小于所述误差阈值来设置；更新后进入步骤6；步骤6.故障诊断模型训练结束。
19.其中所述期望输出则是试验数据对应的归一化后的变压器故障参数，包括故障类型、故障位置等参数。
20.进一步的，所述试验数据的类型包括历史预防性试验数据、历史出厂试验数据、历史交接试验数据、历史带电检测试验数据、历史油色谱信息、历史负荷信息、所述试验数据对应的地理环境信息，即所述传感器可为温度传感器、电流传感器、电压传感器、油色谱监测传感器、gps等。本实施例的诊断整体流程可参见附图图3，训练好后的故障诊断模型可接受现场采集的归一化后的预防性试验数据、出厂试验数据、交接试验数据、带电检测试验数据、油色谱信息、负荷信息、地理环境信息进行故障诊断，将诊断结果反归一化后即可得到
故障参数。
21.本实施例通过获取变压器的多源工作参数，基于历史多源工作参数建立故障诊断模型，基于现场多源工作参数执行变压器的故障诊断，利用多源信息的差异和互补性，将不同来源、不同模式的多类传感器信息进行多方面的信息检测，避免信息孤岛，提高了变压器故障诊断的准确性和可靠性。此外，本方案在建立模型前先进行样本数据筛选，使得样本数据得到净化，更接近真实情况，模型训练结果得到优化。
22.实施例二，本实施例为上述实施例的进一步描述应当理解本实施例包括前述全部技术特征并作进一步具体描述：所述样本数据归一化处理包括以下步骤：对于越小越优的数据类型采用下式进行归一化：；对于越大越优的数据类型采用下式进行归一化：，其中x为待归一化的样本数据，和均为归一化后的样本数据，min为与x同类样本数据中的最小值，max为与x同类样本数据中的最大值。
23.本实施例进一步限定了样本数据的归一化方法，与现有技术的归一化方式不同的是，本实施例并未将所有的样本数据采用一个归一化方式，而是针对不同评价标准的样本数据采用不同的式子进行归一化，使得归一化后的样本数据更接近样本数据特点本身，为后续模型训练的准确性提供了保障。
24.虽然上面已经参考各种实施例描述了本发明，但是应当理解，在不脱离本发明的范围的情况下，可以进行许多改变和修改。也就是说上面讨论的方法，系统和设备是示例。各种配置可以适当地省略，替换或添加各种过程或组件。例如，在替代配置中，可以以与所描述的顺序不同的顺序执行方法，和/或可以添加，省略和/或组合各种部件。而且，关于某些配置描述的特征可以以各种其他配置组合，如可以以类似的方式组合配置的不同方面和元素。此外，随着技术发展其中的元素可以更新，即许多元素是示例，并不限制本公开或权利要求的范围。
25.在说明书中给出了具体细节以提供对包括实现的示例性配置的透彻理解。然而，可以在没有这些具体细节的情况下实践配置例如，已经示出了众所周知的电路，过程，算法，结构和技术而没有不必要的细节，以避免模糊配置。该描述仅提供示例配置，并且不限制权利要求的范围，适用性或配置。相反，前面对配置的描述将为本领域技术人员提供用于
实现所描述的技术的使能描述。在不脱离本公开的精神或范围的情况下，可以对元件的功能和布置进行各种改变。
26.综上，其旨在上述详细描述被认为是例示性的而非限制性的，并且应当理解，以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。