The invention discloses a grey correlation analysis of equipment condition monitoring of two equipment fault diagnosis and early warning method based on state parameter monitoring, first get two times each intelligent substation equipment fault diagnosis and monitoring and early warning in the application. Then select one state for monitoring fault behavior characterization parameters, and other factors may cause the monitoring state as parameter fault, and use the same number on the target, the formation behavior of equipment fault behavior characteristics and related factors of sequence sequence. Then, the dimensionless transformation is used to calculate the correlation coefficient and grey correlation degree of the relevant factors and the behavior sequence. According to the calculation, the grey correlation degree is found, which is the most relevant factor, which is the highest degree of correlation between the two fault characteristics. The invention can carry out the grey correlation analysis of all the factors which cause the fault to be monitored, so as to realize the fault diagnosis and early warning of the two equipment.
【技术实现步骤摘要】
本专利技术涉及电力系统设备状态监测和故障诊断
,特别是一种基于设备状态监测特征量灰色关联分析的智能变电站二次设备故障诊断和监测预警方法。
技术介绍
随着我国输变电技术的发展,电网规模在不断扩大,输变电电压等级也在不断升高,这使得变电站的电力设备的数量和复杂性不断上升,变电站二次设备的重要性也越来越高,二次设备的正常稳定运行直接影响了变电站一次系统的安全可靠运行。目前二次设备的故障诊断和预警主要靠先验知识,通过规则推理判断进行故障原因分析,但由于规则库有限,规则库的维护也较复杂,很多故障的原因并不能很好分析和快速的发现。此外,导致二次设备故障发生的原因往往有很多,哪些是导致故障发生的主要因素,哪些是次要因素,目前也没有很好的方法进行区别。因此研究基于设备状态监测特征量灰色关联分析方法,通过挖掘和分析可能导致二次设备故障发生的各状态参量的变化趋势,对可能引起设备故障的二次设备各状态参量的动态发展过程进行量化比较分析,进而找出影响故障发生的主要因素,通过对反映这些设备实际工作状况的主要状态参量的发展趋势进行监测,识别故障的早期征兆,对故障部分、故障严重程度及发展趋势进行判断,从而实现对设备故障的监视预警和智能诊断,提早发现问题、快速定位故障、消除故障隐患,对保障电力系统的安全可靠运行具有很重要的意义。
技术实现思路
本专利技术的目的是,提出一种基于设备状态监测特征量灰色关联分析的二次设备故障诊断和预警方法,其能够定量的找出引起二次设备故障发生的主要因素,以及这些主要因素特征量的范围区间,并通过对这些特征状态量的发展趋势进行监测,以识别故障的早期征兆,对故障部 ...
【技术保护点】
一种智能变电站二次设备故障诊断方法,其特征是,包括以下步骤:1)获取智能变电站各二次设备故障诊断和监测预警的监测状态参量;2)对于一种二次设备故障类型,从与该故障类型相关的监测状态参量中,选取其中一个监测状态参量X0作为表征故障的行为参量,其在序号k上的监测数据为x0(k),(k=1,2,…,n),则X0(k)=(x0(1),x0(2)…x0(n))为设备故障特征行为序列;3)将其它与该故障相关的监测状态量Xi作为可能引起故障的因素参量,其在序号k上的监测数据为xi(k),(k=1,2,…,n),则Xi(k)=(xi(1),xi(2)…xi(n))为设备故障相关因素行为序列;4)对包括设备故障状态行为参量X0和可能引起故障的因素参量Xi在内的各监测状态量数据序列X=(x(1),x(2)…x(n))按初值化变换法进行无量纲的数据变化处理;5)计算各设备故障相关因素行为序列和设备故障特征行为序列的关联系数:r(x0(k)xi(k))=minimink|x0(k)-xi(k)|+ξmaximaxk|x0(k)-xi(k)||x0(k)-xi(k)|+ξmaximaxk|x0(k) ...
【技术特征摘要】
1.一种智能变电站二次设备故障诊断方法,其特征是,包括以下步骤:1)获取智能变电站各二次设备故障诊断和监测预警的监测状态参量;2)对于一种二次设备故障类型,从与该故障类型相关的监测状态参量中,选取其中一个监测状态参量X0作为表征故障的行为参量,其在序号k上的监测数据为x0(k),(k=1,2,…,n),则X0(k)=(x0(1),x0(2)…x0(n))为设备故障特征行为序列;3)将其它与该故障相关的监测状态量Xi作为可能引起故障的因素参量,其在序号k上的监测数据为xi(k),(k=1,2,…,n),则Xi(k)=(xi(1),xi(2)…xi(n))为设备故障相关因素行为序列;4)对包括设备故障状态行为参量X0和可能引起故障的因素参量Xi在内的各监测状态量数据序列X=(x(1),x(2)…x(n))按初值化变换法进行无量纲的数据变化处理;5)计算各设备故障相关因素行为序列和设备故障特征行为序列的关联系数: r ( x 0 ( k ) x i ( k ) ) = m i n i m i n k | x 0 ( k ) - x i ( k ) | + ξ max i max k | x 0 ( k ) - x i ( k ) | | x 0 ( k ...
【专利技术属性】
技术研发人员:纪陵,蒋衍君,王位杰,
申请(专利权)人:南京国电南自电网自动化有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。